基于神经网络和VB程序的旋转机械故障诊断系统

以旋转机械常见的质量不平衡、转子不对中两种故障状态和正常运行状态为例,基于神经网络和VB程序构建了旋转机械的故障诊断软件系统.利用一种基于小波包分解后的时域分析方法对旋转机械振动信号进行特征提取,获得了旋转机械正常振动信号及质量不平衡、转子不对中故障状态振动信号的特征向量.借助MATLAB神经网络工具箱,构建了旋转机械的神经网络故障诊断系统,并用旋转机械正常振动信号及质量不平衡、转子不对中故障状态振动信号的特征向量数据对诊断结果的正确性进行了测试,结果表明诊断正确率为88.9%.最后通过MATLAB的二次开发接口与VB程序进行交互,开发出具有良好人机界面的旋转机械故障诊断软件,包括神经网络学习和故障诊断两层界面.     

减速箱齿轮局部缺陷故障的小波诊断

对小波技术在轧机减速箱齿轮局部缺陷故障诊断的应用进行了探讨.利用maflab的小波分析工具对正常和异常的振动信号分别进行了分解重构,通过对两种状态下不同频段的比较,结合齿轮故障机理,总结齿轮局部缺陷小波分析的特点.     

基于特征频谱对齿轮箱的振动监测和故障诊断

提出一种基于深度神经网络智能监测与诊断的方法。考虑到现有故障信号数据量及多样性不足以直接用来训练神经网络,提出一种基于特征频段的诊断神经网络。具体是利用现有数据进行频谱与包络谱分析,然后提取相应的故障频段与无故障频段。通过少量信号数据便可以提取足够数量的频段数据用以训练神经网络,利用该神经网络对齿轮箱进行振动监测。     

基于能量比的往复压缩机气阀故障诊断

往复压缩机气阀故障具有相当的复杂性,运用单一参数进行诊断有着相当大的难度,其故障诊断往往需要多种手段结合。在总结往复压缩机气阀的常见故障类型基础上,运用小波包分解法对故障往复压缩机气阀信号特征频段能量进行提取,并构造常见故障类型能量比参数,以此来诊断往复压缩机气阀故障类型。     

风电机组齿轮箱故障评价方法研究现状

风电齿轮箱故障评价方法主要有传统故障评价方法、基于数学建模的故障评价方法和基于数据挖掘的智能故障评价方法。分析国内外在风电齿轮箱故障评价方法以及状态监测系统的研究现状,指出人工神经网络技术、专家系统和小波技术等的发展将会使齿轮箱故障评价方法的研究逐步趋于智能化方向发展,同时能够完善现有的齿轮箱状态监测系统。可以将振动信号、温度信号和金属颗粒信号融合,开发新的风电机组齿轮箱状态监测与故障评价系统。     

基于BP神经网络的数控机床刀具磨损状态识别方法

为了提高三相电流信号监测刀具磨损状态的可靠性,提出了一种基于BP神经网络的数控机床刀具磨损状态识别方法。首先对采集得到的三相电流信号进行时域、频域和小波分析,从中提取出与刀具磨损程度相关性较好的多个特征量,组合成敏感特征向量,然后搭建BP神经网络,建立三相电流信号特征向量与刀具磨损状态之间的联系。最后,用经过训练后的BP神经网络识别多组未知样本的刀具磨损状态。实验结果表明,该方法能够准确判定刀具的磨损状态。     

基于BP神经网络的立磨齿轮箱专家诊断系统研究

水泥厂生料立磨齿轮箱一般采用两级定轴齿轮与一级行星齿轮相结合的传动方式。行星齿轮传动的复杂性使故障形式与特征呈非线性的映射关系,常用信号处理方法提取故障特征的有效性存在不足。对此,分析并计算立磨齿轮箱齿轮及轴承故障的特征频率,构建基于BP神经网络的齿轮箱故障诊断系统,对水泥厂JLP400型水泥立磨齿轮箱行星齿轮箱齿轮及轴承进行诊断,并给出诊断结论。     

风电机组齿轮箱故障诊断系统设计

齿轮箱是风电发电传动系统中的核心部件。齿轮箱一旦发生故障,致使风电机组停机检查,便会造成成本损失。因此,对齿轮箱故障诊断的技术研究至关重要。由于对齿轮箱故障的振动信号采集成本大,故设计利用多传感器实现对齿轮箱故障信号的声信号、温度信号进行数据采集。对于温度信号来说,选择采用DS18B20传感器,分布于三个不同位置.     

基于无线传输的智能小区门禁系统设计

提出了一种基于支持向量机的机械故障诊断模型,该模型建立在VC维理论和结构风险最小原理基础上,根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折中,以期获得最好的推广能力。在选取诊断模型输入向量时,对故障信号功率谱进行小波分解,简化了故障特征向量的提取。仿真结果验证了该模型的有效性。     

应用虚拟仪器技术的异步电机故障诊断研究

介绍基于虚拟仪器技术构建的异步电机检测系统,实现了异步电机系统的参数检测和故障诊断。文章将基于LabVIEW的小波包理论应用于电机故障诊断研究,将小波变换极大模分析方法应用于信号突变成分的检测,有效地定位并检测出异步电机中的早期故障。最后,通过实验证明了基于小波理论的故障诊断方法的可行性。     

基于小波分析的小汽轮机振动信号消噪研究

小波分析、小波包分析的基本原理以及利用小波分析方法对信号消噪的一般方法。利用软件的MATLAB小波工具箱编写仿真程序,分析小汽轮机的振动数据,并简单对比小波分析与小波包分析消噪效果的不同。结果表明,在振动故障检测前先采用小波分析方法对故障信号进行消噪,有利于提高小汽轮机振动检测的准确性。     

基于小波包—VBICA的欠定盲源分离方法研究

为解决欠定盲源分离问题,本文提出基于小波包分解和VBICA算法的欠定盲源分离方法。先采用小波包算法对观测信号进行分解,对得到的小波包系数与原始观测信号进行重构,使之组成新的观测信号,这样,就转化为非欠定盲源分离问题。最后,采用变分贝叶斯算法,从新构造的观测信号中分离出故障源信号。通过实验对轴承故障信号进行分离,来验证所提算法的可行性。     

诊断方法的研究与应用大机组齿轮早期故障

分析了影响齿轮早期故障诊断准确性的主要因素，针对齿轮振动信号噪声干扰大的特点，采用小波分析、神经网络滤波、相关滤波等方法进行信号预处理，可大大提高信噪比。现场应用情况表明该方法可在强噪声环境下提取出齿轮振动中的微弱故障信息，及时发现齿轮早期故障隐患。并在此基础上，开发了一套齿轮早期故障诊断软件系统。     

大机组齿轮早期故障诊断方法的研究与应用

分析了影响齿轮早期故障诊断准确性的主要因素，针对齿轮振动信号噪声干扰大的特点，采用小波分析、神经网络滤波、相关滤波等方法进行信号预处理，可大大提高信噪比。现场应用情况表明：该方法可在强噪声环境下提取出齿轮振动中的微弱故障信息，及时发现齿轮早期故障隐患。并在此基础上，开发了一套齿轮早期故障诊断软件系统。     

防砂泵车故障诊断

防砂泵车是油田防砂施工的关键设备，对其在运行中出现的故障及时判断和排除至关重要，否则极易造成砂堵，导致防砂失败，造成巨大损失。本文采用小波包分析、神经网络识别、压力监测等技术对往复泵故障诊断进行了研究试验，明确了防砂泵车的故障原因及有效排除办法，编制开发了小波神经网络诊断系统，在实际应用中取得了良好效果。     

齿轮箱螺栓拉断故障诊断

通过对测取的齿轮箱振动信号进行离散小波变换，可有效提取齿轮箱螺栓拉断的故障信息，为今后判断，预防同类事故及事后确定故障部位提供了有效的分析手段。     

基于神经网络数据融合技术的诊断系统的研究

神经网络数据融合技术的诊断系统是以电机振动信号和电流、电压信号为研究对象的,对采集到的3类信号进行实时处理,运用神经网络对数据进行局部诊断,再利用数据融合技术对故障信号进行全局分析融合,从而达到对电机故障类型的准确判断。通过运行表明,应用在故障诊断中的神经网络数据融合技术是一种故障识别率高、方便灵活而且诊断精度高的故障诊断方法。     

往复式压缩机故障诊断的小波分析方法

往复式压缩机振动源多,特征向量不易提取,采用小波包分解和重构来构造能量特征向量的方法,提取往复式压缩机气阀的故障特征,该方法可有效地诊断往复压缩机的故障.     

基于1D-CNN的滚动轴承端到端故障诊断方法

提出一种端到端的滚动轴承故障诊断模型,将三个步骤直接整合到一个模型中,直接将原始振动信号输入模型中,经过模型计算得到轴承故障类型。利用一维卷积神经网络强大的特征提取能力,对原始信号提取特征。通过实验对比分析,所述方法在美国凯斯西储数据集中能够达到99.33%的类间平均准确率,能够准确地对故障进行分类,具有较好的技术应用前景。     

基于倒频谱风力发电机齿轮箱故障特征提取

风力发电机齿轮箱振动信号中蕴含大量的运行状况信息,针对故障信号中调制边频带复杂这一特点,利用倒频谱方法在复杂混叠信号中提取边带调制频率的优势,识别风机齿轮箱振动信号频谱中的复杂周期成分,有效地提取故障特征,事实证明倒频谱分析可作为风力发电机组设备运行与故障诊断有效方法之一。