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.     

多应用场景低压配网无缝合环转电解决方案

合环转电作为一种重要的网络重构技术,对提高配电网运行的可靠性与经济性具有重要意义。常规合环转电不仅存在合环冲击,而且合环点的选取受到两侧电源相角差的限制。文章针对广州配电网存在的大角度差不停电转供技术难题,提出两种无缝合环转电解决方案,分别是基于串并联补偿的合环方案和基于背靠背拓扑的合环方案。它们能够适用于多种转供场景,并提供交、直流两种转供电源接口。文章给出了每种方案的接线方式,对它们的结构特点、性能参数以及工作原理进行了分析。为了适应配电网三相不平衡与谐波污染的运行环境,从结构与控制两方面提出了装置的改进措施。最后,仿真验证了几种典型场景下无缝合环转电装置的运行原理,从而为实际开展低压无缝合环转电提供计算支撑。     

模糊C-Means算法从实例库中挖掘模式识别知识

以模糊c-means算法对实例初步分类,以分类正确率和隶属度构造两级目标函数对实例进行挖掘获得个体分类效果最佳的敏感信息源、主矢量、类别原型和距离计算方法.以模糊综合决策算法对实例敏感主矢量进一步挖掘获得信息融合分类效果最佳的主矢量集合.同时从实例库中挖掘出模糊综合决策权重分配系数.将c-means算法的意义扩展应用于信息融合诊断.另外还论述了两种综合诊断方法,模式识别与模糊综合决策联合的综合诊断、扩展的模糊c-means算法与综合决策联合的二级优化综合诊断.最后以列车滚动轴承故障实例库的挖掘为例阐述了原理的应用.     

旋转机械诊断中的矢功率谱-模糊C均值聚类方法

结合矢功率谱和模糊C均值聚类算法,提出了一种新的旋转机械故障识别方法。该方法以矢功率谱为特征向量,以模糊C均值聚类算法为分类器,成功地应用到旋转机械故障诊断中。实验结果表明,该方法是有效的。     

全矢谱技术在旋转机械启停车中的分析研究

全矢谱理论将两个单源信号复合成矢量信号来处理信息,可以反映转子在某截面内的真实振动情况.基于全矢谱理论,定义了全矢幅频特性图和三维全矢瀑布图的概念.利用Berdty转子实验台进行了数据的采集.实验显示,所得全矢幅频特性图和三维全矢瀑布图作为机组启停车分析工具,相比单源信号的幅频特性图和瀑布图,振动幅值更加准确明显,解决了原图谱两单源信号间存在幅值大小相差较大的问题,有助于更准确的故障诊断,在大型机组启停车故障诊断中具有广阔的实用价值.     

基于全矢谱技术的转子多截面信息融合及故障诊断研究

针对目前全矢谱技术存在的缺点,把全矢谱技术延伸到多个截面.利用全矢谱技术的快速算法,利用相位信息,从而形成全矢传递图谱.在处理稳态信号时,同时显示多个截面多个单频的空间形态,从而对故障进行精确判别;启停车过程中,用全矢传递瀑布图反映单频下随转速变化整个机组的状态变化,及时发现故障隐患.通过多个截面的信息融合,充分利用了信息,更有利于故障诊断与机组的监测.     

基于全矢最小二乘支持向量机的设备状态趋势预测

在支持向量机(SVM)基础上拓展出的最小二乘支持向量机(LS-SVM)非线性泛化能力更好,具有较高的拟合和预测精度,目前被广泛应用于设备状态趋势预测中。为进一步提高其预测精度,结合基于同源信息融合的全矢谱技术提出一种新的趋势预测方法——全矢LS-SVM。该方法采用全矢谱技术融合双通道信息,相比传统单通道信号提取方法,保障LS-SVM预测数据特征提取的完整性,提高预测精度。将该方法应用于某电厂1号汽轮机振动数据的预测,实验结果表明,全矢LS-SVM方法具有较高的预测精度。     

基于全矢谱的模糊综合评判方法研究

基于数据融合思想,将全矢谱技术与模糊综合评判方法相结合,提出了全矢--模糊综合评判方法,给出其定义及算法,并通过实验证明了该种方法能够全面、正确的反映机械故障类型,是一种有效、实用的旋转机械故障诊断方法.     

三轴斜齿轮传动转子系统的动力学特性分析

基于三维离散斜齿轮传动模型、在轴结构有限元模型、轴承弹性和齿侧间隙的基础上,建立了一个三轴斜齿轮传动转子系统的动力学模型。通过牛顿-拉夫逊法(Newton-Raphson)和非线性瞬态解方法预测了系统的强迫振动。由一台斜齿轮-轴-轴承系统组成的压缩机的试车验证了模型的有效性。结果表明,模型计算结果与试车结果吻合,给齿轮驱动的转子系统设计及故障诊断提供了理论依据。     

基于全矢局部均值分解的齿轮故障诊断方法研究

针对齿轮故障信号大多数是难分解的多分量的调幅-调频信号的问题,提出一种新的信号处理方法——全矢局部均值分解(FVLMD)方法。局部均值分解(LMD)可将多分量信号自适应地分解为多个单分量信号;全矢谱技术可以解决单通道信号不完整的问题。运用信息融合技术,将信号LMD分解得到的PF(Product Function)分量进行全矢谱融合分析,这样既可以将信号彻底分解,又可以保证其完整性。齿轮故障信号验证了该方法的有效可行性。