一种基于CGAN-CNN的同步电机转子绕组匝间短路故障诊断方法

由于同步电机故障样本数量较少,为解决同步电机故障诊断中普遍存在的样本不平衡问题,提出了一种基于条件生成式对抗网络(CGAN)和卷积神经网络(CNN)的同步电机转子绕组匝间短路故障诊断方法.首先,对传感器收集到的数据进行预处理,对正常样本和故障样本分别添加标签后输入CGAN中生成大量新样本,将生成的新样本与原始样本混合并划分训练集和测试集;然后,利用CNN训练平衡后的数据集,充分、精准地提取有效故障特征;最后,在输出端利用Softmax分类器输出故障分类结果.通过实验证明,与非平衡数据集相比,利用平衡数据集后的故障识别准确率十分稳定且达到99.5％以上,同时与平衡的原始样本数据相比,生成样本避免了噪声和其他干扰,故障诊断的准确率也更高.     

电磁换向阀的卡死故障诊断

本文将提出一种直流电磁换向阀故障诊断的新方法。它利用线圈电流在启动或复位过程中的变化特征，来判断阀芯是否卡死，并且分析产生此故障的原因。此方法简单、实用、快捷，为直流电磁换向阀故障诊断技术开辟了新的途径。     

矢功率谱与RBF网络结合在旋转机械故障诊断中的应用

与传统功率谱相比,矢功率谱融合了多通道的能量信息,反映的信息更全面.径向基函数网络具有良好的推广能力和分类能力.基于此,本文结合矢功率谱和径向基函数网络,提出了一种新的故障识别方法,该方法以矢功率谱为特征向量,径向基函数网络为分类器.并以转子裂纹、转子不对中、油膜涡动为例进行实验研究,实验结果表明,该方法是有效的.     

机床故障诊断系统知识表示的研究

针对所研究的机床故障诊断专家系统，以故障树分析法为基础，采用面向对象的事件知识表示方法。并以面向对象编程技术给出了知识表示的示例。分析了这种知识表示方法的特点。实践证明，这种知识表示方法在故障诊断专家系统中是确实有效的，而且这种表示方法融合了多种传统知识表示方法的长处，是一种值得研究与应用的方法。     

液压电梯动态特性与故障诊断试验系统的研制

液压电梯以其独特的优点在电梯市场上显示出的来越强劲的发展势头．液压电梯的动态特性和故障诊断是保证其安全平稳运行所面临的主要研究课题，本文的试验系统就是为此目的面研制的。     

设备工况状态监测与故障诊断中的特征信息分析研究

文章阐述了机械设备工况状态信息检测与故障诊断系统中，对工况状态特征信息的分析方法一时域分析方法，频域分析方法，联合时一频分析方法等多种信号处理方法的特征分析特点及特殊信号、振动信号的分析和应用。     

在线状态监测与故障诊断系统改造

随着设备状态监测与故障诊断技术的日益成熟和进步，在线状态监测与故障诊断系统作为一项具有巨大潜在经济效益的实用技术获得了越来越多企业的认可，并广泛应用于冶金、石油、化工、有色金属、发电等行业。据有关资料统计，运用该技术可降低设备事故率75％，降低设备维修费用25％～50％以上，状态监测与分析诊断技术的投资获利比高达1：17。不但改变了传统的设备维修方式，使设备管理进入了以状态监测为基础的预知维修时代，更是将设备状态监测与故障诊断技术从服务推向了管理。     

一种机械故障监测的信息融合

在叶片振动故障监测过程中，单传感器的间断相位法只能测得叶片振幅值信息，本文应用两个传感器的信息融合技术，通过多源信息的综合、分析和推理，得出了叶片振动频率信息，提高了传感器系统的有效性，消除了单个传感器的局限性。     

基于马尔可夫链的自适应性神经网络训练算法

提出一种基于马尔可夫链的自适应性神经网络训练方法,对传统的S型激励函数进行了改进,建立了自适应性的神经网络分类器。在假设样本中噪声服从于正态分布的情况下建立最大似然估计,通过后验概率建立马尔科夫链对样本进行训练,提高了神经网络训练速度。在轴承故障诊断中的测试结果表明,该算法可以迅速稳定地训练出神经网络,有效提高诊断的分类结果。