紧格式无模型自适应控制在直线电机中的仿真

将基于紧格式线性化的非线性系统无模型自适应控制方法应用于直线电机的运动控制中.用紧格式动态线性时变模型替代直线电机非线性系统模型,根据直线电机运动模型的输入输出数据在线估计系统的伪偏导数.仿真实验表明,紧格式无模型自适应控制方法对电机这种具有不确定动态的非线性系统有较强的自适应性、抗干扰性、稳定性和鲁棒性.     

基于RBF神经网络的非线性系统故障诊断

针对一类含模型不确定性的非线性系统,提出了具有强鲁棒性和高灵敏度的在线故障检测与诊断方法.其中,系统只有输入、输出可检测,故障是关于输入和状态的非线性函数.非线性在线估计器用于估计系统不确定部分,同时监视系统是否发生故障,估计故障的大小.仿真结果表明,故障诊断算法稳定.     

基于神经网络的Wiener系统故障检测方法

针对一类线性部分严格正定且非线性部分可逆的Wiener模型,提出了基于神经网络参数估计的系统线性部分故障检测方法.引入卡尔曼滤波器滤除系统未知干扰和噪声,并将Wiener模型转化为ARMA模型,计算得到线性部分参数;神经网络在线估计系统线性部分的参数,通过参数估计值与实际值的比较检测系统故障.仿真实例证明了该方法的正确性和有效性.     

发电机系统的机器参数辨识与故障检测

本文在导出发电机系统连续时间模型的基础上,用递推最小二乘法和本文提出的反推逐个计算法,对其机器(物理)参数进行在线跟踪估计,从而实现了发电机系统的故障检测。它为发电机系统的机器参数辨识与故障检测,提供了一条新的途径。     

离散事件系统故障的极小观测序列

为了提高可诊断离散事件系统故障的在线诊断效率,本文从判定故障发生的可观测事件的角度,提出了故障极小观测序列方法.文中选取有限状态自动机对离散事件系统进行建模.首先,在离线状态下,建立系统的故障模型,以排除对于判定系统故障无关的路径.然后,根据故障模型进一步建立判定系统故障的极小观测序列模型.当离散事件系统在线诊断时,仅需将逐步增加的在线观测事件序列与故障的极小观测序列模型进行比对.若能找到满足该模型的任何一条路径,则说明路径终止状态上故障标签对应的系统故障发生;否则,说明系统无故障发生.文中对可诊断离散事件系统进行实验对比,通过故障的极小观测序列模型能尽快判定有无故障发生,以及发生了哪些故障.该模型能有效地缩小系统在线诊断的时间,提高系统在线诊断的效率.     

基于AR双谱的超声波电机故障诊断

针对超声波电机在工作时发生故障难于监测与判断,提出一种高阶谱诊断超声波电机故障的方法.利用高阶累积量对振动信号建立AR模型,再对其进行参数化AR双谱估计.实验结果表明:与正常状况时的超声波电机AR双谱相比,故障状况时其双谱能量分布出现分散,峰值减少,同时等高线图和双谱切片也存在明显差异,因此可以作为故障诊断的依据.     

8G型电力机车牵引电机轴承故障的振动诊断

介绍了采用振动诊断技术，对机车牵引机轴承故障进行动态检测的方法。利用简易诊断法可判断电机轴承有无异常，而精密诊断法则进一步判断电机在发生故障的部位，借助诊断分析系统，对所测信号进行频谱分析，根据电机轴承不同部位故障的特征频率，确定故障程度和部位，以便及时采取防范措施。     

浅谈一种基于AR模型的电厂电动机故障诊断新方法

电动机是电厂的重要设备,对发电厂的电动机故障进行诊断有重要意义。本文采用虚拟仪器系统作为开发平台,根据电动机振动信号的特点,对其进行虚拟诊断测试,在实际测试中,提出倒谱分析方法,是基于自回归AR模型的一种电机振动信号检测方法,首先是AR建模,并进行阶次预测和系数预测,得到相关参数;再进行倒谱变换,快速准确地提取出所需要的频谱信息,从而判断电机是否出现故障。     

浅析常见交流电机故障机理及诊断

介绍了对常见交流电机故障的诊断技术,初步研究了其产生故障的原理,诊断与解决方法,包括在机理层面上对交流电机故障进行探讨,在线监测电机和电机故障特征量的提取,分析故障状态和诊断故障原因,并提出解决方案。     

基于强跟踪多模型估计器的作动器故障诊断

在多操纵舵面飞机的自修复飞控系统中,快速准确地获得作动器的故障信息至关重要。该文将多模型思想与强跟踪滤波器相结合,在多模型自适应估计方法的基础上,提出了一种基于强跟踪多模型自适应估计器的作动器故障诊断方法。该方法改进了多模型自适应估计方法的不足之处,具有较好的鲁棒性和较强的自适应能力。它适用于非线性系统,能在线快速地检测出故障,并能较准确地估计出故障的大小。通过对各种作动器故障的仿真,验证了该算法的有效性。     

基于LMD和SSA-SVM的电机故障诊断

针对电机故障诊断问题,尤其电机轴承方面的诊断,提出了LMD分解和麻雀搜索优化算法（SSA）优化支持向量机（SVM）的故障诊断方法。第一步采取小波降噪和LMD算法相结合去处理原始信号,经过小波降噪后的原始故障信号会去掉一部分的干扰,再分解得到原始信号的一系列PF分量,接着使用相关性分析法选择出有效的PF分量进行信号重构,重构后的故障信号再次经过LMD分解得到的PF分量求出各自的能量熵,直接用能量图展现出来。接着将各个PF分量的能量熵组成一组组特征向量输入到支持向量机的故障诊断模型里。利用麻雀搜索算法在支持向量机（SVM）对于电机故障的分类的模型上进行惩罚参数和核参数的挑选和模拟,选择最合适的参数组合建立SSA-SVM故障诊断模型进行仿真实验,通过仿真实验验证该方法的故障诊断准确率高达99.2％,与PSO-SVM和SVM故障诊断模型进行比较分析,实验证明提出来的方案有着更适合的故障识别能力,对电机故障诊断有着很好的适应性和发展性。     

组态式牵引电动机故障诊断模型

摘要： 针对电动机典型的故障诊断模型网络结构复杂、训练困难等问题,提出一种组态式牵引电动机故障诊断模型.该模型由多个多输入单输出的子径向基函数神经网络构成,每个子模型识别一种故障特征.根据系统需要将多个子模型任意组合,用来识别类型繁多的电动机故障.利用特征提取后的样本数据对该模型进行训练,并通过测试样本验证了故障诊断模型的有效性.结果表明,采用组态式牵引电动机故障诊断模型,一个子模型仅识别一种牵引电动机故障状态,结构简单,模型训练难度小,提高了模型的故障识别能力以及应用的灵活性,为牵引电动机故障诊断提供了一条新思路.     

基于粒子滤波的分布式智能故障诊断系统研究

针对传统故障诊断系统硬件结构以及故障识别算法过于复杂的问题,提出并研究了一种基于粒子滤波的分布式智能故障诊断系统.该系统采用ZigBee无线传感网络实现系统分布式多变量参数的实时采集,基于粒子滤波算法在线处理各变量数据,并基于简易模式识别算法获得系统真实状态的准确估计,实现系统故障的智能诊断与故障预示.智能故障诊断系统由ZigBee无线传感数据采集网络、粒子滤波算法、系统状态模型和故障模式识别四部分构成.粒子滤波算法基于粒子序贯重要性重采样和蒙特卡洛方法对传感器采集数据滤波,抑制或消除干扰及显著性误差对系统状态估计的影响,可避免粒子退化.故障模式识别就是求取与粒子滤波输出的系统状态估计曲线残差之和最小的系统状态模型.智能故障诊断系统的实现和实例实验结果表明该系统能实现对象的远程监测、对象状态的精确估计、对象故障的准确诊断,拓宽了分布式传感网络的应用范围,并具有成本低、可靠性高、实时性好和易实现的优点.     

基于Petri网的新型电动机故障快速处理方法及应用

目前我国电动机保护技术落后,针对电动机故障的早期诊断问题,提出了一种电动机故障诊断Petri网模型,该模型根据电动机一般故障和外在征兆,只需经过简单的矩阵运算,即可达到快速分析检测电动机故障的目的。该方法比传统的电动机故障检测方法,具有简单方便,快速精确等方面的优点,最后通过实验证明该方法是确实可行的。     

基于无功功率模型的异步电机矢量控制系统转子时间常数辨识

针对异步电机矢量控制系统受电机参数变化影响大的问题,采用模型参考自适应系统(MRAS)在线辨识电机转子时间常数.为了增强辨识方法对定子电阻的鲁棒性,提高辨识精度,根据转子磁链模型构造无功功率模型建立MRAS,采用Popov超稳定性理论设计自适应规律,得到基于无功功率模型的转子时间常数辨识方法,抑制定子电阻变化对辨识精度的影响,将该转子时间常数辨识方法应用于异步电机矢量控制系统.仿真结果证明:MRAS有效地提高了矢量控制系统性能,转子磁链轨迹趋于圆形,电流谐波分量明显减少;转子磁链观测误差明显降低,其平均绝对误差相对值为2.87%;转矩脉动大大降低,其平均绝对误差相对值为2.09%.     

关联维数的超声波电机故障诊断

利用关联维数分析方法对超声波电机进行故障诊断,并针对故障诊断的实际情况,建构特殊实验平台采集故障振动信号.通过互信息法及Cao方法来确定相空间重构的2个重要参数,然后计算超声波电机在不同故障状态下的关联维数.结果表明,不同故障状态产生机制不同,其关联维数也不同,关联维数可用于故障的特征提取.通过分析不同状态下超声波电机...     

电力变压器热故障的在线诊断技术

提出了基于变压器表面的红外热图像对变压器热故障进行在线诊断的方法。利用红外热像仪实时拍摄变压器表面的热图像,建立其温度分布场。根据变压器的表面温度、内部结构参数、物理特性参数和环境温度,建立其传热模型,对变压器内部铁芯故障点温度进行反演计算,通过与离线DGA诊断结果进行比较,证明了该方法的可行性,实现了变压器热故障的非接触、在线诊断。     

特征谱分析方法及其在列车轮对故障诊断中的应用

鉴于列车轮对故障特征信息往往被淹没在背景噪声里,而一般频谱分析方法常因负载变化、转速波动而造成谱值模糊不准的缺点,提出了一种列车轮对故障在线诊断的特征谱分析方法,并根据列车轮对故障诊断的实际需要,研制了故障在线诊断特征谱分析系统.阐述了该方法的原理、信号采样、信号处理以及特征谱泄漏抑制等问题.实际运用结果表明该方法比普通的频谱分析技术更为准确地描述了故障信号的特征,是一种可靠而有效的故障诊断方法.图5,参8.