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.     

一种基于模糊Petri网的操瞄系统故障诊断方法

针对操瞄系统故障诊断建模中动态行为较难描述的问题,利用模糊Petri网的方法对系统中的故障传播进行建模.引入模糊产生式规则进行知识表示,研究了模糊Petri网的故障诊断建模方法及其推理算法.利用该方法对某牵引火炮的操瞄系统进行故障分析. 分析结果表明,基于模糊Petri网的故障诊断方法,结构简单、易懂,具有良好的故障表达形式以及有效的模糊推理能力,是一种行之有效的故障诊断方法.     

三相异步电动机的故障运行过程仿真

根据三相异步电动机在αβo坐标系下的数学模型 ,用 MAT-LAB语言编写仿真程序。通过实例对三相异步电动机的两种故障状态即电机一相开路和电源一相对电机中点短路的运行过程进行仿真计算 ,并对仿真结果进行分析     

一种混合智能故障诊断方法及柴油机故障诊断

提出了一种模糊聚类、粗糙集理论与神经网络集成的混合智能故障诊断方法。引入聚类有效性函数和点分布密度函数。对模糊c-均值聚类算法进行改进,形成了自适应模糊聚类算法并依据该算法将连续的故障特征值离散化。应用粗糙集理论处理离散化的故障诊断数据。采用基于信息熵的方法,约简冗余的故障特征。依据约简结果构建神经网络,采用遗传算法优化网络的权值和阈值。将该方法用于柴油机气门故障诊断,并与普通神经网络进行对比。结果表明,该方法提高了故障诊断的正确率。     

基于邻域粒子群优化神经网络的异步电动机振动故障诊断

为了提高异步电动机振动故障诊断的准确性,提出了基于邻域粒子群优化神经网络的异步电动机振动故障诊断方法.首先对实验室异步电动机各类常见故障进行测试,然后选择异步电动机不同位置振动信号的特征频率作为神经网络的输入,最终利用邻域粒子群优化后的神经网络进行异步电动机振动的故障诊断.实验结果表明:与其他诊断方法相比,该方法具有较高的诊断精度.此方法适合应用在异步电动机振动故障诊断中,具有推广应用价值.     

粗糙集理论在异步电动村故障诊断中的应用

粗糙集理论是一种处理模糊和不确定性知识的较新的数学工具,将粗糙集理论引入到异步电动机故障诊断中,对电机的运行状态决策表进行属性约简,有效提取重要属性,降低决策表的冗余性。分析表明,粗糙集理论应用于交流异步电动机故障诊断可得到更清晰、简明的诊断规则。     

基于改进时间模糊Petri网配电网故障诊断方法

配电网设备可靠性地区差异大,故障诊断自动化程度低.为保证能够快速精确地做出故障诊断,提出了一种基于改进时间模糊Petri网配电网故障诊断新方法.首先利用保护断路器信息、报警信息、状态信息和电气量来纠正断路器动作信息,确定停电区域;然后根据动作的断路器能够保护的范围确定可疑故障元件,利用带时标的保护断路器信息,针对可疑故障元件建立时间模糊Petri网模型进行故障诊断.模拟测试表明,此方法提高了配电网故障诊断速度和准确度,具有良好的实用价值.     

基于模糊神经网络的MVB故障诊断算法

针对多功能车辆总线具有随机性和不确定性导致故障诊断准确率较低的问题, 设计一种基于模糊神经网络的MVB故障诊断算法. 首先根据MVB故障类型给出诊断模型, 然后采用减法聚类生成数量较少的模糊规则, 最后采用T-S模糊神经网络对故障进行分类. 在MATLAB环境下对该算法的拟合能力及诊断准确率进行仿真分析的结果表明, 该算法简化了模糊神经网络结构, 有效提高了故障诊断准确率.     

粗糙集理论在异步电动机故障诊断中的应用

粗糙集理论是一种处理模糊和不确定性知识的较新的数学工具,将粗糙集理论引入到异步电动机故障诊断中,对电机的运行状态决策表进行属性约简,有效提取重要属性,降低决策表的冗余性.分析表明,粗糙集理论应用于交流异步电动机故障诊断可得到更清晰、简明的诊断规则.     

基于模糊神经网络的MVB故障诊断算法

针对多功能车辆总线具有随机性和不确定性导致故障诊断准确率较低的问题, 设计一种基于模糊神经网络的MVB故障诊断算法. 首先根据MVB故障类型给出诊断模型, 然后采用减法聚类生成数量较少的模糊规则, 最后采用T-S模糊神经网络对故障进行分类. 在MATLAB环境下对该算法的拟合能力及诊断准确率进行仿真分析的结果表明, 该算法简化了模糊神经网络结构, 有效提高了故障诊断准确率.     

基于加权模糊Petri网的电网分层故障诊断方法

为了降低模型建立的复杂度,增强模型的灵活性和通用性,研究了用于电网故障诊断的分层加权模糊Petri网模型,对系统中的元件分别建立子网和综合诊断两层模型,并将建立的分层加权模糊Petri模型与Stateflow元素对应转换,利用Simulink构建故障诊断模型,结合故障推理算法,求得元件的故障概率值,准确判断出故障元件。针对一个典型电网模型进行案例测试,结果表明,所建模型和仿真方法简单方便,具有准确性和通用性。     

基于规则推理的模糊Petri网误用入侵检测算法

FPN（Fuzzy Petri Nets）是模糊Petri网,它是Petri网与模糊理论结合的产物,目前不少学者将Petri网应用到入侵检测系统中,取得了不少成果,但是现在的推理计算法较复杂,算法时间复杂度也较高。为提高推理计算的性能,本文根据推理存在前后顺序的特点提出一种新的推理计算方法,并对该算法和现有的算法进行了分析比较,本算法提高了推理的通用性与计算速度。     

异步电动机在不对称电压下运行时的性能变化

分析了三相异步电动机在不对称三相电压下运行性能(电机定子电流、电磁转矩和效率)的变化情况,结果表明,三相异步电动机在不对称电压运行时,至少有一相电流超过额定电流,电机转矩减少和效率降低。总结了不对称电压对电动机危害的一些情况,给出了电机运行时对三相电压对称度的要求。     

加权模糊Petri网在故障诊断中的应用

提出了一种对复杂装备进行故障诊断的加权模糊Petri网模型,并对于装备故障传播的逻辑关系进行了描述。然后,根据实际的故障诊断中的不确定推理问题,给出了一种新的加权模糊推理算法,以更加符合工程实际。为提高诊断时的并行推理能力,给出了诊断推理的形式化算法。用实际的诊断案例说明了该方法的有效性。     

基于特征Petri网建模的冷水机组故障诊断系统

冷水机组是建筑物中空调系统重要的制冷设备,它的运行状态直接关系到建筑物暖通空调系统运行的性能和稳定性,其故障诊断问题一直受到广泛关注.将特征建模方法引入到冷水机组的故障诊断技术中,并采用模糊Petri网技术实现建模.利用Petri网进行知识表示及推理的矩阵运算算法,描述冷水机组故障征兆与特征参数的关系.运用所提出的诊断系统,不但可以充分利用各特征参数的信息资源进行故障判断,而且可根据冷水机组能效指标COP对故障诊断结果进行综合诊断,有利于冷水机组高效运行.实验结果验证了该故障诊断系统的可行性和准确性.     

基于加权模糊Petri网的电子电路故障诊断

提出了一种适用于电子电路故障诊断的加权模糊Petri网,给出了用加权模糊Petri网表示电子电路故障诊断模糊知识的方法及故障诊断过程中的反向推理算法。     

三相异步电动机状态计算机检测与处理

采用主从分布式结构对三相异步电动机进行在线检测，并提出了等间隔同步采样算法，基本消除了周期误差；同时，对常规量参数进行模糊化处理，提取故障特征量，采用模糊专家系统的模式实现电动机故障的分析、诊断与管理。     

正交设计法在异步电机优化设计中的应用

本文针对三相异步电动机优化设计问题,根据正交设计理论,提出了一种新的电机优化方法——正交设计法。指出电机优化设计应属于求解非线性混合离散规划问题,正交设计法则是解决此类问题的一种有效的优化设计方法。通过对两台三相异步电动机的有效材料费用进行优化,优化结果表明:该法是一种实用和有效的电机优化方法。     

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。     

大功率电力机车异步牵引电机的典型故障研究

通过分析相电流信号,对大功率电力机车异步牵引电机的两种典型故障——转子断条故障和定子绕组匝间短路故障进行故障诊断,建立电机故障情况下的有限元模型并进行仿真.结果表明,电机故障引起了三相电流不对称,基于故障后的三相电流,利用频谱分析法和对称分量法进行后处理运算,可以提取到明显的故障特征,能够有效的诊断转子断条故障和定子绕组匝间短路故障.实验所得结果与仿真及理论分析吻合,证明了故障模型的正确性,也验证了基于相电流信号的故障诊断方法的有效性.