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.     

小波分析在故障诊断中的应用

简述小波分析的数学原理和小波分析在故障诊断中的应用机理，并以钻井泥浆泵为例，分析了小波分析在故障诊断中的应用。结果表明，用小波降噪的方法先对泵阀信号进行处理后再进行特征提取和故障诊断变得容易；用小波进行泵阀信号的消噪可很好地保存瞬态冲击信号中的尖锋和突变部分。     

小波分析在大型齿轮箱故障诊断中的应用

介绍了小波分析的原理及在大型齿轮箱故障诊断中的应用。通过现场的应用实例，讨论小波分析在大型齿轮箱故障诊断中的应用效果。     

基于DSP的交流电机故障诊断

交流异步电机是广泛使用的能量转换装置.对鼠笼异步电动机的常见故障进行分析及诊断,提高电机故障的监测诊断水平,具有重大实用价值.本文应用小波包-神经网络算法实现了基于DSP的交流电机故障诊断.利用小波包分解算法提取出电机故障特征向量,并针对轴承和偏心故障特征,提出对数故障特征向量的算法.将故障特征输入基于任务分解的神经网络,实现基于DSP的电机定子、偏心以及轴承故障诊断.     

小波分析在旋转机械故障诊断中的应用

简述小波分析的数学原理和小波分析在故障诊断中的应用机理，并以透平压缩机组为例，分析了小皮分析在故障诊断中的应用。用小波进行信号降噪的方法是，先对机组轴承径向报动信号进行处理后再进行特征提取，使故障诊断过程变得容易，很好地保存了瞬态信号的尖峰和突变部分。     

基于小波包-Elman神经网络的电机轴承故障诊断

根据电机滚动轴承振动信号的频域变化特征,通过小波包分析将轴承振动信号分解在不同的频带之内,以频带能量作为识别故障的特征向量,应用容错性强、动态性能良好的Elman神经网络建立从特征向量到故障模式之间的映射,实现电机轴承故障分类。仿真结果表明,采用小波包和Elman神经网络相结合的方法能更加有效地实现电机轴承的故障诊断。     

基于小波包-Elman神经网络的电机轴承故障诊断

根据电机滚动轴承振动信号的频域变化特征,通过小波包分析将轴承振动信号分解在不同的频带之内,以频带能量作为识别故障的特征向量,应用容错性强、动态性能良好的Elman神经网络建立从特征向量到故障模式之间的映射,实现电机轴承故障分类。仿真结果表明,采用小波包和Elman神经网络相结合的方法能更加有效地实现电机轴承的故障诊断。     

小波变换在汽轮机组动静碰摩故障诊断中的应用综述

小波变换在故障诊断的各个领域已经广泛应用,首先综述了汽轮机组动静碰摩的振动特征和诊断方法;小波分析应用于机械故障振动信号分析的优越性及其应用的进展和特点,介绍了小波变换技术在汽轮机组动静碰摩故障诊断的理论研究和实际应用,最后提出小波分析应用于碰摩故障诊断存在的问题以及对其应用前景的展望．     

小波分析在轴承故障诊断中的应用

近年来，小波技术越来越成为一种有效的信号处理手段，本文介绍了小波分析在轴承故障诊断中的原理和应用。     

小波分析在电控发动机故障诊断中的应用

为了探讨小波分析技术在电控发动机故障诊断中的应用，以电控汽油机转速传感器为例，采集了转速传感器的正常和异常信号，利用小波变换对信号波形进行了滤波和除噪，利用一维连续变换工具计算出正常和异常信号小波变换系数，并提取了故障信息特征参数。结果表明：转速信号的小波变换系数能够判断发动机的断缸故障；转速信号的小波分析结果能对比发动机各缸的工作性能。实践证明，利用小波分析对电控发动机进行故障诊断是切实可行的。     

济钢热轧厂风机监测系统的设计方案

根据主电机冷却风机的设备情况,提出了风机温度和振动在线监测系统的设计方案。     

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。     

多传感器信息融合技术在液压设备故障诊断中的应用

为了克服液压设备传统诊断技术上的不足,提出了多传感器信息融合技术的故障诊断模型.该模型充分利用液压设备上能够携带故障特征的多类信息,并对这些信息在不同的层次上通过神经网络、贝叶斯理论、D-S证据进行有效的融合和计算,从而提高液压设备故障诊断技术的准确度.详细分析了多传感器信息融合技术的结构层次和一般方法,并讨论了信息融合技术理论在液压设备故障诊断模型中的原理和功能.达到了对液压设备典型故障的准确诊断.     

基于能量—故障模式的工程机械故障诊断

基于能量-故障模式的工程机械故障诊断方法结合工程机械数学模型，根据输出信号的各频率成分能量的变化，建立能量变化到每一种故障的映射关系，得到表征每一故障的特征向量。然后与实验统计方法得出的特征向量相比较，依据特征向量进行分类决策，从而确定是否有故障及故障的位置。应用此方法，对某正常和故障状态下的信号进行分析，其评判结果与实际较为相符。     

自学习模糊脉冲神经网络的旋转机械诊断

针对旋转机械故障分类边界的模糊性和传统的神经网络算法难以解决应用问题的实例规模和网络规模之间的矛盾问题,提出了一种自学习模糊脉冲神经网络算法,该算法通过脉冲序列的种群编码和无监督学习较好的克服了旋转机械故障分类边界的聚类分析无效性问题.应用表明该算法有效解决了旋转机械故障的边界模糊性问题,较大提高了故障诊断的准确率.     

BP算法在旋转机械故障诊断中的应用

分析了旋转机械故障的特性,在此基础上对基于BP算法的诊断方法进行了研究,建立了旋转机械故障诊断的神经网络模型,对基于BP网络的汽轮发电机组的故障进行了诊断。实验证明,基于BP网络的旋转机械故障诊断方法具有较高的使用价值。     

旋转机械基础松动故障研究进展和展望

基础松动故障是目前为止旋转机械故障中识别率较低的故障之一。对近年来旋转机械转子系统基础松动故障的研究现状、进展进行综述,包括基础松动故障非线性特性分析方法及复杂动力学特性、含有基础松动的耦合故障问题、基础松动故障诊断及故障试验等方面国内外的一些研究成果。在此基础上,对目前旋转机械基础松动故障问题研究尚待解决的问题提出了一些看法,并对今后的发展趋势进行了展望。     

旋转机械转轴裂纹损伤故障研究进展

综述了近年来旋转机械转轴裂纹损伤故障诊断研究的主要成果和发展前景。首先,对旋转机械转子系统转轴裂纹损伤非线性特性的研究方法、裂纹刚度模型和非线性动力学特性问题的国内外研究现状进行了概述。在此基础上,指出了目前旋转机械转轴裂纹损伤故障问题研究尚待解决的问题,并对今后的发展趋势进行了展望。     

机群状态远程监测与故障诊断系统的研制

介绍一种机群远程监测与故障诊断系统的构建.通过利用传感技术、无线数据传输、网络技术和故障诊断技术等,实现机群中各分散单机的远程监测与故障诊断,实现实时评估当前机群总体运行情况及各单机的运行状况,并将诊断结果以报告的形式通过网络传输给用户.系统数据由SQL Server 2000建构与维护,实现了数据的集中管理和机群信息的交换与共享.通过在某高速公路施工现场实验表明,系统有效地改善了工程机械运行状况,提高了施工机群的施工效率.该技术的运用开辟了网络技术与状态监测、故障诊断综合应用的新领域.     

基于粗糙集理论旋转机械频域特性的故障诊断

应用粗糙集理论将旋转机械转子的频域信息作为研究对象, 从转子故障实验的频域图表及其相关数据中, 构造符合粗糙集理论要求的决策表, 并对决策表进行约简, 得到旋转机械故障诊断的决策规则, 通过区分矩阵和区分方程寻找决策表的约简和核, 最后优化鳞选出决策表的最小约简形式.