基于压力信号的小波神经网络往复泵故障诊断

为有效提取往复泵工作时非平稳时变信号中的故障特征和将故障特征准确分类,提出以泵缸内的压力作为系统特征信号来提取故障特征向量的方法.将小波包分解的"频率-能量-故障识别"模式诊断方法引入泵阀工作状态监测中,通过改进的BP神经网络进行故障诊断.试验确定了网络的初始值,即选择学习率初始值为1.5、惯性因子为0.6、网络结构为3层的BP网络,其中隐含层的节点数为19个,即网络的结构是8-19-3.结果表明,该法降低了对原始信号处理的难度,且各阀箱内的压力之间无相互影响.该技术已应用于某船载系统的往复泵实时故障诊断中,实验验证了其有效性.     

某高炮随动系统故障诊断装置的研制

研制某高炮随动系统故障诊断装置,包括信号检测点的确定、硬件系统设计、信号调理、系统测试以及故障诊断的方法与策略等.提出确定性故障和模糊性故障的概念.该装置采用计算机分布式结构和故障诊断专家系统.实测结果表明,装置定格为二级维修时故障覆盖率大于85%,故障诊断成功率大于96%,诊断时间小于5 min.     

基于仿生感知的机床刀具故障诊断系统

现有刀具故障诊断系统具有系统庞大、成本高,精度低等问题,亟需开发一种高精度、低成本的刀具故障诊断系统.为此,提出一种基于仿生应变传感器的数控机床刀具故障诊断系统,该系统首先将精度高、价格便宜的仿生柔性裂纹阵列振动敏感元件封装成刚性的仿生应变传感器,使其适用于采集机床刀具振动信号;然后从采集的刀具振动信号中提取时域和频域特征,并使用支持向量机算法建立刀具故障诊断模型.通过实验对离线故障和实时机床加工环境中的在线故障进行诊断,结果表明,设计的基于仿生应变传感器的刀具故障诊断系统对机加故障诊断的准确率大于88％,在保证故障诊断性能的同时降低了检测成本.这是将灵敏度高、成本低的仿生柔性敏感元件应用于工业故障诊断的一次全新尝试.     

油制气控制系统故障诊断技术

以油制气控制系统为背景,对控制系统故障诊断技术进行了研究,提出了一种基于信号迭加的故障诊断新方法,并运用该方法研制出油制气装置故障诊断系统.该系统能准确地诊断出油制气控制系统故障的位置和部件,显示故障信息和处理方法.     

基于独立分量分析特征提取的故障诊断系统

针对矿山破碎机的声音故障诊断受复杂现场环境制约、确诊率低的难题, 结合独立分量分析(ICA)在自然图像和连续语音信号中特征提取的方法,采用两层ICA分别用于从混杂声音中提取各采集通道(部位)的统计独立声音信号和进一步提取该信号的特征基.训练阶段生成的特征基系数序列用来生成矢量量化(VQ)的码书,设计出ICA-VQ破碎机故障诊断系统.现场采集数据的实验中系统的故障诊断准确率达到96.8%,表明系统的高效性.     

信息缺失时基于HMM的故障诊断方法

在突发事件导致的事故中,状态监测与故障诊断系统的研究对象已经发生很大的变化,常规设计的状态监测与故障诊断系统往往很难满足要求.文章针对信息缺失提出了一种新的状态监测与故障诊断方法.该方法基于HMM模型的似然率计算过程,提出在发生信息缺失时,对缺失信号依据各模型采用最大似然率填充的方式进行故障诊断,并通过实际数据的测试实验对该方法进行了验证.验证结果表明,信号缺失时依据各模型采用最大似然率填充的方式进行故障诊断的方法是有效的.     

面向机电系统状态监测与故障诊断的现代技术

以现代技术为主线综述了机电系统运行状态监测与故障诊断技术的进展,阐述了机电系统运行状态监测与故障诊断方法及系统的发展;从技术流程的角度归纳了信号采集技术、信号分析与处理方法、故障诊断方法和机电系统状态趋势预测的先进技术;展望了基于网络的异地设备运行状态的远程监测与诊断技术以及基于虚拟仪器的监测与诊断仪器系统的新兴技术发展前景.     

分析电厂自动控制系统存在的问题与解决对策

良好的火电厂热工自动控制系统的故障诊断装置,通过利用电厂现有分散控制系统(DES)中的故障诊断所需信号,进行故障的检测、诊断和处理,可以大大的提高电厂热工自动系统的可靠性.     

基于模糊外展推理和Tabu搜索方法的电力系统故障诊断

电力系统故障诊断中存在两种不确定性因素,即保护和断路器动作的可靠性,以及调度中心中收到的保护和断路器的警报信号的正确性和未收到的警报信号实际出现的可能性.如何处理这些不确定性在一定程度上影响故障诊断结果的准确性.到目前为止,还没有一个系统的方法能够同时处理上述两种不确定性因素.文章提出了基于模糊外展推理(fuzzy abductive inference)的电力系统故障诊断的一种新的模型,可以同时计及这两种不确定性因素.首先将故障诊断问题描述为无约束0-1整数规划问题,之后采用了近年来提出的一种高效的启发式优化技术--Tabu搜索(Tabu Search-TS)方法来求解.算例系统的研究结果证实了所提出的方法是正确的和有效的,且具有在线应用的潜力.     

往复式压缩机故障信息模糊二元树诊断方法研究

结合图论理论和局域波理论,提出了一种基于模糊图的往复式压缩机故障诊断方法.首先将往复式压缩机故障信号进行局域波时频处理,根据系统的故障状态-特征表,找出最大故障信息量特征群.基于图论理论建立最大故障信息量模糊图,通过对模糊图的分析,找出可以进行匹配的路径信息量最大的部件.该方法应用于某往复式压缩机故障诊断中,具有一定的工程实用性.     

钻井泵泵阀状态的监测与故障诊断

对钻井泵泵阀故障识别进行了实验研究，提出了一种简单而实用的泵阀故障诊断方法。以位置传感器测量活塞死点所产生的信号为触发信号，可用计算机准确采集到钻井泵泵阀关闭时在阀箱上激起的瞬态响应信号。对该瞬态信号的时域和同步功率谱进行分析后，可较为准确地判别泵阀的工作状态。用该方法可检测出较为明显的故障信息。     

基于改进小波包结合CS-BP的地面驱动螺杆泵故障诊断

针对目前地面驱动螺杆泵故障诊断存在效率不高、精度不足、损耗资源的问题,提出通过引入功率谱细化的思想改进小波包变换,再结合布谷鸟搜索(cuckoo search, CS)优化反向传播(back propagation, BP)神经网络的诊断方法。首先,通过改进的小波变换对螺杆泵有功功率分解重构得到特征向量;其次,与瞬时流量、进口回压等参数进行归一化处理,作为BP神经网络的输出层信息;再次,使用布谷鸟搜索寻优得到BP神经网络的权值和阈值,建立CS-BP故障诊断模型;最后,应用于螺杆泵不同故障类型的诊断,并通过与目前的主流诊断方法进行诊断效果的分析比较。结果表明,对于螺杆泵不同类型故障诊断的平均精度达到95.6%,对比分析证明了所提方法的可行性与优越性。     

基于数学形态学与PNN的螺杆泵井故障诊断

针对螺杆泵井泵功图图形信息一直没有得到充分利用,在一定程度上影响诊断技术的推广和利用的问题,研究直接提取泵功图状态参数形状特征信息的方法,提出基于数学形态学的泵功图图形特征提取方法。采用开闭组合的数学形态学算子实现泵功图边缘纹理特征提取,对提取的特征数字化后,使用PNN(概率神经网络)进行故障识别。实际应用证明,识别准确率达到90%以上。     

基于改进希尔伯特-黄的泵阀故障诊断新方法

将改进的希尔伯特黄应用到泵阀的故障检测,通过对现场采集数据的分析,提出了一种新的识别故障泵阀的简易诊断方式。首先对6个泵阀信号都作EMD分解,用IMF分量数鉴别故障泵阀,故障泵阀含有IMF数量最多,然后再做出每个泵阀信号希尔伯特能量谱,通过故障泵阀具有高能量来进一步证实。结果表明了该方法能够准确有效的判断出故障泵阀。因此相对于可靠性低并对工作人员身体有害的传统方法而言该方法具有可靠性高,对工作人员无害等优点。     

液压泵故障诊断稀疏编码方法研究

针对液压泵故障特征难以提取、诊断过程复杂、自动化程度低等特点,将稀疏编码方法应用于液压泵故障诊断.通过对液压泵泵壳处振动信号进行时频域变换,将变换后的信号作为样本,采用K-SVD算法对训练样本进行字典学习以获取字典,利用正交匹配追踪算法对测试信号进行分解与重构,通过不同类别字典对测试信号的重构率大小进行故障种类识别,实现液压泵故障分类.通过试验验证并与BP神经网络、支持向量机对比,结果表明稀疏编码方法具有对故障识别速度快、准确率高、稳定性好等优点,可以有效地实现对液压泵故障的诊断.      

基于模糊数学的液压挖掘机故障诊断

为快速诊断出液压挖掘机产生的故障原因,构建了液压挖掘机故障诊断的模糊数学模型.通过经验数据隶属度矩阵和专家优序数隶属度矩阵计算出故障诊断原因向量,由最大隶属度原则得到最终故障原因.将此方法运用于SWE50型挖掘机液压系统故障中,顺利找出故障原因是液压泵磨损,泵油压力偏低.     

基于多尺度排列熵和正则化RVFL的高压隔膜泵单向阀故障诊断

高压隔膜泵单向阀运行工况复杂,运行时产生的振动信号具有非线性、非平稳特性,导致信号特征提取困难,故障状态难以识别.为了提取单向阀运行状态的非线性动力学特征,提升故障诊断模型的识别精度和泛化能力,提出了一种基于多尺度排列熵（Multi-scale Permutation Entropy,MPE）和正则化随机向量函数链接（Random Vector Functional Link,RVFL）网络的单向阀故障诊断方法.首先,对工况下采集的单向阀振动信号进行变分模态分解（Variational Mode Decomposition,VMD）获得既定的若干本征模态函数（Intrinsic Mode Function,IMF）分量;然后,计算IMF分量的多尺度排列熵,构建表征单向阀运行状态的特征值向量;最后,基于运行状态的特征值向量,建立正则化随机RVFL的故障诊断模型,并应用于单向阀的运行状态监测与识别.实验结果表明,构建的故障诊断模型能够精确地识别单向阀的故障类型,准确率达到98.89%.     

基于判别稀疏编码的液压泵故障诊断

为解决液压泵故障信号特征难以提取的问题,提出了一种基于判别稀疏编码的液压泵故障诊断新方法。在稀疏编码框架中引入Fisher判别准则,通过对训练样本进行字典学习,获取具有判别性的字典与稀疏系数,使用不同故障类别字典对测试样本进行稀疏表示,利用全局分类方法综合重构误差与系数偏差两方面参数,对液压泵故障信号进行识别。实验结果表明,对于不同状态下的液压泵振动信号,该方法可自适应地完成各类子字典的学习与模式识别过程,与传统方法相比,在液压泵故障诊断中具有更高的准确率和较好的稳定性。     

基于故障特征时段识别的间歇过程故障诊断方法

间歇过程的多时段操作特性使得某一类型故障可能在一个或多个子操作时段具有明显表征,而在其他时段没有故障表征,即故障具有其相应的特征时段.提出了一种基于故障特征时段识别的故障诊断方法,通过对历史故障数据以及正常数据质心分布特征,识别历史故障的特征时段.利用多向Fisher判别分析(MFDA)方法分别建立对应的故障诊断模型,从而将故障诊断的搜索空间深入到特定的特征时段,提高了模型的诊断性能.仿真实验验证了该方法的可行性和有效性.