基于回声状态神经网络风电齿轮箱故障诊断方法

增速齿轮箱是大型风力发电机组的关键部件,应采用合适的方法进行故障诊断对其运行状态进行预测。本文提出了基于小波包和回声状态神经网络的齿轮箱故障诊断方法。首先利用小波包分解风机齿轮箱的故障信号,能够得到振动信号位于不同频段的故障特征,接着对不同频段的故障特征频率做归一化处理,进而组成故障特征向量,最后将特征向量输入回声神经网络模型得到故障类型。该方法减小了传统的BP神经网络模型神经网络算法陷入局部最优解的风险,提高了网络的收敛速度。     

基于数控机床主轴电流的刀具磨损测试系统仿真

为研究机床刀具磨损和主轴电流的关系,建立以测功机模拟负载变化的测试系统。介绍系统的硬件组成,利用SIMULINK建立系统仿真模型,对该系统电机转子的三相电流、单相的RMS值、峰值进行仿真研究。仿真结果表明,该结果可以给机床刀具在线检测系统的优化提供有利的理论基础。     

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.     

基于MSP430单片机和神经网络的原油三相计量装置

研制基于MSP430单片机和神经网络的原油三相计量装置。该装置将单片机和人工神经网络技术相结合用于原油三相计量,首先应用MATLAB软件环境下专门BP神经网络工具箱学习训练原油三相计量样本点数据,得到原油三相计量的BP神经网络软件模型,然后综合单片机和人工神经网络技术,将该软件模型嵌入到MSP430单片机实现原油三相计量,计量值由LED显示电路显示。实验结果表明：该装置计量原油三相体积流量误差小于0．1m^3／s。该装置克服了传统仪器难以建立精确数学模型等缺点,可方便计量原油三相。     

基于CEEMD-BP神经网络大数据轴承故障诊断

基于BP神经网络的智能诊断方法,应用于离心泵的滚动轴承故障诊断中。将原信号经过CEEMD分解进行降噪处理,重构信号并求出时频域特征参数;选取合适的时域特征参数(峭度指标、峰值指数等)和频域特征参数(重心频率、均方频率等),作为BP神经网络的输入;确定网络层的数目、各层节点数目和初始权值大小,进一步明确诊断模型;对比实际输出值与理论输出,推导滚动轴承的故障状态。实践证明,由于BP神经网络在信号处理方面具有很强的数据拟合能力,这种方法在大数据滚动轴承故障诊断中取得良好应用效果。     

焊接质量在线监控方法探讨

焊接质量在线监测的主要研究方法。采集焊接过程中的电弧电压、焊接电流、电弧声以及电弧光等信号作为研究对象,通过时域、频域、时频分析,重点研究信号在不同变换域上的特点,提取能够表征焊接质量和焊接过程稳定性的特征向量,并对统计、函数、逻辑、模糊和神经网络等对焊接质量进行在线监控的方法进行了讨论。     

基于D-S证据理论的航空发动机状态评估研究

针对航空发动机状态监测数据的多参数性、不确定性和冲突性,将航空发动机作为研究对象,构建基于D-S证据理论的状态评估模型。将航空发动机的健康状态分类,选取关键监测参数建立了基于BP神经网络的评估模型,运用多源信息融合将多个证据进行合成得到航空发动机的健康状态评估结果。最后通过具体算例验证该方法的可行性,以达到改善航空安全水平的目的。     

基于深度学习理论的风力机结冰预警模型

基于深度学习理论,利用风电机组运行数据训练深度神经网络模型,用以表征信号与结冰状态之间复杂的映射关系。试验结果表明该模型实现了多工况、大样本下的结冰特征量提取与结冰状态的识别,具有较高的精度,为风电机组结冰状态的预测提供了新的思路。     

利用STM32片内A/D实现的同步电机数据采集控制器

同步电机数据采集控制器是利用基于Cortex-M3内核的STM32系列STM32F103ZE而设计的,信号采集是利用STM32F103ZE片内带有多路A/D的特点,采集了三相定子电压和三相定子电流以及同步电机励磁电压,通过软硬件设计,实现对同步电机的定子电压、定子电流及转子励磁电压波形进行实时采集并显示,从而实时监视电机的运行情况,并对运行情况进行保存、显示、上传的一种新型数据采集控制器。     

不同形貌微织构钛合金切削刀具性能比较研究

为了提升钛合金切削刀具的切削性能,设计了3种不同形貌的微织构刀具,并基于不同切削参数,利用有限元软件对钛合金切削过程进行模拟仿真。对比研究了钛合金切削过程中切削力、切削温度和刀具磨损等主要切削性能要素的变化规律。研究结果表明：在设定的切削参数下,微织构刀具的切削温度和刀具磨损均低于无织构刀具,但其切削力略高于无织构刀具。微织构刀具对切削温度和刀具磨损分布的影响优于无织构刀具。其中V形凹槽织构刀具(T-V)将切削温度降低了25%～37%,刀具磨损降低了27%～39%,综合评价表明其综合切削性能优于T-H,T-N和T-K 3种刀具。不同形貌的微织构刀具的研究可提升刀具的切削性能,为微织构刀具设计提供理论参考。     

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。     

土压平衡盾构机刀盘的修复

盾构机遭遇意外地质构造时,刀盘结构与刀具会出现破坏性的磨损,造成工期延误。依托武汉地铁过江隧道项目施工装备S509盾构机刀盘磨损的具体工程实例,对刀盘磨损情况进行检测评估并对刀盘结构修复、刀具更换等改造技术进行分析。     

基于振动与电流的感应电机轴承故障诊断系统

根据感应电机轴承故障振动信号与定子电流信号的特点,以LabVIEW为开发平台,设计一种基于振动信号和定子电流信号的多传感器融合电机轴承故障检测系统,实现电机运行过程中轴承振动与电流信号的同步在线检测。     

BP神经网络的钢管纤维混凝土柱疲劳破坏研究

为了预测钢管纤维混凝土柱极限强度,提出基于BP(Back Propagation,反向传播)神经网络预测的方法。将基于BP神经网络预测的结果与试验和数值计算结果对比分析,验证了基于BP神经网络的钢管纤维混凝土柱疲劳破坏点预测具有正确性和有效性。     

GA －BP 神经网络模型在地区工业技术创新能力评价中的应用

针对当前技术创新能力评价方法大多建立在线性模型的基础上,且技术创新能力影响因素较多,可能存在多重共线性的缺陷,本文提出了遗传算法优化的BP神经网络模型。GA－BP神经网络模型在以下几方面做出了改进：①利用了神经网络强大的非线性关系映射能力,避免了传统线性模型的缺陷。②利用遗传算法对评价指标进行了降维,去除了多重共线性。③使用遗传算法从全局搜寻BP神经网络权值和阀值向量,优化了BP神经网络模型,避免了BP神经网络由于使用梯度下降算法,容易陷入局部最优解的缺陷。本文最后选取2008～2013年全国31个省市规模以上工业企业技术创新能力124条数据作为训练样本,31条数据作为测试样本,分别测试遗传算法优化的BP神经网络和未优化的BP神经网络,测试结果显示遗传算法优化的BP神经网络模型预测准确率高于未优化的BP神经网络模型。     

基于局部线性嵌入的行星变速箱测点优化研究

为在某型行星变速箱齿轮故障诊断中选取最优测点的振动数据,提出一种动力学仿真与局部线性嵌入算法相结合的测点优化方法,并通过BP神经网络算法对部分优化选取测点的实测数据进行故障状态识别效果验证。在ADAMS中对行星变速箱刚柔耦合模型进行齿轮故障注入,初步选取测点,用局部线性嵌入算法进行测点优化;搭建行星变速箱试验台并采集实测振动数据,采用BP神经网络算法对各测点振动数据进行故障状态识别,得出实际测点故障状态识别的准确率以验证测点优化方法的有效性。结果表明,该方法能够有效选取最优测点,为行星变速箱故障诊断的测点选取提供了可靠依据。     

刀具磨损远程监测系统研究

刀具磨损远程监测是自动化加工、无人化加工的关键技术.因此,研究一种可靠的监测系统对于自动化加工的发展尤为重要.刀具磨损监测系统由软件和硬件组成,其中软件设计采用C#、Matlab和SQL SERVER等软件,包含了数据采集、远程监测、数据分析与保存,采集卡的参数设置,特征分析、模式识别等主要模块.开发远程监测系统的通用性软件对实现刀具磨损的可靠监测具有重要价值.     

使用电机电流信号分析（MCSA）对机械设备进行状态监测

电机电流信号分析(Motor Current Signature Analysis,缩写为MCSA)是监测电机驱动设备的一种有效手段。它是一种无干扰的检测方法,用于检测电机及其从动装置中出现的机械及电气异常,包括生产过程中条件的变化。 电机电流信号分析法所依据的原理是:普通电机在供应机器以动力的同时,随着机械负载的变化也必然会引起电流的变化,沿着电机的电源电缆传输。这种电流变化虽然比电机平均电流小得多,但在远离设备的位置也能可靠地、无干扰地采集到,经处理后作出状态信号显示。在整个过程中可给出设备性能下降或生产过程有变化的早期警告。 电机电流信号分析技术虽然是为了一项特殊任务——确定核电站安全系统中电机操纵阀(MOV)的老化和磨损带来的影响——而开发的,但目前已成功地应用在功率范围为0.03～1700HP的直流和交流电机驱动的各种形式的泵、风机、压缩机、粉碎机及空调系统中。     

修理锥形电机转子的一种简易方法

多年来,我们在检修行车的锥形电机时,经常遇到电机经长期运行后,由于压缩弹簧产生塑性变形、弹力减小,转子锥度磨损等原因,造成电机转子与定子配合的径向间隙发生变化,导致三相电流过大,严重时还会使电机转子、定子摩擦扫膛,如不及时处理,就会烧毁电机的绕组线圈。为了解决这一问题,我们采用在弹簧挡块与推力轴承之间增加垫圈的方法,使问题得到解决。经运行实际证明,效果良好。现将此方法简介如下。 (1)检查转子、定子的表面状态,清除异物,清洗轴承。(2)     

双伺服刀架系统频率可靠性及灵敏度分析

研究了共振问题对双伺服刀架系统可靠度的影响。利用有限元法建立了双伺服刀架参数化模型并对其进行模态分析;利用isight集成有限元分析软件进行试验设计,筛选出对刀架第一阶固有频率影响较大的参数并抽取出大量样本数据用于函数拟合;采用BP神经网络拟合样本数据中整机固有频率与参数的函数关系,从而建立双伺服刀架系统的频率可靠性极限状态方程;分别采用随机摄动法与Monte-Carlo法求解出双伺服刀架系统频率可靠度,两种方法的计算结果相对误差为0.16%,这表明采用BP神经网络构建的极限状态函数合理有效;分别采用随机摄动法与Monte-Carlo法求解出双伺服刀架系统在频率可靠度与各随机变量的灵敏度。研究结果表明,通过两种可靠度计算方法的对比得出采用BP神经网络构建的极限状态函数较为合理;通过分析可靠度对各随机变量的灵敏度可知刀盘密度、弹性模量和刀盘内座内径对刀架整机频率可靠度的影响较大,可以通过优化这些参数的方法来提高双伺服刀架频率可靠性。