基于小波降噪和EMD方法的风力发电系统齿轮箱故障诊断

将小波降噪和经验模态分解相结合,提出一种风电机组齿轮箱故障诊断的方法。先对齿轮故障振动信号进行小波降噪预处理,再进行经验模态分解,对包含故障特征的固有模态函数用Hilbert变换得到包络谱,通过对包络信号做功率谱分析,提取故障特征频率,与未降噪信号处理的结果进行比较,降噪后诊断效果明显。     

基于改进的BP神经网络齿轮箱故障诊断方法的研究

针对BP神经网络存在局部极小值和收敛速度慢等问题,提出了一种RPROP的改进的BP神经网络.RPROP神经网络具有优良的非线性映射能力,可以很好地描述频率特征和诊断结果之间的关系.本文利用MATLAB结合齿轮箱故障建立了标准BP神经网络和本文提出的改进BP神经网络的两个故障诊断模型,并时其性能做了分析和对比.实验表明,基于改进的BP神经网络的齿轮箱故障诊断方法可以大大提高故障诊断的精确性,缩短了诊断时间.     

小波降噪在齿轮箱故障诊断中的应用

以JZQ250型号齿轮箱为实验对象,根据实际状况下齿轮箱的故障机理和振动特点,通过小波变换将振动信号分解为位于不同频段和时段内的成分,使干扰信号和有用信号位于不同的频带内,将干扰信号所对应的那一阶小波系数置零,进行信号重构,再得到降噪后的信号．作包络功率谱分析,能有效地对齿轮箱故障进行诊断分析．     

基于遗传算法优化BP神经网络的风机齿轮箱故障诊断

风力发电机齿轮箱的故障诊断对于双馈风力发电机组的维修和检测具有重要作用和意义.BP神经网络等算法被应用在齿轮箱的故障诊断中,但是这类算法预测精度不高,易陷入局部极值,只是在一定的程度上适用于齿轮箱的故障诊断,与现实情况相差较大.鉴于遗传算法的可扩展能力强,搜索过程简单且具有强大的全局搜索能力,为了获得更好的诊断性能,利用优势互补原则,本文将遗传算法与神经网络算法相结合,形成混合算法.通过混合算法对风机齿轮箱常见的轴承外圈有剥落坑,输入轴弯曲,轴强烈抖动,轴承内圈划伤,齿轮崩齿等故障进行了测试验证.仿真结果显示,混合算法对减小风机齿轮箱故障诊断误差具有明显的效果,有效地提高了预测精度.     

小波神经网络在齿轮箱故障诊断中的应用

介绍了小波神经网络的基本概念及其构造，并针对齿轮箱故障的复杂性，综合利用小波函数的特点，构造了用于齿轮箱故障诊断的小波网络，对齿轮箱的状态进行判别，实现故障诊断．实验结果表明，小波神经网络在故障诊断领域具有良好的实用性．     

应用倒频谱分析法对风力发电机组齿轮箱故障诊断

针对风力发电机组齿轮箱运行环境恶劣,故障信号中调制边频带复杂这一特点,采用基于倒频谱方法对故障特征进行了分析,提高了故障诊断的准确性,并给出了应用实例,为风力发电机组设备管理与诊断提供了一种有效的途径。     

基于小波分析的齿轮箱故障诊断

对测取的齿轮箱振动信号进行了离散小波变换，提取了齿轮箱螺栓拉断的故障信息。结果表明，小波变换或小波分析为判断、预防同类事故提供了一种有效的分析手段。     

基于BP神经网络的故障诊断

本文论述了BP神经网络的结构和学习算法以及应用到故障诊断中的原理和过程。详细地分析了拖拉机变速箱的工作原理,并讨论了利用BP神经网络的优点,应用到该工程的故障诊断中。通过试验证明,基于神经网络的故障诊断已经逐步走向成熟。     

基于小波的神经网络在齿轮箱故障诊断中的应用研究(英文)

研究基于小波分析的神经网络故障诊断方法根据齿轮驱动装置在工作时通常可能出现的故障类型,人为地在该装置上制造了类似的故障供诊断．并对实验结果进行了分析和讨论．实验表明,利用小波进行诊断信号的预处理,并将其形成向量供给神经网络进行故障诊断具有较好的效果．     

风力发电机组状态监测和故障诊断技术研究

电力生产中,风力发电是一种新型模式,直接影响着电力生产量的提升、节能降耗及行业可持续性发展。随着时代的进步,风力发电机装机容量与建设规模日益扩大且操作要求不断提升,一旦维护不合理,就会引起设备频繁出现故障。因而,应用在线诊断系统实时监控设备运行过程,及时发现并解决风力发电机组遇到的问题,确保发电机组安全、稳定的运行。基于此,针对风力发电机组状态监测及故障诊断技术,本文进行了研究和阐述。     

风力发电机组齿轮箱的维护与监测

风电特有的间歇性和波动性,受无规律的变向变负荷的风力作用以及强阵风的冲击,常年经受酷暑严寒和极端温差的影响,对于一个风场而言,如何降低发电成本,提高风电机组的可利用率,延长机组的使用寿命成为一个刻不容缓的问题。     

基于神经网络的齿轮箱故障诊断专家系统设计

针对神经网络和传统故障诊断专家系统的不足,提出了一个把神经网络与专家系统相结合,发挥各自优点的基于神经网络的齿轮箱故障诊断专家系统设计方案。介绍了该系统的结构功能和主要特点,并阐述了该系统重要模块的实现方法。     

基于小波神经网络的燃气轮机故障诊断研究

为高效及时地发现燃气轮机运行异常并准确地对它进行故障诊断,提出了一种基于小波变换和BP神经网络的故障诊断方法。首先对同一工况下,输入信号的功率谱密度图进行典型频率区间划分,通过比较连续时间段频率区间有效值的突变找到疑似故障段。其次,对疑似故障段进行小波变换分析,根据疑似故障段对应的频率区间选择小波的变换尺度并提取该频率尺度下的故障特征向量,再将疑似故障和正常特征向量方差归一化后输入BP神经网络进行学习和训练,进而实现对燃气轮机的故障诊断。经过试验验证表明,该方法能够准确识别燃气轮机运行状态并进行故障诊断,具有较好的工程实用价值。     

小波分析与BP神经网络技术相结合的故障诊断方法

提出了一种将小波分析与神经网络技术相结合的故障诊断方法,对诊断对象进行时域信号采集,通过小波分析,获得所需参数,再将此参数作为神经网络的输入量,运用神经网络对其进行分类和识别,从而达到故障诊断的目的。     

基于BP神经网络的变压器故障诊断

针对变压器故障类型的特征,结合油中气体分析法及三比值法,应用BP神经网络对变压器进行故障诊断。根据BP神经网络的概念、结构和算法原理,探讨了不同隐含层的神经元个数对神经网络训练性能的影响。通过对仿真结果的分析与测试,结果表明BP神经网络对变压器故障诊断具有较好的应用效果。     

基于BP神经网络的柴油发动机故障诊断

阐述了BP神经网络模型及原理,提出了基于BP神经网络的发动机故障诊断分析方法,在理论分析的基础上,对发动机故障的检测和分析进行了MATLAB仿真,仿真结果表明,利用BP神经网络对发动机故障进行检侧具有检测精度高、速度快的特点.     

基于BP神经网络的三相逆变器故障诊断研究

针对三相桥式逆变电路为研究对象,建立了仿真模型,并对逆变器主电路开关器件的开路故障进行仿真,提出了基于BP神经网络的故障诊断方法,确定了网络的结构和参数,并以此训练网络.仿真试验结果表明,该神经网络具有很好的故障识别能力,所选择的基于BP神经网络的三相逆变器故障诊断系统是可行的.     

基于小波分析和神经网络的电机故障诊断方法研究

在电机故障诊断技术中,电机振动信号最能全面反映电机的运行状态.本文提出一种基于小波分析和神经网络的电机故障诊断方法,该方法采用小波时频分析技术对电机故障振动信号进行消噪滤波,通过小波包分解系数求取频带能量,根据各个频带能量的变化提取故障特征,应用BP神经网络进行故障识别,并采用Matlab仿真软件予以实现.结果表明,该方法不需要建立电机的故障诊断模型,能有效提高电机故障诊断的准确性.     

基于小波神经网络的滚动轴承故障诊断

研究了基于BP神经网络、基于径向基神经网络等的故障诊断方法和原理,并利用小波包分解获得了滚动轴承振动信号的特征向量,进行了详细的故障诊断实验研究,通过实验,比较了基于松散型小波神经网络与紧致型小波神经网络的诊断结果。仿真结果表明,紧致型小波神经网络用于滚动轴承的故障诊断更为有效。     

基于BP神经网络的电机转子故障诊断的研究

介绍了一种基于 BP算法的神经网络在电机转子常见故障诊断中的应用。首先利用测振传感器获得转子的振动信息 ,然后用 FFT分析 ,将振动信号的频谱分析作为神经网络的训练样本。通过选择足够的故障样本来训练神经网络 ,将代表故障的信息输入训练好的神经网络后 ,由输出结果就可以判断发生的故障种类。