基于PF能量特征和SVM的变速箱轴承故障诊断方法

内圈点蚀、外圈压痕是变速箱滚动轴承常见典型故障,为实现其快速、准确诊断,提出基于局部均值分解(Local mean decomposition,简称LMD)的PF(Product Function)分量能量特征和支持向量机(Support Vector Machine,简称SVM)相结合的变速箱滚动轴承诊断方法.将采集的振动信号进行LMD局部均值分解,获得若干个PF分量,并以计算的PF分量的能量熵作为特征量输入支持向量机,进行滚动轴承的故障类型的识别.通过对滚动轴承正常状态、内圈点蚀故障和外圈压痕故障的诊断效果对比分析表明,相对于基于神经网络的轴承故障诊断方法,基于PF分量能量特征和支持向量机的诊断方法有着更高的故障识别率.     

基于模糊综合评判与故障树法的震压造型机故障诊断

随着机械化水平的不断提高,复杂机械在工业中发挥着越来越重要的作用,然而随着复杂机械设备工作时间的增加,故障率也在不断提高,为避免因设备故障带来的不必要麻烦及损失,有必要对复杂机械设备进行研究分析。研究以分析评判震压造型机故障为基础,找出影响该设备可靠性的因素主要有压实无力、不震击、震击不稳、震击无力及震击不稳,并找出导致这些因素发生的底事件及各底事件之间的相互关系从而建立相应的故障树;其次求出故障树中各底事件的结构重要度并进行比较;再者由于震压造型机工作故障影响因素复杂且具有模糊性,导致数据的严重缺失,因此无法直接进行评判,此时可利用模糊综合评判法进行评判,研究以震压造型机工作中"压实无力"为例,可以得出该设备压实状况,以便工作人员能根据实际要求调控设备到适当状态。结果表明,利用故障树和模糊综合评判法对震压造型机故障进行分析评价是可行的,为工作人员安全操控提供了依据,同时也为研究其它复杂机械设备故障提供了理论参考。     

电网故障的动态连续诊断方式

首次利用自适应动态事件窗生成技术,直接面向故障发生、发展和监控信息获取的动态过程,提出一种电网故障的动态连续诊断方法.通过正反向推理相结合,并实时跟踪故障开始到故障结束,动态连续诊断的过程兼顾新增的告警信息和断面信息,能迅速和准确地得出诊断结果.本文首先以线路故障为例,按照断路器的不同动作情况和故障波及范围,建立线路的故障模型.然后,将自适应动态事件窗生成技术与电网故障的动态发展过程相结合,确定动态连续诊断机制.算例结果验证了该诊断方法的可行性及有效性.     

小波包分析在乏燃料剪切机故障诊断中的应用

针对乏燃料剪切机剪切声音信号特征提取的难题,利用小波包分析方法,对不同磨损状况刀具的剪切声音信号进行小波包变换,提取变换信号的各频段归一化能量特征向量,根据声音信号的能量特征向量可辨识不同状况的乏燃料剪切机剪切声音,从而实现乏燃料剪切机故障诊断.实验表明,该特征向量能有效识别刀具的正常磨损、一级磨损、二级磨损三种状况,有效解决了基于隐马尔可夫模型的故障模式识别中特征提取的问题.     

基于EEMD和改进VPMCD的滚动轴承故障诊断方法

针对原VPMCD方法在参数估计过程中存在的缺陷,用BP神经网络非线性回归方法代替原方法中的最小二乘法,解决了最小二乘法中存在的病态问题,因此,提出了改进多变量预测模型(Variable predictive mode based class discriminate,简称VPMCD)的滚动轴承故障诊断方法.首先采用总体经验模态分解(Ensemble empirical mode decomposition,简称EEMD)方法对滚动轴承振动信号进行分解得到若干个单分量信号,然后提取各分量奇异值组成特征向量作为改进VPMCD的输入,最后对滚动轴承工作状态和故障类型进行识别.实验结果表明,该方法能够有效地应用于滚动轴承故障诊断.     

基于决策树的轨道电路故障诊断知识表示方法研究

针对ZPW-2000A无绝缘轨道电路故障逻辑机理模糊的问题,本文采用了基于决策树的轨道电路专家系统知识表示方法.该方法首先将轨道电路故障影响较大的特征向量样本建立故障决策表,然后运用最小信息熵算法对属性值离散化,根据决策树算法快速学习及分类的特点对离散后的数据样本进行训练学习,生成故障决策树后进行知识规则的获取,在专家系统的知识库中以产生规则存储.通过对ZPW-2000A无绝缘轨道电路的实例分析验证了该方法在轨道电路专家系统知识表示与获取中的有效性和实用性.     

基于ASP.NET技术的无线传感器网络监控系统的设计

在TI公司CC2530芯片和ZigBee协议栈基础上,建立了一个简单的无线传感器网络(WSN)监控系统。由于无线传感器网络是一个多跳自组织网络,在网络运行中极易发生故障,因此需要一个监控系统随时监测网络节点的状态以及能耗情况。监控系统是基于ASP.NET技术的无线传感器网络监控系统能够实时监测节点状态及信息,并将网络拓扑结构动态展示出来,方便开发者和用户查看节点信息、监测节点状态,及时的发现网络故障。系统基于Web的B/S模式,运用ASP.NET和SQL Server2012数据库开发技术,实现了用户登录模块、修改密码模块,以及显示无线传感器网络网络拓扑结构、单个节点的节点信息以及能量消耗等模块。用户可以根据系统搜集的各类信息,实时掌握各个节点设备的状态信息和能耗状态,如若节点发生故障,可及时做出诊断。     

基于LSSVM概率输出与证据理论融合的变压器故障诊断

为了利用相对较少的故障数据样本对变压器主要故障类型进行较准确的判断,基于智能互补和数据融合的思想,提出基于最小二乘支持向量机LSSVM( least square support vector machine)概率输出与证据理论融合的故障诊断方法。该诊断方法具有以下特点：可融合蕴含变压器运行状态的多种特征信息,输出变压器各种故障的概率,为变压器检修提供更多的可用信息;充分发挥了LSSVM在小样本情况下具有较强泛化能力的优势。算例结果表明,该诊断方法的故障诊断准确率达到91.1%,优于传统的IEC三比值法(故障诊断准确率75.6%)及LSSVM分类法(故障诊断准确率82.2%),有效降低了诊断误判的风险。     

全局解析冗余关系的混杂系统模式跟踪

针对混杂系统同时具有连续和离散的运动规律和演化机制,提出一种基于全局解析冗余关系的混杂系统模式跟踪方法.建立混杂系统键合图模型并转化为诊断键合图模型,根据诊断键合图得到系统的全局解析冗余关系和模式变化特征矩阵.利用模式变化特征向量和开关元件导通与关断时开关两端的电压电流变化特征,实现模式变化了的开关元件定位.最后利用Matlab软件对该方法进行仿真实验,实验结果表明基于全局解析冗余关系的混杂系统模式跟踪方法是有效的.     

模拟电路故障诊断中故障重分类方法的研究

分析了模拟电路故障诊断中故障类重叠.针对在该情况下神经网络训练困难与故障诊断正确率低的问题,提出了一种适于模拟电路的、基于神经网络故障诊断的故障重分类方法,给出了该方法的数学模型.通过诊断示例表明,该方法在故障类存在重叠时,降低了神经网络的训练难度,故障诊断的正确率达到99%以上.