基于模糊神经网络的旋转机械振动故障诊断研究与应用

随着现代工业生产发展越来越智能化、大型化、重型化与速度化,机械设备结构和故障原因也变得越来越复杂,零部件之间的联系也变得更加紧密。本文用转子实验台模拟了几种常见的设备故障,采集到频率数据,应用模糊神经网络方法进行故障诊断,证明了这种方法的真实有效性。     

基于决策树C4.5算法的汽轮机非线性故障诊断研究

汽轮机故障频率存在非线性、诊断复杂、相关参数属性集庞大的特点,应用决策树C4.5算法进行分类,速度快,准确性高.首先对汽轮机故障频率的连续性进行离散化,对决策表属性约简,得到分类规则,做为实际应用的依据.以Matlab为开发平台构建汽轮机振动故障诊断系统,准确率达到86.7％,具有实际应用价值.     

基于数据挖掘的转子系统故障诊断方法研究

压缩机是工业领域的一类重要生产设备,运行过程中存在诸多的不稳定因素,如转子系统振动、轴承结合不良、元件滑落等。以压缩机中的转子振动故障为研究对象,用数据挖掘中的可辨识矩阵方法进行属性约简,用C4.5方法进行分类,得到故障诊断规则,通过诊断规则可以预测压缩机故障的发生。