排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
往复式压缩机是石油化工等行业中不可或缺的关键设备,而压缩机结构复杂、故障率高,其中气阀故障是其主要的故障形式之一。同时,负荷调节工况与气阀故障工况的相互耦合使得示功图变化规律更加复杂,增加了故障诊断的难度。为此,探究了变负荷及气阀故障工况下示功图几何特征的变化规律,提出一种针对变负荷与气阀故障耦合工况下的气阀故障诊断方法。该方法利用反向传播（BP）神经网络进行特征分类,首先分别依据示功图几何特征（包括面积、形心和形心主惯性矩等）以及灰度矩阵统计特征得到压缩机的负荷,再进一步结合故障特征判断气阀的故障类型。为提高诊断结果的准确度,将加权证据融合理论应用于故障分类过程,最终获得精准的气阀故障评估结果。基于实验台数据,对不同泄漏率的气阀故障进行实验验证,负荷预测的准确率为97.5%,气阀泄漏故障识别的准确率为96.1%。 相似文献
2.
往复式压缩机是石油化工等行业中不可或缺的关键设备，而压缩机结构复杂、故障率高，其中气阀故障是其主要的故障形式之一。同时，负荷调节工况与气阀故障工况的相互耦合使得示功图变化规律更加复杂，增加了故障诊断的难度。为此，探究了变负荷及气阀故障工况下示功图几何特征的变化规律，提出一种针对变负荷与气阀故障耦合工况下的气阀故障诊断方法。该方法利用反向传播（BP）神经网络进行特征分类，首先分别依据示功图几何特征（包括面积、形心和形心主惯性矩等）以及灰度矩阵统计特征得到压缩机的负荷，再进一步结合故障特征判断气阀的故障类型。为提高诊断结果的准确度，将加权证据融合理论应用于故障分类过程，最终获得精准的气阀故障评估结果。基于实验台数据，对不同泄漏率的气阀故障进行实验验证，负荷预测的准确率为97.5%，气阀泄漏故障识别的准确率为96.1%。 相似文献
1