期刊文献+
共找到9篇文章
< 1 >
每页显示 20 50 100
发动机转子系统早期故障智能诊断 被引量:7
1
作者 王仲生 姜洪开 徐一艳 《航空学报》 EI CAS CSCD 北大核心 2009年第2期242-246,共5页
在对飞机发动机转子系统早期故障特点进行分析的基础上,针对其故障诊断中存在的故障样本不足和早期微弱故障不易识别的问题,提出将随机共振、小波包分析与支持向量机相结合的发动机转子系统早期故障诊断与智能自愈监控方法。该方法首先... 在对飞机发动机转子系统早期故障特点进行分析的基础上,针对其故障诊断中存在的故障样本不足和早期微弱故障不易识别的问题,提出将随机共振、小波包分析与支持向量机相结合的发动机转子系统早期故障诊断与智能自愈监控方法。该方法首先利用随机共振原理对早期微弱故障信号进行特征细化,使故障特征放大;然后利用小波包多分辨率分析特性进行故障特征提取;再将提取的特征向量输入由支持向量机构造的分类器中进行故障识别,并利用智能自愈方法对故障进行监控。对智能诊断系统结构、故障特征提取方法、多故障分类器构造、故障自愈监控等进行了分析和研究。结果表明,该方法在故障样本不足情况下,能有效识别发动机转子系统的早期故障,且算法简单、故障分类识别效果好,并能对故障进行自愈监控。 展开更多
关键词 飞机发动机 转子 早期故障特征提取 故障分类识别 故障智能自愈监控
原文传递
机械传动电机轴承故障信号诊断仿真研究 被引量:8
2
作者 路照坭 朱希安 《自动化仪表》 CAS 2019年第9期46-51,共6页
传统经验模态分解(EMD)存在模态混叠,难以充分提取故障特征,原始支持向量机(SVM)、相关向量机(RVM)诊断方法核函数存在选取不灵活、结构复杂导致识别效率低的问题,提出了一种结合变分模态分解(VMD)样本熵和混合布谷鸟改进M-RVM的机械传... 传统经验模态分解(EMD)存在模态混叠,难以充分提取故障特征,原始支持向量机(SVM)、相关向量机(RVM)诊断方法核函数存在选取不灵活、结构复杂导致识别效率低的问题,提出了一种结合变分模态分解(VMD)样本熵和混合布谷鸟改进M-RVM的机械传动电机轴承故障诊断新方法。首先,对故障信号进行VMD分解得到多个子序列;然后,筛选其中的有效分量提取样本熵组成故障特征向量;最后,将特征向量输入基于混合布谷鸟算法优化的M-RVM故障诊断模型,达到对电机运行状态准确识别的目的。仿真结果表明,所提方法实现了电机轴承故障状态的准确诊断。与传统分析诊断方法相比,该方法轴承故障识别诊断性能得到提高,对实际工程应用具有重大意义。 展开更多
关键词 轴承 故障信号诊断 变分模态分解 特征提取 样本熵 改进混合布谷鸟算法 分类相关向量机 故障分类识别
下载PDF
综合多域特征及融合算法的配电网单相接地故障类型识别 被引量:4
3
作者 吴岩 关石磊 +1 位作者 孟晓丽 吴燕 《高电压技术》 EI CAS CSCD 北大核心 2023年第5期2059-2067,共9页
区分配电网中发生的单相接地故障类型,能够有针对性地制定故障检修策略,提升故障处置效率。配电自动化设备作为配电网故障快速辨识与处理的重要载体,对故障分类的原理及效果差异性较大,准确率无法满足电力系统工作需求,为此提出一种基... 区分配电网中发生的单相接地故障类型,能够有针对性地制定故障检修策略,提升故障处置效率。配电自动化设备作为配电网故障快速辨识与处理的重要载体,对故障分类的原理及效果差异性较大,准确率无法满足电力系统工作需求,为此提出一种基于分类回归树与多核残差网络(classfication and regression tree and multi-core ResNet, CART-MRN)的树状结构故障类型识别方法。首先,建立树状故障分类结构,利用Fourier变换、经验模态分解(empirical mode decompsition, EMD)分解等方法提取故障点电压电流的多域故障特征;其次,结合特征分析与信息增益建立适应不同小电流接地系统的融合算法模型,并引入粒子群算法优化网络超参数;最后,通过现场录波数据验证与对比实验,证明该方法能快速、有效地完成单相接地故障分类识别,且更具有适应性。 展开更多
关键词 单相接地故障 故障分类识别 多域特征 决策树 多核残差网络 配电网
下载PDF
基于模糊粗糙集的大型汽轮机组设备故障识别方法
4
作者 莫子孟 尹立平 《能源科技》 2024年第3期44-48,共5页
针对大型汽轮机组设备故障种类多,提出基于模糊粗糙集的大型汽轮机组设备故障识别方法。首先,模糊化处理大型汽轮机组设备故障信息,将复杂的故障信息转化为简单的模糊编码后,使用故障类型-征兆特征决策表生成方法构建特征决策表,表中各... 针对大型汽轮机组设备故障种类多,提出基于模糊粗糙集的大型汽轮机组设备故障识别方法。首先,模糊化处理大型汽轮机组设备故障信息,将复杂的故障信息转化为简单的模糊编码后,使用故障类型-征兆特征决策表生成方法构建特征决策表,表中各行代表故障类型,各列代表故障征兆特征;将决策表数据输入基于改进可拓神经网络聚类的故障分类模型中,决策表的历史数据作为训练数据,当下机组设备运行状态数据作为测试数据,通过判断当下设备运行状态是否与某故障类型-征兆特征决策表的数据匹配,完成设备故障识别。实验中,此方法可有效识别16种汽轮机组设备故障。 展开更多
关键词 模糊粗糙集 大型汽轮机组 设备故障 决策表 可拓神经网络聚类 故障分类识别
下载PDF
基于SORT映射的IRCMFDE在旋转机械故障诊断中的应用
5
作者 王潞红 邹平吉 《机电工程》 北大核心 2024年第1期11-21,共11页
针对旋转机械振动信号的强非线性和非平稳性,导致故障特征提取困难的问题,提出了一种基于SORT映射的改进精细复合多尺度波动散布熵(IRCMFDE)和蝙蝠算法优化的相关向量机(BA-RVM)的旋转机械故障诊断方法。首先,利用SORT映射函数替换了精... 针对旋转机械振动信号的强非线性和非平稳性,导致故障特征提取困难的问题,提出了一种基于SORT映射的改进精细复合多尺度波动散布熵(IRCMFDE)和蝙蝠算法优化的相关向量机(BA-RVM)的旋转机械故障诊断方法。首先,利用SORT映射函数替换了精细复合多尺度波动散布熵(RCMFDE)方法的正态累积分布函数,同时对RCMFDE方法的粗粒化方式进行了改进,提出了基于SORT映射的IRCMFDE方法;随后,利用IRCMFDE方法提取了旋转机械振动信号的故障特征,构造了故障特征集;最后,采用BA-RVM分类器对旋转机械的故障类型进行了智能化的识别和分类;将基于IRCMFDE和BA-RVM的故障诊断方法应用于滚动轴承、离心泵和齿轮箱的实验数据分析,并将其与现有故障诊断方法进行了对比分析。研究结果表明:基于IRCMFDE和BA-RVM的故障诊断方法能够有效地识别旋转机械的故障状态,识别准确率分别达到了100%、98%和99%,相比基于RCMFDE、精细复合多尺度熵、精细复合多尺度模糊熵、精细复合多尺度排列熵和精细复合多尺度散布熵的故障特征提取方法,该故障诊断方法的效率和平均识别准确率均优于对比方法,其更适合应用于旋转机械的在线实时故障监测。 展开更多
关键词 改进精细复合多尺度波动散布熵 SORT映射 蝙蝠算法优化的相关向量机 旋转机械 故障分类识别
下载PDF
小样本下基于原型网络的轴向柱塞泵故障诊断模型 被引量:2
6
作者 范佳祺 兰媛 +3 位作者 黄家海 熊晓燕 李国彦 李利娜 《机电工程》 CAS 北大核心 2023年第4期584-591,共8页
在实际工程应用中,有限的故障样本数量及噪声都影响轴向柱塞泵故障诊断的效果,所以,如何提高模型在小样本、噪声条件下轴向柱塞泵故障诊断的性能是一个亟待解决的问题。在样本数量有限、噪声条件下,采用基于深度学习的故障诊断方法会出... 在实际工程应用中,有限的故障样本数量及噪声都影响轴向柱塞泵故障诊断的效果,所以,如何提高模型在小样本、噪声条件下轴向柱塞泵故障诊断的性能是一个亟待解决的问题。在样本数量有限、噪声条件下,采用基于深度学习的故障诊断方法会出现过拟合、诊断准确率下降的问题,为此,提出了一种小样本条件下基于原型网络的轴向柱塞泵故障诊断模型(方法)。首先,搭建了轴向柱塞泵故障诊断模型,并等量随机抽取了每个故障的样本以构建多个任务,模型使用一维卷积神经网络作为主干,每个任务中包含当前模型、支持集、查询集;然后,利用模型将样本映射到特征空间,在特征空间中,模型使用支持集的同类样本构建了原型点,并逐个将查询集样本与多个原型点进行了距离度量,实现了轴向柱塞泵不同故障的分类;最后,为了验证基于原型网络的轴向柱塞泵故障诊断模型的有效性,采集了轴向柱塞泵不同元件发生故障时产生的振动信号,并使用上述诊断模型对此进行了故障识别实验;为了验证该诊断模型的优越性,将其与基于卷积神经网络等的模型进行了性能对比。实验结果表明:在样本有限的条件下,采用基于原型网络的轴向柱塞泵故障诊断模型的准确率达到85%以上;同时,在噪声条件下,采用基于原型网络的模型的准确率也能达到85%以上。研究结果表明:基于原型网络的模型的诊断性能优于卷积神经网络模型与传统方法。 展开更多
关键词 容积泵 深度学习 有限样本数量 抗噪性 故障分类识别 诊断准确率 结果可视化
下载PDF
基于集成精细复合多元多尺度模糊熵的齿轮箱故障诊断
7
作者 杨小强 宫建成 +1 位作者 安立周 刘晓明 《机电工程》 CAS 北大核心 2023年第3期335-343,共9页
针对齿轮箱故障信号具有非线性和非平稳性的特点,且目前的方法对其特征提取不够充分这一问题,对不同形式粗粒化方法的集成、多通道信号处理方法在模糊熵算法上的应用进行了研究,提出了一种新的特征提取方法,即集成精细复合多元多尺度模... 针对齿轮箱故障信号具有非线性和非平稳性的特点,且目前的方法对其特征提取不够充分这一问题,对不同形式粗粒化方法的集成、多通道信号处理方法在模糊熵算法上的应用进行了研究,提出了一种新的特征提取方法,即集成精细复合多元多尺度模糊熵(ERCmvMFE)算法,在此基础上,结合t分布随机邻域嵌入(t-SNE)和人工鱼群算法优化的核极限学习机(AFSA-KELM),提出了一种新的齿轮箱故障综合诊断方法。首先,采用多种形式粗粒化方法的集成方法以及多通道信号处理方法,对模糊熵算法进行了改进,并进行了齿轮箱故障的初始特征提取;然后,通过t-SNE压缩原始故障特征,实现了维数的约简,并将低维故障特征输入至AFSA-KELM中进行了故障的分类识别;最后,为了对ERCmvMFE方法的特征提取性能进行测试,采用QPZZ-II旋转机械故障模拟测试平台进行了相关的实验。实验结果表明:采用新的齿轮箱故障综合诊断方法能够对不同类型的齿轮箱故障进行可靠诊断,对齿轮箱5种工况下的20次识别实验中,获得的平均准确率可达98.92%,标准差为0.956,识别准确率和稳定性均优于其他对比方法。研究结果表明:采用ERCmvMFE算法能够更充分地提取出齿轮箱的故障特征,因此,基于该特征提取方法的故障诊断方法具有更高的齿轮箱故障识别准确率。 展开更多
关键词 集成精细复合多元多尺度模糊熵 人工鱼群算法优化的核极限学习机 t分布随机邻域嵌入 特征提取 多粗粒化处理 多通道信号处理 故障分类识别
下载PDF
基于HRCMFDE、LS、BA-SVM的行星齿轮箱故障诊断 被引量:2
8
作者 庄敏 李革 +1 位作者 范智军 孔德成 《机电工程》 CAS 北大核心 2022年第11期1535-1543,共9页
针对行星齿轮箱的特征提取以及故障识别问题,提出了一种基于混合精细复合多尺度波动散布熵(HRCMFDE)特征提取、拉普拉斯分数(LS)特征降维优化和蝙蝠算法优化支持向量机(BA-SVM)故障识别的行星齿轮箱故障诊断方法。首先,提出了一种新的... 针对行星齿轮箱的特征提取以及故障识别问题,提出了一种基于混合精细复合多尺度波动散布熵(HRCMFDE)特征提取、拉普拉斯分数(LS)特征降维优化和蝙蝠算法优化支持向量机(BA-SVM)故障识别的行星齿轮箱故障诊断方法。首先,提出了一种新的时间序列复杂度测量方法—HRCMFDE(其由5种不同粗粒化方式的RCMFDE组成,具备更全面和可靠的特征提取性能),用于从振动信号中挖掘出反映行星齿轮箱状态的故障信息,构成初始的混合故障特征;然后,考虑到由HRCMFDE组成的故障特征具有较高的维数和冗余,利用LS对初始特征进行了优化,生成了低维的敏感特征;最后,利用基于蝙蝠算法优化的支持向量机,对行星齿轮系不同故障特征向量进行了训练和分类,利用真实故障数据集对基于HRCMFDE、LS、BA-SVM的方法进行了验证。研究结果表明:利用行星齿轮箱数据集对该方案进行的有效性实验,能够准确地识别出齿轮箱的不同故障,其单次分类的准确率达到了98.13%,多次分类的平均准确率也优于对比方法;该结果验证了基于混合精细复合多尺度波动散布熵特征提取的有效性,采用该方法能够对行星齿轮箱的故障进行诊断。 展开更多
关键词 特征提取 特征降维优化 故障分类识别 混合精细复合多尺度波动散布熵 拉普拉斯分数 蝙蝠算法优化支持向量机
下载PDF
基于时序模型和模糊逻辑的汽车安全部件故障识别
9
作者 孙华 胡子正 杨占春 《上海汽车》 2004年第3期26-31,34,共7页
汽车安全部件的工作状态直接影响汽车的安全行驶,文章运用时序模型对汽车在不同部件参数作用下的运动参量提取征兆量,结合模糊逻辑技术进行了部分安全部件的故障状态识别,取得了满意的效果。
关键词 时序模型 模糊逻辑 汽车工程 安全部件 故障识别 汽车试验 故障征兆获取 故障分类识别
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部