往复压缩机气阀故障诊断的信息融合方法研究

针对使用单一信号对往复压缩机气阀故障进行诊断时所存在的不足．提出一种适合气阀故障诊断的信息融合方法。该方法将气阀的压力信号和振动信号特征进行信息融合，再通过RBF神经网络进行故障诊断。诊断实例表明该方法能更准确地诊断出气阀的各种故障。     

基于参数优化SVM的往复压缩机气阀故障诊断

气阀是往复压缩机发生故障最频繁的部件,为了提高气阀故障诊断的准确性,将网格搜索法和支持向量机(SVM)应用到气阀故障诊断中.采用网格搜索法对SVM进行参数寻优,提高故障模式识别的准确率.对气阀历史振动数据样本进行训练和预测,将固有模态分量的能量特征作为支持向量机的输入,对已知的统计样本进行训练,并对未知样本进行预测.结...     

往复压缩机气阀故障诊断方法的试验研究

对往复压缩机进气阀漏气故障进行模拟,采用热力参数、示功图和振动的方法在不同程度故障工况与正常工况下对压缩机进行现场监测.分析采用这几种方法对进气阀漏气故障的可诊断程度,探索压缩机气阀漏气故障特征提取的有效方法.     

近似熵在往复压缩机气阀故障诊断中的应用

针对传统方法难以有效进行往复压缩机气阀故障诊断的现状,提出了应用近似熵对往复压缩机气阀故障进行诊断的新方法。通过对气阀常见故障类型的诊断,表明了近似熵可以有效地分析出往复压缩机气阀的常见故障。     

基于示功图修正的往复压缩机气阀故障诊断方法

在较多的文献中给出了往复压缩机气阀诊断的标准示功图,但是当应用不同的气缸内压力采集装置,采集的气缸内压力不能直接制作标准的示功图,这需要对采集的数据根据采集装置的特点进行修正。通过实际的气缸内压力采集系统,校正了用于制作标准示功图的压力采集曲线外死点位置,并给出实际测量的气阀故障示功图。     

关联维数在往复压缩机气阀故障诊断中的应用

针对传统方法难以有效进行往复压缩机气阀故障诊断的现状，提出了应用关联维数对往复压缩机气阀故障进行诊断的新方法。通过对气阀常见故障类型的诊断，表明了关联维数可以有效地分析出往复压缩机气阀的常见故障。     

基于小波神经网络的往复压缩机故障诊断方法研究

针对往复压缩机在线故障诊断时难以提取故障特征的实际情况,提出一种适于往复压缩机的在线诊断方法。该方法利用小波包对采集信号进行分解和重构来构造能量特征向量,用该方法构造的特征向量能有效地反映往复压缩机的故障特征,通过用BP神经网络进行故障诊断,结果表明该方法能提高往复压缩机的诊断率。     

基于神经网络的往复压缩机气阀故障诊断方法

建立在2D12型往复压缩机气阀故障的大量实验基础上,通过对气阀振动信号的工作局部特征提取,同时根据气阀故障的统计特性,给出气阀故障诊断的自组织映射神经网络的诊断方法。     

往复压缩机气阀故障分析及诊断实例

往复压缩机绝大多数的故障发生在气阀上,分析其气阀故障机理以及工程上气阀故障诊断常依据的信号;基于温度、振动信号分析某石化企业往复压缩机气阀阀片断裂故障.     

基于RBF神经网络的门式起重机故障诊断系统的研究

门式起重机是港口码头、铁路集散中心常见的大型吊装设备,为了避免其发生故障影响工程作业的效率和进度,有必要对门机进行实时监控并对其发生的故障进行诊断和预测.探讨了基于径向基函数（RBF）神经网络的门机故障诊断系统,针对门机的几种常见故障进行诊断,结果表明该方法切实可行.     

电梯故障诊断的RBF神经网络方法研究

以电梯曳引机为研究对象,在阐述其振动故障的基础上,针对涡轮蜗杆减速器故障,给出了故障特征现象和故障代码.对已发生的蜗杆不平衡故障,分别采用RBF神经网络和BP神经网络,利用Matlab工具建模,给出了故障诊断结果,并进行结果分析比较.多次数据离线检验和实时在线监测结果均表明采用RBF神经网络方法能够及时、有效地检测出曳引机工作过程中的故障,并能够满足曳引机运行的实时性和鲁棒性等要求.     

基于RBF神经网络的A320引气系统故障诊断研究

根据神经网络的非线性、自适应性及自学习等优点,针对空客A320飞机引气系统,提出了一种基于RBF网络的A320引气系统智能故障诊断方法.对近几年记录的A320引气系统故障表现与故障原因进行特征提取和分类,并用于RBF网络的学习.利用部分典型故障特征对网络进行测试表明,该故障诊断方法可以有效地根据空客A320飞机的引气系...     

基于神经网络的压缩机故障诊断

对离心式空气压缩机动不平衡的故障问题，采用神经网络的BP(Back　Propagation)算法进行故障模式识别和诊断，并针对传统BP算法收敛速度慢，宜陷入局部最小的情况，从以下方面进行处理：其一，使用带动量改进型反向传播BP算法加快了收敛速度；其二，训练过程中对隐层和输出层采用了双曲正切阈值激励函数进行训练，解决了Sigmoid函数在0和1附近易陷入平坦区的情况。成功实现了故障样本空间到诊断数据空间的影射，并立在理论上给出了数学推导。     

基于AIC的RBF网络在旋转机械故障诊断中的应用

提出了一种适用于各类旋转机械的精度高、响应快的故障诊断方法。首先利用赤迟信息准则(AIC)确定RBF神经网络的隐含层节点数和中心,然后建立基于该神经网络的故障诊断模型,再利用旋转机械振动信号来分析并判定其运行状况。以柴油机连杆铜套磨损故障为例进行分析,实验及仿真结果表明:基于AIC的RBF网络技术的诊断方法在柴油机故障诊断中是有效可行的,对于单一故障的识别率为100%,对其他复杂旋转机械的振动诊断同样具有参考价值。     

RBF神经网络在旋转机械故障诊断中的应用

论述了RBF神经网络的基本网络结构和网络的学习及运行过程,结果表明:RBF神经网络具有极快的学习收敛速度.讨论了RBF神经网络在旋转_初械故障诊断中的应用,并对训练后的网络进行了仿真测试,仿真结果表明RBF网络有较高诊断正确率.     

基于EKF训练的归一化RBF神经网络在旋转机械故障诊断中的应用

在径向基函数(Radial Basis Function,RBF)神经网络成熟的基础上,对旋转机械的转子系统进行故障诊断,针对梯度下降法容易产生梯度消失的问题,提出用扩展卡尔曼滤波器(Extended Kalman Filter,EKF)对权重进行调节训练,并将结果与反向传播(Back Propagation,BP)算法和梯度下降调节进行比较,用EKF训练的RBF神经网络不仅在性能上有优势,在精度和迭代速度上亦优于其他方法.相信在今后的实际应用中尤其在旋转机械故障诊断中可以更大地发挥其优势.     

基于往复压缩机轴心轨迹特征的故障诊断方法研究

往复压缩机的故障诊断一直以来都是研究工作的重点问题,对其关键运动部件的监测诊断更是研究的热点之一.当往复压缩机发生运动部件磨损、撞缸等故障时,活塞杆的运行状态会发生改变,进而引起活塞杆轴心轨迹的变化.因此,提出了一种基于活塞杆轴心轨迹的往复压缩机智能诊断方法.首先,文章利用改进的离散点轮廓包络方法提取活塞杆轴心轨迹特征...     

基于RBF神经网络的多转子故障类型诊断

对多转子系统中转子故障诊断进行了研究,以转子正常、偏心、不平衡和弯曲四种工作状态为例,采用径向基函数(RBF)神经网络对故障进行诊断.通过快速傅里叶变换和能量谱对转子振动信号进行特征提取,并将提取的特征向量作为神经网络的输入,实现多转子故障类型的识别.结果表明,利用能量谱和RBF神经网络能够有效地识别转子故障类型.