基于小波多分辨率分析的风力发电机的故障特征提取与识别

利用小波多分辨率分析的方法对风力发电机振动信号进行分析,并运用小波变换对测得的信号进行处理,达到对风力发电机组故障的诊断识别。将提取的振动信号映射到小波基函数上,经平移和伸缩具有正交性的小波函数,然后再经小波变换归一化得到小波分解序列的幅值,以此作为诊断识别的特征值,实现了在多尺度下特征信息的提取与故障识别,说明该方法行之有效。     

气相色谱和神经网络在机车故障诊断中的应用

为诊断电力机车变压器的故障类型,以提高铁路系统的安全性,提出了一种基于模糊控制的BP神经网络模型.首先应用气相色谱技术,分析变压器油中特征气体含量与故障之间的对应关系,确定电力机车变压器常见的故障类型;然后,收集各种故障类型数据,作为神经网络的训练样本数据和测试数据;最后,建立改进BP神经网络的诊断模型,实现测试数据的仿证测试.诊断结果表明,该模型在电力机车变压器故障诊断中具有良好的实用前景.     

小波包分析在柴油机故障诊断中的应用

运用小波包分析方法对柴油机缸盖振动信号进行预处理,并运用小波包频带的能量分析方法识别柴油机喷油雾化质量故障。在不同工况下的柴油机上测得两组振动加速信号,并对该信号进行分析,准确识别了故障。说明该方法对提取故障信息并进行诊断是行之有效的。