人工神经网络在往复压缩机故障诊断中的应用

作为人工智能领域的热点技术,人工神经网络在往复压缩机故障诊断中具有重要作用.通过构建神经网络模型,优化BP网络神经元结构形式,改进算法流程,将这一技术应用于往复压缩机振动信号处理,有效提高往复压缩机故障诊断准确性.     

往复压缩机建模与故障机理分析

根据往复压缩机的结构特点,建立几何结构模型和力学模型,对往复压缩机进行运动学和动力学分析,针对往复压缩机多激励源和故障频发特点,分析其振动机理和漏气机理,为往复压缩机故障诊断研究提供理论依据.     

基于神经网络推理的压缩机故障诊断专家系统

设计了一种基于神经网络推理的汽车空调压缩机故障诊断专家系统。此系统将传统专家系统与神经网络技术科学地加以综合,弥补了传统专家系统的诸多缺陷。专家系统的知识库由两部分组成,即浅层知识库和深层知识库。推理过程由神经网络完成,并带有解释说明模块,主要说明诊断结果的判定依据。实践证明,这种方法能较好地解决传统专家系统存在的问题,提高系统的诊断速度和准确率。     

基于频谱分析的压缩机故障诊断

文章主要介绍了采用频谱分析法来进行故障诊断的方法,基于BP神经网络理论,在提取故障信号特征集作为训练样本的基础上,构建了三层BP神经网络,完成了压缩机故障诊断系统,且通过实例证明了该系统的有效性和准确性。     

基于局域波时频图像处理技术的压缩机故障诊断

结合局域波理论、图像处理技术和CPN网络模式分类器,提出了一种提取故障特征信息的智能诊断方法。往复式压缩机气缸的振动信号经过局域波算法处理得到局域波时频谱,利用图像分割技术对该时频谱灰度进行有效描述和分析,继而利用CPN网络分类器针对典型故障特征信息进行归类。实际应用表明,该方法具有一定的工程实用性。     

多尺度Hilbert谱熵在故障诊断中的应用

基于局域波分析的时频多分辨特性,提出了多尺度Hilbert谱熵的概念,并给出了多尺度Hilbert谱熵的计算方法。将其应用到往复式压缩机的故障诊断中,比较了时频熵与多尺度Hilbert熵在实际应用中的效果,证实了多尺度Hilbert谱熵能更准确地反映机组的状态。     

基于EEMD多尺度模糊熵与BP神经网络的滚动轴承故障表征诊断

针对滚动轴承故障振动时间序列非线性与非平稳性特征,提出一种基于多尺度模糊熵的滚动轴承故障诊断方法.首先通过集合经验模态分解对故障振动信号进行自适应分解;根据得到固有模态函数分量(IMF)求取相应的多尺度模糊熵;在此基础上以EEMD多尺度模糊熵作为故障特征输入到BP神经网络中进行学习和分类.实验结果表明该方法能够实现对轴...     

基于空间运行轨迹的农机往复作业行距估算方法

为了快速评估农机作业重漏状况,针对农机往复作业模式下,通过在农机上装载智能终端设备,采集车载终端GNSS信息,分析农机空间运行轨迹数据,统计方位角分布频次,计算农机作业方向,提取农机作业线,进一步建立了农机作业行距评估模型。为了验证农机作业行距评估模型,于2021年6月25日在北京小汤山国家精准农业研究示范基地开展实验,利用装载有自动导航系统的拖拉机,设定不同的行距,且每个行距进行往复直线作业,验证作业方向计算、作业线提取和作业行距提取等模型。结果表明,与实际相比,模型计算的作业行距平均误差为3.07%,均方根误差为0.14m,从整体上来看,识别的农机作业平均行距和实际行距比较相符,可为农机作业重叠、遗漏等农机作业质量评估提供数据支撑。     

串联电池组接触故障诊断方法研究

故障诊断在保障电动汽车安全运行中起着至关重要的作用。针对串联电池组接触故障,提出一种基于自适应白噪声的完整经验模态分解（CEEMDAN）和模糊熵结合的串联电池组接触故障诊断方法。首先通过CEEMDAN分解电池电压信号,提取有效故障特征,然后计算移动窗口下故障特征的模糊熵,最后通过设计的故障识别策略进行实时故障诊断。仿真与实验结果表明,该算法可以准确识别串联电池组不同严重程度的接触故障,具有良好的实时性与稳定性。     

纯电动汽车空调压缩机不运行故障诊断分析

新时代背景下,汽车工业发生了翻天覆地的变化,已经不再如过去一般单纯依靠汽柴油作为燃料,而是正在朝着新能源的方向发展.空调压缩机是空调内部的核心组件,纯电动汽车车载空调在实际运行过程中可能会出现压缩机不运行的问题,因此,重点探究了电动汽车车载空调压缩机不运行的故障及其诊断方法.     

基于禁忌搜索算法的往复振动筛运动参数优化设计

运用禁忌搜索算法和MATLAB语言,编制了往复振动筛运动参数仿真计算的算法实现程序,并运用该程序对往复振动筛的振动圆频率、振动振幅、振动方向角和振动面倾角进行了优化仿真计算,优化计算结果表明:物料沿振动筛面的平均推进速度达到0.1879m/s,在保证物料不跳离筛面的条件下,振动惯性达到最大值。     

车辆变速器故障诊断的Shannon熵研究

利用小波分析技术和信息科学原理，建立了机械故障诊断的Shannon熵分析模型。对车辆变速器的故障诊断进行研究，将测试信号进行多层小波分解与重构，计算各层重构信号的Shannon熵值及其和熵和，并进行图形显示和分析，获得其运行状态特性并进行故障诊断，为机械故障诊断提供了新的理论和方法。     

基于RBF神经网络的滚动轴承故障诊断方法

应用径向基函数(RBF)神经网络建立特征向量与故障模式之间的映射关系。采用小波包分析技术构造滚动轴承特征向量。采用脉冲放电加工技术模拟滚动轴承早期单点故障,试验结果表明,采用小波包分析和神经网络结合的方法可以准确地实现滚动轴承的故障诊断。     

基于DEMD能量熵的变压器绕组匝间短路故障诊断

针对变压器绕组轻微匝间短路故障,提出将基于微分的经验模式分解(Differential-based empirical mode decomposition,DEMD)和能量熵结合进行诊断的方法。对采集到的低压脉冲反射信号进行DEMD分解,得到信号按频率分配的本征模函数(Intrinsic mode function,IMF),提取IMF的能量特征,求得信号的能量熵,根据故障发生时DEMD能量熵的变化程度判定是否有匝间短路故障。Matlab仿真结果表明该方法诊断轻微匝间短路故障有较好的效果。     

基于决策树算法的智能变电站虚回路故障诊断方法

文章提出了一种基于决策树算法的智能变电站虚回路故障诊断方法,通过对智能变电站虚回路各IED设备之间的信息流建模,得到IED设备关系表,利用决策树算法对智能变电站虚回路信息流进行实例分析,并对其故障诊断的正确率进行验证,仿真实验结果证明:该方法有利于诊断智能变电站各IED设备之间的信息流是否正确,模型具有可读性,分类速度快的优点,方便检修人员进行调试。     

基于GAF-Alexnet-ELM的齿轮箱故障诊断方法

针对齿轮箱在噪声、转速、加载电流变化的情况下故障诊断模型泛化性能差的问题,提出一种GAF-AlexnetELM的齿轮箱故障诊断模型。利用格拉姆角场（GAF）的方法将齿轮箱的振动信号转化为二维图像,将二维图像压缩至适当大小,再输入卷积神经网络（Alexnet）进行特征提取,最后将Alexnet提取的特征放入极限学习机（ELM）进行故障识别。为了验证模型性能,采用千鹏公司QPZZ-II旋转机械振动分析及故障诊断试验平台系统的数据集进行齿轮箱故障诊断分析,同时进行多组对比实验,验证不同模型的故障诊断性能和泛化性能。结果表明,该模型故障识别准确率达到了96.33%;在噪声、转速、加载电流变化的情况下,故障识别准确率也较高,证明了所提方法具有良好的故障诊断效果和泛化性能。     

基于蚁群算法的往复振动筛运动参数优化设计

运用蚁群算法和Matlab语言，编制了往复振动筛运动参数仿真计算的算法实现程序，并运用该程序对往复振动筛的振动圆频率、振幅、振动方向角和振动面倾角进行了优化仿真计算。优化计算结果表明：物料沿振动筛面的平均推进速度达到0．188m／s；在保证物料不跳离筛面的条件下，振动惯性达到最大值。     

简单自动往复液压回路的设计

在QCS014装拆式液压试验台上,利用试验台所配备的液压、电气元件设计出简单的自动往复回路,以增强学生对液压元件实物形体内部结构及功用的理解和培养学生进行科学研究与创新的能力。     

基于往复振动方法的枸杞低损采收技术装备设计与试验

以解决枸杞自走式连续采收难题为目标,以往复式振动关键部件采摘方法为核心技术,农机农艺深入融合,建立适宜往复仿形振动采摘模式的枸杞栽培示范区,重点设计隧道式左右和上端阵列往复振动部件总成系统的仿形采摘关键部件,辅助设计柔性接果和输送风选归集系统,结合跨行自走式动力平台,集成研创基于往复振动方法的枸杞低损采收机。夏果初茬枸杞采收试验结果:当振动频率为37.5～50 Hz,枸杞成熟果的采净率为89.5%～96.4%,采净率随着振动频率的提高显著提高;在同一振动频率前提下,随着枸杞成熟度提升,采净率整体提高,成熟度与采净率关联显著。而振动频率为37.5 Hz,含杂率控制在14.4%～18.4%,显著降低含杂率。另外,干果损伤率为3.4%～10.2%,干果损伤率呈现随着振动频率提高而增加的趋势。夏果中茬枸杞采收试验结果:当振动频率为32.5～45 Hz,干果损伤率随着振动频率增加,呈先减小后增加趋势,数据显示当频率设置为37.5 Hz左右,该机采摘干果损伤率最低。新增误采率随振频变化规律:误采率为4.18%～11.36%,误采率与振动频率关系并不显著。最后,针对秋果,关于37.5 Hz最佳振动频率左右的鲜果损伤试验,显示鲜果损伤率均在5%以内,该机作业效率较高,一机抵30个人工。