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。     

基于小波模糊神经网络的陀螺仪故障诊断技术

为了提高陀螺仪故障检测灵敏度,分析了陀螺漂移特性,指出随机漂移是影响陀螺仪精度的主要漂移误差,也是影响性能可靠性的主要因素．针对此,提出了一种小波模糊神经网络故障诊断模型．此模型运用串联方式将小波分析、模糊逻辑和神经网络融合在一起,充分发挥它们各自的优点,并对陀螺仪实测数据仿真．仿真结果表明,采用小波分析提取陀螺的常值漂移,简单有效;运用神经网络对陀螺的误差和故障建模,使故障诊断具有自适应、自学习的能力,并互增强了故障诊断的容错能力;将模糊逻辑用于判决中,使判决结果更加可靠．     

小波神经网络技术在故障诊断中的应用

针对故障诊断技术的不断发展,文章通过阐述小波分析和人工神经网络的概念和特点以及在二者在不同条件下结合的情况,综述了故障诊断系统的现状和进展,并展望了这种技术的前景。     

基于模拟电路IDDT的小波神经网络故障诊断方法

动态电源电流(IDDT)对模拟电路故障诊断非常有效。通过分析被测电路的动态电源IDDT及其输出响应来识别电路的故障元件;用小波对被测信号进行多尺度分解,提取小波系数能量,经归一化后,作为特征向量输入到神经网络而实现故障诊断.实验仿真结果表明:该方法能正确实现故障定位且准确率高.     

基于小波分析的故障诊断

对信号进行特征提取,是故障诊断的关键。突变信号往往对应着某类故障,如果能对突变信号进行有效识别,就能达到故障诊断的目的。对如何从混有噪声的振动信号中有效识别出突变信号,本文进行了一系列方法研究。     

基于遗传小波神经网络的变压器故障诊断

电力变压器油中溶解气体的色谱分析是变压器故障诊断的重要方法,通过该方法可以间接了解变压器的运行状态和内部潜在故障.人工神经网络已经成功地应用于电力变压器故障诊断,但学习样本数多和输入输出关系复杂性减慢了网络的收敛速度.为解决此问题,将用遗传算法改进的小波神经网络应用于电力变压器故障诊断,克服小波算法易于陷入局部极小、收敛速度慢等缺点.     

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。     

基于信息融合的集成小波神经网络故障诊断

以非线性Morlet小波基作为激励函数,形成神经元,结合小波变换与神经网络各自的优点,建立了集小波分析与神经网络于一体的紧致型小波神经网络,并给出了具体的算法·基于信息融合技术的思想,从设备故障诊断的实际出发,建立了基于信息融合技术的集成小波神经网络故障诊断系统,即通过故障特征信息的有效组合,用各种子小波神经网络从不同侧面对设备故障进行初步诊断,然后对诊断结果进行决策融合·给出了系统的实现策略和子网络的组建原则·从诊断实例中可以看出,此诊断系统充分利用了各种特征信息,可以有效提高确诊率·     

基于LabVIEW的小波分析在船舶柴油机故障诊断中的应用

测取船舶柴油机缸体振动信号。利用LabVIEW并结合小波分析对信号进行处理,提取故障特征。诊断结果与实际情况相符,说明了该方法的可行性及有效性。     

故障树分析法在挖泥船故障诊断中的应用

将故障树分析法(FTA)用于研制、开发具有首冲功能的300m^3自航耙吸挖泥船及配套的机械设备远程油液分析与诊断系统过程中，并对柴油机因温度过高而导致功率下降和柴油机不能启动两个故障进行建树、分析，以便在管理和维修中进行事故分析和系统故障分析，在指定故障诊断和检修流程中，寻找故障检测最佳部位和分析故障原因，制定维修决策，切实预防故障发生。     

柴油机故障诊断中振动信号测点位置的研究

在295柴油机上进行设定的进排气系统故障实验,获取各工况下三个不同测点位置的缸盖振动信号,然后利用改进的基于神经网络和小波分析的故障诊断方法进行分析.实验和仿真结果表明,不同测点获取的振动信号蕴含故障特征是不同的.从缸盖上方采集的振动信号更能表征各种故障特征,其故障准确识别率达到95.4%,较其他两个测点有大幅度提高.为基于振动信号的柴油机故障诊断提供了最佳的测点位置,以提高故障的诊断准确性.对其他复杂机械的振动诊断同样具有参考价值.     

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。     

Matlab在发动机故障诊断中的应用研究

以电控汽油机转速传感器为例,探讨了小波分析技术在发动机故障诊断中的应用。首先采集了转速传感器正常和异常信号,并对采集到的信号进行小波分析,结果表明,利用小波系数可以分析转速信号,判断发动机断缸故障;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。     

一种柴油机燃油系统故障诊断的新方法

提出一种基于小波变换和模糊C-均值聚类分析的柴油机燃油系统故障诊断方法.对测得的柴油机高压油管压力波形进行小波变换,提取了反映故障状态的5个特征参数.给出了模糊C-均值聚类算法的原理及一般步骤,指出用划分系数、划分熵和分离系数可以评价模糊聚类的有效性.利用模糊C-均值聚类算法建立标准故障特征模式,通过待识样本与标准模式的贴近度计算和比较,可以完成故障模式的模式识别.该方法应用于柴油机燃油系统的典型故障诊断中,测试表明采用小波分析和模糊C-均值聚类分析后,提高了判别故障的准确性.     

发动机故障分形诊断中噪声信号的分析和处理

为分析信号中噪声成分对信号关联维数计算结果的影响,提高利用信号关联维数诊断机械故障可靠性,模拟产生不同信噪比的含噪混沌信号,分析其关联维数随噪声水平的变化情况。证明噪声成分会极大影响到信号关联维的计算效果,利用含有噪声信号的关联维数刻画系统的特征行为是不可靠的,必须对获得的原始信号进行滤波消噪处理。通过对气阀正常、轻微漏气、较重漏气和严重漏气4种情况下,发动机启动电压信号降噪前后的关联维数对比研究,进一步证明,利用小波降噪对发动机启动电压信号进行预处理,可使得信号关联维数较为接近于系统的真值,极大地提高利用启动电压信号的关联维数判断发动机运行状态的准确性与可靠性。     

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。     

小波分析在滚动轴承故障诊断中的应用

在共振解调技术的基础上，采用小波分析方法对滚动轴承的故障进行了有效的诊断，实例证明，小波分析对处理非平稳信号具有很好的应用效果。