基于Shannon熵和BP神经网络的微电网短路故障诊断

为了及时准确地诊断微电网的短路故障,并识别其故障类型和相别,文章以BP神经网络为基础方法,并应用Shannon熵和小波分析理论增强故障特征的提取能力,建立了一种新的诊断方法。对微电网的三相电流信号作三层小波分解,得到电流分解信号,以及小波Shannon能量熵;然后将三相电流重构信号的Shannon能量熵组成特征向量,作为BP神经网络的输入;最后利用训练的BP神经网络进行微电网故障类型和故障相别的识别。仿真结果表明,该方法能准确识别微电网内部故障类型和故障相别,准确率达到96.8%,可有效保障电网安全稳定运行。     

水泵微弱故障信号的检测

噪声是影响水泵早期故障诊断正确性的主要因素．利用小波变换对水泵的噪声信号进行多层次分解，并根据相邻层小波系数相关性进行滤波，该法可以对信号进行良好的降噪，同时也不会弱化信号中的弱故障信号．通过对水泵早期故障信号分析，结果表明，小波域相关滤波法对水泵早期故障诊断是有效的，     

小波分析在拖拉机齿轮箱故障诊断中的应用

在分析了采用傅立叶变换对拖拉机齿轮箱故障诊断进行信号分析技术所存在的不足的基础上，提出了采用小波变换对该信号进行分析处理时，基小波选取的方法。同时在对拖拉机齿轮箱故障诊断的实际应用中，用齿轮箱振动的加速度信号对傅立叶变换和小波变换的结果进行了比较，证明了应用小波变换能准确反映齿轮箱故障的结果，并提出用小波变换可以建立故障自动诊断系统。     

交-交变频调速系统特征提取方法的研究

针对交-交变频调速系统中传统故障诊断方法难以准确判断隐性故障类型的问题,本文提出了一种基于db1小波包和db24小波包变换近似熵的特征能量提取方法:首先用db1小波包分解并提取采样信号的低频重构信号,用db24小波包分解并提取采样信号的高频重构信号:而后提取各个频带段的近似熵,根据具体的判断规则确定电机运行的隐性故障特征信号.实验和仿真证明,该方法弥补了传统方法提取微弱特征的不足,能够很好用于隐性故障诊断的检测,表明该方法的可行性和有效性.     

小波分析在农业机械故障诊断中的应用

机械故障诊断中常用的方法之一是信号分析.小波分析具有多分辨率分析和时频定位的特点,能够分析信号的局部特征.利用小波分析可以非常准确地分析出信号在什么时刻发生畸变,显示信号的局部特征,有助于信号的实时处理.为此,简述了小波分析的基本原理及其用于故障分析的机理,并就其应用举了实例.     

基于小波包和样本熵的水泵机组振动特征提取

目前大部分大型水泵机组安装有状态监测系统,但如何从海量的状态监测数据中提取出机组故障特征仍是水泵机组故障诊断的一大难点和热点。提出了一种基于小波包和样本熵的水泵机组振动特征提取方法,该方法首先通过小波包变换对水泵机组振动信号进行分层分解,得到小波包频带系数,再结合样本熵算法对小波包频带系数进行重构,得到以各频带信号样本熵值为元素的反映机组故障信息的特征向量,最后采用LVQ神经网络对试验振动信号进行分类,验证结果表明:基于小波包变换与样本熵相结合的特征提取方法对水泵机组不同振动状态具有较好的区分度,是一种合适的水泵机组故障特征提取方法。     

基于小波神经网络的旋耕装置机械故障诊断研究

首先,介绍了小波变换原理及其在故障检测中的优势;然后,采用三层小波神经网络模型,构造了旋耕装置机械故障诊断模型;最后,从建立旋耕装置故障特征、提取故障特征向量,以及建立和训练小波神经网络模型等方面,实现了基于小波神经网络的旋耕装置机械故障诊断模型,能够实时完成对旋耕装置的机械故障诊断。通过验证与分析,证明了诊断系统的可行性和精确性。     

基于小波包和样本熵的齿轮故障特征提取

针对齿轮箱振动信号的复杂性和随机性,本文采用在时、频域内能更好地反映信号本质特征的小波包分解方法进行分析处理,然后用样本熵作为特征向量,首先把采样得到的时域数据进行三层小波包变换,然后计算分解获得的所有频段的样本熵,用来当作特征值。通过MATLAB实现算法,并用齿轮箱实验台模拟正常、齿顶磨损、断齿三种工况进行实验和分析验证了该方法的有效性。     

基于小波K-L信息量柴油机故障诊断方法的研究

根据柴油机表面振动信号非平稳时变的特性 ,采用小波对柴油机缸体表面的振动信号进行分解得到特征信息量 ,并以此建立 AR模型 ,计算得到 K L信息量。提出了基于小波 K L信息量的模式识别方法 ,实现故障诊断技术的量化。对柴油机活塞和缸套间的磨损状态进行了故障诊断实例分析 ,诊断结果说明基于小波 K L信息量的模式识别方法对柴油机的故障诊断具有很好的实用性。     

小波域二维隐Markov模型滤波方法

针对旋转机械工作过程中产生非平稳信号的特点,在分析非平稳振动信号小波分解后同层小波数和层问小波系数之间关系的基础上,结合二维隐Markov模型(2D-HMM)拓扑结构的表达能力,提出小波域2D-HMM滤波方法,并给出了具体的实现步骤,最后通过Bently-Nevada转子试验系统的实测信号验证算法的有效性.结果表明:小波域2D-HMM滤波算法能够有效地去除非平稳振动信号的噪声.     

小波神经网络故障诊断系统的设计与应用

采用能量分布特征提取方法和优化BP算法，提出了一种基于小波变换和BP神经网络的故障诊断系统。利用该系统对汽车变速箱三挡齿轮磨损程度进行估计，诊断结果与实际完全吻合，表明该小波神经网络故障诊断系统的有效性。由于小波分析特别适用于非平稳信号的处理，因此该小波神经网络诊断系统对复杂机械设备的故障诊断有着广阔的应用前景。     

联合收割机行走变速箱故障特征提取方法研究

针对联合收割机行走齿轮箱故障诊断率低的问题,提出了基于遗传算法(Genetic Algorithm,GA)及样本熵优化VMD参数的故障特征提取方法,研究了不同分解算法对故障诊断率的影响,并在试验台上采集行走变速箱不同故障状态下的振动信号开展试验研究和验证。试验结果表明:与EMD样本熵和无样本熵情况相比,VMD样本熵具有维度低、识别精度高的优点,同WOA-KELM模型组合在故障诊断中有良好的识别分类性,可以用于联合收割机行走变速箱的故障诊断。     

基于相关分析与小波变换的齿轮箱故障诊断

针对大型机械工作噪声大,测取的振动信号信噪比很低,特征信号频率较高,信号消噪难度大,故障特征信号难以提取的问题,提出了一种基于相关性分析与小波变换相结合的故障诊断方法。该方法利用了相关函数降噪特性和小波多分辨特性,达到有效提取有用信号的目的。通过仿真与实验,证明这种方法能有效去除噪声,对故障特征信号有很强的提取能力。     

时序分析在汽车变速箱齿轮故障诊断中的应用

采用时序建模的方法对汽车变速箱齿轮进行ＡＲ谱分析,通过与传统功率谱分析比较看出,时序分析在谱分析中有较好的性能,在故障诊断中具有良好的应用前景。     

拖拉机变速箱故障层次诊断及模糊识别技术

对手扶拖拉机变速箱故障层次诊断模型及模糊识别方法进行了理论探讨和试验研究,应用典型实例进行了故障诊断分析。结果表明,采用层次诊断模型及模糊识别方法能有效地应用皇手扶拖拉机变速箱复杂系统的故障诊断和模式识别。     

基于粗糙遗传算法在打捆机齿轮箱故障诊断中的应用*

自走式连续作业打捆机是一款实现不停机连续打捆作业的新型秸秆收集装备,其关键功能部件齿轮箱发生故障会严重影响正常打捆工作。针对齿轮箱故障的防控和监测,提出一种结合粗糙集和遗传算法的故障诊断方法。该方法使用时域频域分析得到的多项故障特征参数作为条件属性,故障类型作为决策属性,并利用自适应遗传算法得到决策规则表,实现无需先验信息的属性约简和故障诊断。在齿轮箱故障诊断试验中,分别对不同故障类型进行信号采集和诊断分析,结果显示:该方法在无先验信息的条件下将12项故障特征参量约简为3项,根据决策规则表进行故障诊断的准确率为100%,结果表明该方法能准确判断故障的发生和故障类型,对实现故障监测和防控具有重要意义。     

基于卷积神经网络与奇异值分解的水电机组故障诊断方法研究

提出了一种结合卷积神经网络,小波变换和奇异值分解理论的水电机组故障诊断方法.利用卷积神经网络提取机组轴心轨迹的图像特征;通过离散小波变换对摆度信号进行分解,获得信号的小波分解系数,对各分支系数进行重构,构造奇异值分解输入矩阵,提取矩阵奇异值作为特征向量.将两种方法提取的特征进行组合,构建包含图像特征和波形特征的混合特征...     

拖拉机变速箱的齿轮故障诊断研究

通过对拖拉机变速箱的故障分析，列举了故障发生率较大的变速箱齿轮所在的主要故障形式，并对齿轮故障诊断的试验台搭建、故障信号特征的提取、诊断模型的选择及遗传算法的应用做了论述。