基于改进G-P算法的往复式压缩机故障诊断技术

采用基于经验模态分解的G-P算法提取往复式压缩机振动信号关联维数,建立了小波降噪模型,利用自相关函数法和伪相图法结合起来确定延迟时间,并采用EMD法计算嵌入维数,通过洛仑兹系统的仿真研究,将此法应用在往复式压缩机模拟故障试验中,诊断效果较好。     

基于残差神经网络的滚动轴承故障诊断方法

针对轴承故障诊断方法在变工况条件下诊断效果不佳的问题,提出了一种基于残差神经网络的滚动轴承故障诊断方法.该方法首先以滚动轴承时域信号数据作为输入,针对信号的时变性改进了数据池化层,改进的数据池化层利用三个连续的卷积层串联构建而成,目的在于能够有效地提取振动信号中的故障特征信息,并减少残差神经网络中参数的计算量;然后设计了一种空洞卷积和残差块相结合的空洞残差块,用于特征信息的学习;最后通过在全连接层后加入Dropout层丢弃一定比例的神经元,能有效避免过拟合的负面影响.使用凯斯西储大学轴承数据集进行仿真实验,与SVM+EMD+Hilbert包络谱、BPNN+EMD+Hilbert包络谱和Resnet三种方法作对比分析,结果表明该方法在变工况下的滚动轴承故障诊断中具有更高的诊断准确率、更强的抗噪性和泛化能力.     

往复式压缩机故障信息模糊二元树诊断方法研究

结合图论理论和局域波理论,提出了一种基于模糊图的往复式压缩机故障诊断方法.首先将往复式压缩机故障信号进行局域波时频处理,根据系统的故障状态-特征表,找出最大故障信息量特征群.基于图论理论建立最大故障信息量模糊图,通过对模糊图的分析,找出可以进行匹配的路径信息量最大的部件.该方法应用于某往复式压缩机故障诊断中,具有一定的工程实用性.     

局部投影降噪在往复压缩机故障诊断中的应用

往复压缩机的振动信号为典型的非线性、非平稳信号.提出利用局部投影法对振动信号降噪,提取关联维数,并与热力参数相结合诊断往复压缩机故障的方法.首先利用基于定量递归分析的局部投影降噪算法滤除振动信号中的噪声,然后提取关联维数,再根据热力参数计算气缸的压缩比,最后结合关联维数和压缩比,诊断压缩机的故障.结果表明:应用局部投影法降噪后振动信号的局部标度指数曲线存在明显的平台区,关联维数易收敛;在降噪后时域指标无明显变化的情况下,关联维数变化明显,基于局部投影法降噪后的关联维数更能有效地反映设备的故障状态变化.实例中诊断出的往复压缩机活塞磨损故障验证了这种方法的有效性.     

高压电动机故障诊断人工神经网络法

分析了高压电动机的故障特征,对高压电动机故障诊断人工神经网络法进行了讨论.并应用对称分量法理论,提出基于正序、负序、零序电流分量的高压电动机故障诊断人工神经网络法.建立了一个5层前向神经网络,对采用了有效的网络学习算法进行了讨论,为全面、快速和准确地实现高压电动机故障诊断,以提高其运行的安全性和可靠性提供了依据.     

基于混沌理论的往复式压缩机故障诊断

实测某往复压缩机气缸在正常、活塞体松动及拉缸工况下的振动信号,计算信号的关联维数、Kolmogorov熵及最大Lyapunov指数,并证明信号具有非线性。用奇异值分解(SVD)降噪法对信号进行降噪,通过奇异熵增量曲线选择降噪阶次,用互信息法求最佳延时,并用假近邻域法求最佳嵌入维数,同时用G-P算法、小数据量法求出关联维数、Kolmogorov熵及最大Lyapunov指数。计算结果表明,3种工况下的往复压缩机气缸振动信号均为非线性混沌信号,故障越严重,信号表现出的混沌特性越明显,可依据混沌指标对往复压缩机气缸的状态进行监测。     

基于神经网络专家系统的卫星姿态确定系统故障诊断

介绍了一种基于人工神经网络与专家系统相结合的智能故障诊断系统,将专家系统与神经网络结合运用取长补短,发挥各自的优势.给出了系统的结构组成,并具体描述了神经网络专家系统的工作原理.采用的RBF网络有效地克服了BP网络收敛速度慢,且易陷入局部极小的缺陷.同时利用神经网络的并行处理功能,有效地解决了传统专家系统的推理复杂、时间冗余等缺点.仿真结果证明了该方法应用于卫星姿态确定系统的故障诊断是有效的.     

基于鲁棒输入训练神经网络的非线性多传感器故障诊断方法及其应用

针对非线性系统多传感器故障诊断时出现的检测准确性下降和数据重构产生的残差污染问题,提出了基于鲁棒输入训练神经网络非线性多传感器故障诊断模型.在目标函数中引入影响因子函数和可靠性系数,并通过计算机模拟和仿真确定最佳影响因子函数形式,抑制了多个含有显著误差故障数据的不良影响,并增加了具备高可靠性的重要数据影响权重,大大减小...     

一种基于小波分时灰度矩与概率神经网络的电网故障诊断方法

为提高电网故障诊断的准确率和速度,提出一种将小波分时灰度矩与概率神经网络相结合的电网故障诊断方法,通过对小波灰度矩进行时间上的划分,计算得到故障发生后电流在不同时刻的灰度矩的值,从而得到小波系数随时间的变化情况;以小波分时灰度矩作为概率神经网络的输入,诊断结果作为输出,实现对电网故障的自动诊断,利用PSCAD/EMTDC对电网不同类型的故障进行了仿真,采用连续小波变换对电网发生短路故障后的暂态信息进行分析,提取其灰度矩信息,利用概率神经网络进行了故障识别。仿真结果表明,小波分时灰度矩具有较强的细节表现能力,可作为电网故障的故障特征,与概率神经网络相结合可有效地实现对电网故障的自动识别。     

基于小波包神经网络分析的滚动轴承故障诊断

针对轴承故障识别率低、故障信号不平稳的问题,提出了改进小波包能量特征提取和神经网络的故障诊断方法.首先利用改进小波包算法将轴承内圈、外圈、滚动体三个部位的采集信号进行三层分解与重构;然后通过小波包能量谱提取不同节点能量,形成故障特征集;最后依次建立BP和Elman神经网络故障分类模型,将所得的小波包节点能量作为特征向量输入到故障模型,进行轴承不同故障状态的分类识别.实验结果表明,本文算法可准确分类并预测轴承运行状况,提高了诊断准确率.     

基于RBF神经网络的锅炉燃烧系统故障诊断

为了提高锅炉燃烧控制系统的可靠性,针对热力系统自身的特点,基于热力系统的解析冗余理论,提出用RBF神经网络构建状态观测器,对传感器和执行机构进行故障检测与诊断的新方法。采用正交最小二乘法(OLS)训练神经网络。在锅炉负荷控制系统中采用这一方法,对传感器和执行机构构建状态观测器,通过分析比较传感器及其观测器输出和残差、执行机构及其观测器的输出和残差,就可以进行故障诊断。实验结果表明:该方法可以有效地进行锅炉燃烧控制系统故障检测和诊断。     

WLAN indoor location method based on artificial neural network

WLAN indoor location method based on artificial neural network (ANN) is analyzed.A three layer feed-forward ANN model offers the benefits of reducing time cost of the layout of an indoor location system, saving storage cost of the radio map establishment and enhancing real-time capacity in the on-line phase.According to the analysis of SNR distributions of recorded beacon signal samples and discussion about the multi-mode phenomenon, the one map method is proposed for the purpose of simplifying ANN input values and increasing location performances.Based on the simulations and comparison analysis with other two typical indoor location methods, K-nearest neighbor (KNN) and probability, the feasibility and effectiveness of ANN-based indoor location method are verified with average location error of 2.37m and location accuracy of 78.6% in 3m.     

基于AHP的贝叶斯网络故障诊断方法研究

针对基于专家知识的故障诊断方法依赖经验的局限,提出一种基于层次分析法（AHP）的贝叶斯网络化工过程故障诊断方法。通过基于关联函数的AHP得到所有变量的权值,对22个变量节点的权值进行排序并将该排序作为K2算法的学习输入建立贝叶斯网络模型,同时结合复杂网络分析指标进行化工过程的故障诊断。通过TE过程故障诊断实例证明本文方法不仅避免了K2算法专家知识的主观因素影响,同时能很好地进行故障定位,找到故障源。     

基于提升小波包的往复压缩机活塞-缸套磨损故障诊断

针对往复压缩机活塞-缸套磨损故障微弱信号特征识别问题,提出一种识别该类信号微弱特征的自适应非抽样提升小波包方法(AULSP)。该方法以分解层信号所有样本的预测差值平方和最小为目标函数,算出与信号特征自适应匹配的初始算子,并构造非抽样算子算出下一层各频带信号。对各层细节信号进行阈值处理并重构,对降噪后的信号再进行小波包分解。各分解频带信号长度与原始信号的长度相同,无须重构即可识别时域故障微弱信号特征。用这种方法成功提取了某往复压缩机活塞与缸壁发生碰磨故障时产生的弱周期性冲击信号。     

基于抗噪多核卷积神经网络的轴承故障诊断方法

针对噪声环境下滚动轴承故障难以诊断的问题,提出一种基于抗噪多核卷积神经网络（anti-noise multi-core convolutional neural network,AMCNN）的轴承故障识别新方法。首先,对滚动轴承振动信号进行预处理,得到数据样本,分为训练集和测试集;然后建立轴承寿命状态识别模型,将标签化的训练集数据样本输入AMCNN中进行训练;最后,将训练后的AMCNN模型应用于测试集,输出故障识别结果。在训练过程中,为抑制过拟合,对原始训练样本进行加噪处理;为提高模型抗干扰能力,将dropout层作为AMCNN的第一层。运用轴承实验数据对识别模型进行检验,通过对比验证,结果表明所提出的识别方法在高噪声环境下能更准确地实现轴承故障状态识别。     

基于WPD和模糊神经网络的轴承故障诊断

提出一种结合小波包分解和模糊神经网络的故障诊断方法,采用小波包分解与重构提取各频带的能量作为故障特征向量,并以此为学习样本,再利用正交最小二乘学习算法训练模糊神经网络,确定故障诊断系统模型,对轴承故障进行诊断和识别.仿真结果及与其它一些方法比较表明:该轴承故障诊断方法可以有效识别和预测轴承的状态,且学习效率、准确性和可靠性等方面均有较大提高.     

基于人工神经网络的甲醛气敏元件自动测试系统

将气体传感器阵列与人工神经脚络技术相结合,应用于甲醛气体的检测.建立了基于神经网络技术的甲醛气敏元件白动测试系统,并选择多个半导体气敏元件组成的传感器阵列用于微量甲醛气体的测试,实验证明采用该方法实现对低浓度甲醛的定量榆测足可行的.     

基于模糊模式原理的空气压缩机故障识别

运用模糊诊断技术,对进气阀故障、排气阀故障、气缸泄漏等压缩机最常见故障建立了模糊故障诊断模型,并对实际的压缩机故障进行了诊断试验.试验结果表明,诊断结果的准确率和可信度较高.