基于SA-PSO优化神经网络的拖拉机齿轮箱故障诊断

采用模拟退火算法,并融合了遗传算法的杂交和变异思想,对粒子群进行寻优运算,利用优化后的SA-PSO对BP神经网络权值和阈值进行优化.通过对拖拉机变速箱的齿轮故障进行诊断,结果表明,该方法解决了基本粒子群算法迭代速度慢容易陷入早熟问题;同时克服了传统BP算法容易陷入局部最小问题.与传统BP算法和Elman算法比较,在网络性能、收敛速度方面均优于前者,可以推广应用到其他故障模式和特征量之间具有非线性关系的故障诊断领域.     

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。     

基于神经网络的柴油机故障诊断

本文分三种工况,在X4105BD2型柴油机缸盖、缸壁上测取了柴油机燃油系统正常工作状态和五种故障状态下的振动信号。对这些振动信号提取时域特征参数,把这些时域特征参数作为故障征兆向量,研究柴油机BP神经网络故障诊断方法。     

基于BP神经网络的滚动轴承振动故障诊断

滚动轴承振动信号被分析和处理后,提取出能够反映滚动轴承故障的特征参数,经归一化处理作为BP神经网络的输入,并用BP算法对该网络进行训练,利用神经网络的智能性来判断轴承的好坏。仿真结果表明,该方法实用有效。     

基于局域波神经网络的柴油机故障诊断方法

给出了基于局域波法的时频域局部能量的概念 ,提出了一种基于局域波法和 RBF神经网络的故障诊断方法。利用该系统对柴油机缸套活塞磨损程度进行估计 ,诊断结果与实际完全吻合 ,表明了该局域波神经网络故障诊断系统的有效性。     

时域特征参数曲线拟合法在柴油机故障诊断中的应用

柴油机作为一种常见的动力设备,其动力性和可靠性直接影响着系统的安全运行。及时发现并排除故障,对提高柴油机的使用性能,降低维修费用,减少经济损失,避免重大事故发生都具有重大的意义。本文利用柴油机工作时时域特征参数拟合曲线与所设标准故障时域特征参数拟合曲线之间的距     

用于机械诊断的最佳特征参数自动生成法

将计算机用于机械工况的自动诊断时，必须从采集的信号中提取表征机械工况的特征参数（简称ＳＰ），但目前尚无一种令人满意的提取最佳ＳＰ的方法。为了克服这个困难并能保证对机械工况进行高精度的诊断，本文基于遗传基因算法（简称ＧＡ）提出了一种称为“特征参数自动生成”的新方法，能快速找到最佳ＳＰ，并以变速器诊断为例进行了验证。     

神经网络在大型泵站故障诊断中的应用

1 前言 大型泵站机组的运行安全性具有重要的经济和社会意义。因此，对泵站系统运行状态监测及故障诊断，就显得非常迫切和重要。本文主要探讨了径向基函数网络在大型泵站故障诊断中的应用，通过建立各种数学模型及其各模型特点的分析，建立适合于泵站系统中的故障诊断的诊断决策模型。人工神经网络作为一种新近发展起来的新学科具有非常强的分类、学习、记忆、联想、计……     

基于虚拟仪器和神经网络的汽车发动机故障诊断方法的研究

针对发动机电控系统故障的多样性和复杂性特征,为了便于汽车检修人员更便捷地检测出故障的原因,现研究一种基于虚拟仪器和人工神经网络相结合的汽车发动机电控系统故障诊断的新方法。利用虚拟仪器技术,可方便地对电控发动机运行状况进行数据采集,配合神经网络系统,能对采集的数据作实时有效的分析,直接给出故障诊断结果。通过对文中采集的数据进行分析,证实了方法的有效性和可行性。     

风电机组传动链综合状态监测与故障诊断技术

为了实现对风电机组传动链结构及运行过程的监测与诊断,结合单一的物理仿真或单一的经验.利用风电机组传动链在线状态监测系统采集数据并预处理,采用FFT,FNN和专家系统推理机对不同类型的故障进行诊断,采用决策融合技术对诊断结果进行优化,构建风电机组传动链在线综合状态监测与故障诊断系统.将该系统与风电场CMS系统和SCADA系统相结合,对风电机组进行状态监测与故障诊断.以某风电场主轴轴承故障为例,分析振动幅值、故障发生时间、故障部位及故障程度,根据诊断情况,给出了专家意见.该系统具有很强的通用性、适应性、容错性和易实现性,提高了分析问题、推理及优化、远程诊断分析能力,达到了较高的智能化水平等建议.     

工程机械故障诊断算法比较分析

神经网络是由大量并行分布处理器按一定方式连接而成的信息网络处理系统,它是对现代神经科学研究成果的应用。文章分析了工程机械故障诊断技术研究的意义和现状,给出了几种常用的故障诊断算法思路并给出算法模型,最后根据目前的工程机械故障诊断的综合算法现状提出未来故障诊断发展的趋势。     

基于EMD和Multi-fractal spectrum的BP水机故障诊断

为了准确判断水轮机组的故障,提高水轮机组诊断的精确性,建立了EMD-Multi-fractal spectrum和改进BP神经网络相结合的机组振动故障诊断模型.选取水轮发电机组不同工况下的轴系正常、轴承油膜涡动、转子部件不平衡、转子不对中等状态,采集各状态下的振动信号.经过经验模态分解得到振动信号波各种故障信号的EMD分量,根据信号波形趋势图由EMD系数提取出波形样本,再由多重分形谱算法提取波形样本的特征值alpha(q), f(q),将该特征向量作为BP神经网络的输入进行分类识别.将训练好的神经网络应用于全部样本,得到测试正确率为100%.该模型用波形提取信号特征代替了传统的频谱特性,并结合先进的多重分形谱进行诊断识别,为水轮发电机组故障诊断提供了一种新的思路.应用信号采集于水电厂运行的水轮机,根据诊断的结果对轴系各个部件进行局部校正,通过检测发现振动和摆度都大大减弱.该方法提高了检测精度,增强了人机交互性,具有重要的理论意义和实用价值.