基于改进SSA-VMD的列车门丝杠机构故障诊断技术研究

【目的】为解决地铁运行时因列车门噪声过大而导致故障诊断难的问题,以列车门为研究对象,提出一种基于改进麻雀搜索（SSA）算法的变分模态分解（VMD）振动信号降噪法,并通过支持向量机来对故障进行诊断。【方法】首先,利用Hénon混沌映射来初始化种群,将非线性权重因子引入群体行为阶段,并通过Levy飞行策略及柯西变异对位置进行更新。其次,通过改进的麻雀搜索算法对变分模态分解算法中的惩罚因子α和模态分解数K进行全局寻优,确定参数分解并重构,得到降噪信号。最后,使用主成分分析法（PCA）来提取特征,并利用支持向量机（SVM）来诊断故障。【结果】试验结果表明,该方法对振动信号的降噪效果明显,故障诊断准确率达91%,验证了该方法的有效性。【结论】该方法能有效克服传统VMD去噪参数难以选取的问题,对列车门故障诊断研究具有一定的参考价值。     

一种新的晶化过程电特性预测方法

金属玻璃具有许多独特性能,有着广泛的应用前景,晶化过程对金属玻璃的特性有重要影响.因此提出了一种基于小波变换和AR-ILSSVM金属玻璃晶化过程电特性预测方法.首先利用小波变换将时间序列分解为高频序列和低频序列,利用AR模型预测高频序列,利用ILSSVM方法预测低频序列,预测结果为上述预测的合成.仿真试验表明,这种方法可显著提高时间序列的预测精度.     

基于LS-SVM的温度传感器非线性关系拟合及参考端温度补偿

文章编号: 提出一种基于最小二乘支持向量机(LS-SVM)的温度传感器非线性关系拟合模型,并根据温度传感器的输入 输出特性给出两种方案对参考端温度进行补偿. 建立了LS-SVM回归模型,利用LS-SVM超强的学习能力对温度与电势 间的非线性关系进行精确拟合. 两种方案均可对参考端温度进行有效补偿,其中方案2 可根据参考端温度、传感器实测 电势对实际温度直接拟合,简化了补偿过程,提高了识别精度. 实验表明,LS-SVM回归法及文中所提出的补偿方案能很 好地逼近实际温度,提高测量精度.     

基于特征提取的调制识别方法研究

基于特征提取的调制识别是通过分析信号在时域、频域或其他变换域的差异来提取信号的特征并对信号进行识别分类.针对调制信号载有信息的特点,从信号的瞬变信息、缓变信息以及提取方式等方面对特征提取方法进行研究,并对一些经典的信号特征以及基于时频分析的特征进行了分析,最后研究了两种分类器(神经网络和基于支持向量机)在基于特征提取的调制识别领域的应用.     

基于CEEMD和迁移学习的滚动轴承故障诊断研究

【目的】在实际生产环境中,由于机器特征复杂和工况变化,智能诊断模型在跨机组迁移时需要重复训练,这不仅增加了时间成本,还加大了算力资源的消耗。为了解决这些问题,需要开发出一种能适应复杂机器特征并在不同工况下保持高准确度的轴承故障诊断方法,同时,减少模型迁移时所需的重复训练,以便实现更高效的故障识别和预测。【方法】研究提出基于互补集合经验模态分解（Complementary Ensemble Empirical Mode Decomposition,CEEMD）和迁移学习的滚动轴承故障诊断方法。首先,采用CEEMD法对原始信号进行分解,并计算出对应分量的峭度值。其次,采用多核最大均值差异法对源域数据与目标域数据进行域适应处理。最后,在凯斯西储大学轴承数据集和美国机械故障预防技术学会轴承数据集之间进行迁移故障诊断试验及对比分析。【结果】研究结果表明,与直接迁移模型算法相比,基于CEEMD改进的迁移学习网络在不同数据集上的迁移效果更好,其故障诊断的准确率最高。【结论】经试验验证,研究所提的方法表现出良好的变工况跨机组适配能力,具有较高的故障诊断精度,为研究复杂工况下多机组相似故障诊断场景提供了...     

基于最小二乘估计的非线性离散系统鲁棒故障诊断

对于一类不确定非线性离散系统,提出了一种基于最小二乘估计的故障诊断(FDBLSE)方法.该方法通过构造被诊断系统的状态估计器而得到状态估计误差与故障之间的动态关系,并以此为基础,利用最小二乘直接对故障进行在线辨识.文中分析了故障辨识误差以及诊断方法的鲁棒性、灵敏度和检测时间,并与基于学习的故障诊断方法作了深入比较.FDBL方法不但能够辨识故障,而且能够给出辨识误差的上界,同时还具有辨识时间短、辨识精度高的特点.仿真表明该方法有效.     

基于支持向量机融合方法的4135柴油机故障诊断

<正>柴油机故障具有诊断对象多、特点不一和关系复杂的特点。而支持向量机具有良好的泛化能力,适用于小样本问题,同样适用于柴油机故障诊断。同时,信息融合方法可以通过多方面的信息总结出更加完整的特征数据,反映观测对象。在支持向量机的基础上结合信息融合方法,集合两者优点,可以更好地解决分类问题,对     

基于SVM的直升机飞行状态识别

针对直升机飞行状态识别训练样本数据少而导致识别率不高的问题,提出一种基于支持向量机(support vector machine,SVM)的直升机飞行状态识别方法.首先利用限幅、去野点和均值滤波对飞行数据进行去噪,用最小二乘法对飞行数据进行直线拟合获取变化率,并根据线性相关性提取状态特征参数,以减少数据冗余;然后根据特征参数将飞行状态分为10小类,对每一小类进行SVM分类器设计以提高识别效率;最后利用训练样本训练每个SVM分类器,用训练好的SVM分类器识别直升机全起落飞行状态.通过某型直升机实飞数据进行飞行状态识别实验,并将所提出的方法与RBF神经网络法进行对比,所得结果表明该方法在小样本情况下的识别率有明显提高,可为直升机故障诊断和寿命预测提供依据.     

基于遗传算法和最小二乘支持向量机的风速预测

<正>随着绿色能源发电在全世界的飞速发展,风能发电比传统能源发电更加清洁环保,并且取之不尽、用之不竭,目前是世界首选的可再生能源发电模式之一。风力发电功率主要取决于风电场的风速,所以,风速预测的准确程度是风速-风电功率预测的主要影响因素。准确的短期风速预测对电网的安全稳定性及降低运行成本都具有十分重要的意义。本文,笔者利用遗传算法对最小二乘支持向量机的参数优化,选取最优的正规化参数和参数δ,避免参数选取的盲目性和不精确性。通过实际的算例验证,有效地提高了预测结果的可信度和精确度。     

一种基于深度学习算法的电网故障诊断方法

电网故障原因复杂,开关和保护的误动、拒动以及信道的信号干扰均会给传统的浅层智能模型带来困难,所以需要从更深入的层面表征电网故障,并对其进行故障诊断。针对这一问题,本文提出一种基于深度学习算法的电网故障诊断方法,该算法利用由Convolution层、Pooling层、Flatten层及MLP层构成的深度网络结构,对电网故障信息进行学习并获得对应的诊断模型。试验表明PGFD-DL算法具有更高的稳定性与精度。     

基于EEMD-SC的机械故障诊断方法研究

针对实际工程中,装备长期处于正常运行状态,故障样本稀少,数据标记困难,导致智能诊断往往无训练样本可用的问题,提出一种EEMD-SC的机械故障诊断方法。首先利用EEMD将已知故障类型的参考样本与待诊断样本数据进行分解,得到若干个IMfs分量。接着,计算出每个IMFs的概率密度。然后利用相关计算得到待诊断样本IMF与不同故障的参考样本对应IMF的相关性,并求出所有IMFs相关性之和,即为所要求的SC值。最后,求出SC最大时的参考故障样本,待检测样本的故障即为此参考样本所含故障。利用包含不同故障程度的内圈、外圈、正常、滚动体故障的轴承振动监测试验对提出方法进行验证。试验结果表明,在每种故障的参考样本均只有一个时,最后诊断结果仍可达到令人满意效果,从而证实了本方法的有效性。     

基于混沌的模拟电路故障诊断方法

针对模拟电路故障诊断的神经网络方法中,网络易陷入局部极小、收敛速度慢等缺点,网络结构、权值难以确定等难题,提出一种利用混沌优化神经网络的模拟电路故障诊断新方法.该方法中,将混沌变量引入神经网络结构的优化搜索,使得神经网络的隐层节点数以及所有权参数处于混沌状态中,从而整个网络结构呈现为动态变化.然后从动态的神经网络结构中,根据性能指标来寻找一个全局最优或近似于全局最优的网络结构.最后利用优化的神经网络对模拟电路进行故障定位.利用该方法对模拟电路进行实例仿真,结果表明该算法可以有效、可靠地运用于模拟电路故障诊断中.     

火电厂锅炉运行故障诊断分析

锅炉系统在火电厂中,较容易出现故障,影响火电厂的运行性能。火电厂为了提高锅炉运行的质量水平,全面落实故障诊断措施的应用,改善锅炉运行的状态,进而满足火电厂的需求。因此,本文重点分析火电厂锅炉运行中的故障诊断。     

数控机床故障诊断及维修方法

随着工业自动化的发展,数控机床作为智能装备的典型代表,在工业生产中的应用越来越多。但由于其组成比较复杂,是机械、液压、电气控制和数字程序控制等的综合体,在生产实际中会由于环境、设备老化、操作不当等原因发生故障,导致其不能正常运行,因此数控机床的故障诊断及维修对于中小企业来说是亟待解决的难题。基于此,简要概述数控机床的故障诊断与维修方法。     

基于关系数据库的故障诊断专家系统在雷达电源中的应用

将专家系统应用于雷达电源故障诊断中，利用关系数据库构建知识库，诊断数据来源于对被诊断对象的测试与知识推理，根据测试值和规则实现故障定位．     

计算机软硬件故障诊断与维护研究

随着信息化、数字化时代的到来,计算机已经广泛普及,成为一种常见的"生活工具",被人们广泛使用。但随之而来的计算机故障问题,致使计算机无法正常运行及工作,文件和数据丢失等现象屡见不鲜。因此,为了保证计算机的正常运行,提高日常工作效率,做好软硬件维护工作十分重要。     

变速恒频双馈风力发电机系统的研究

分析了变速恒频双馈风力发电机系统的结构及工作原理,给出了变速恒频技术在发电机组中实现变速运行的不同方式.通过比较变速工作时的定转子状态,采用控制发电机转子电流的大小来实现双馈异步发电机输出端电压稳定.根据运行数据,总结了变速恒频双馈风力发电机系统的若干优势.     

基于UG风力机叶片设计与建模新方法

关于风力机叶片建模新方法的研究,根据叶片的特点,通过专业翼型软件Profili生成翼型曲线,再基于UG的多曲线创建体功能实现叶片的建模.此种方法,大大提高了建模的效率,并且对叶片的翼型有了更准确的模拟,以2000 kW水平轴的大型风力机为例,实现了叶片的建模.     

基于曲波分析和ELM模拟电路故障诊断方法

为提高模拟电路故障诊断特征信息提取的高效性和实现故障模式分类的准确性,提出一种基于曲线波理论的多尺度几何分析方法和超限学习机相结合的模拟电路故障诊断新方法.通过曲波变换使用空域带通滤波算子来分解不同的尺度,对模拟电路故障特征提取后重构系统,提高稳定性、高效性并达到最优逼近,结合超限学习机训练过程不需要迭代的突出性能,大大提高了故障诊断速度.通过与其他故障诊断方法比较,结果表明了该方法的有效性.