检索结果-南通市图书馆

基于模型的飞行器电源故障诊断与故障模式识别

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2005年第3期24卷 55-58,i006页

作者：代树武孙辉先中国科学院空间科学与应用研究中心北京100080

设计了基于模型的电源故障诊断原型。它由电源各器件的正常工作模型,故障模型,冲突求解模块,HS树生成和修剪模块,故障信息报告和故障模式识别模块等组成。利用电源系统正常工作模型,实现了故障定位隔离功能。论证了仅仅使用正常工作器... 详细信息

设计了基于模型的电源故障诊断原型。它由电源各器件的正常工作模型,故障模型,冲突求解模块,HS树生成和修剪模块,故障信息报告和故障模式识别模块等组成。利用电源系统正常工作模型,实现了故障定位隔离功能。论证了仅仅使用正常工作器件就可以推理出诊断解中各个故障器件的参数值,将这些参数和故障模型相比较,能够识别故障模式。诊断结果表明本文能有效地进行故障定位并能识别故障模式。

关键词：故障诊断基于模型故障模式识别飞行器工作模型故障模型故障定位冲突求解识别模块故障信息电源系统器件参数值

基于谐波小波包和BP神经网络的滚动轴承声发射故障模式识别技术

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2010年第10期29卷 162-165页

作者：赵元喜胥永刚高立新崔玲丽北京工业大学北京市先进制造技术重点实验室北京100124

由于滚动轴承声发射信号在各频段的能量分布与轴承的故障类型相关,可以利用谐波小波包将不同故障滚动轴承的声发射信号分解到不同频段,进而将各频段的能量组成特征向量输入BP神经网络,通过神经网络判别滚动轴承的故障类型。利用神经网... 详细信息

由于滚动轴承声发射信号在各频段的能量分布与轴承的故障类型相关,可以利用谐波小波包将不同故障滚动轴承的声发射信号分解到不同频段,进而将各频段的能量组成特征向量输入BP神经网络,通过神经网络判别滚动轴承的故障类型。利用神经网络对滚动轴承进行故障识别时,对谐波小波包和Daubechies小波包进行了比较。实验结果表明对于滚动轴承声发射信号的故障模式识别,将谐波小波包分解和BP神经网络相结合的方法可以获得良好的效果。

关键词：滚动轴承声发射谐波小波包神经网络故障模式识别

基于频域数据注意力机制的核电厂水泵故障模式识别模型研究

在线全文

学校读者我要写书评

暂无评论

核动力工程 2021年第6期42卷 203-208页

作者：刘子铭罗能艾琼成都信息工程大学成都610225 中国核动力研究设计院成都610213

针对核电厂水泵共性的异常振动、转子部件摩擦与磨损等故障模式,利用水泵最容易获取的泵壳加速度信号的频域数据为输入,提出了一种结合卷积神经网络和注意力网络的频域数据注意力机制方法,并建立了核电厂水泵故障模式识别模型。研究结... 详细信息

针对核电厂水泵共性的异常振动、转子部件摩擦与磨损等故障模式,利用水泵最容易获取的泵壳加速度信号的频域数据为输入,提出了一种结合卷积神经网络和注意力网络的频域数据注意力机制方法,并建立了核电厂水泵故障模式识别模型。研究结果表明:相对于传统方法,利用频域数据作为输入、基于频域数据注意力网络算法建立的水泵故障模式识别模型输入的数据长度更短,能够有效提升模型训练的效率,该故障模式识别模型在测试集上的故障模式识别准确率达到100%,优于其他基于深度学习算法建立的故障诊断模型,证明了本文提出方法的优势。

关键词：核电厂水泵频域数据注意力机制故障模式识别

电动汽车PMSM退磁故障诊断及故障模式识别

在线全文

学校读者我要写书评

暂无评论

电工技术学报 2017年第5期32卷 1-8页

作者：李红梅陈涛合肥工业大学电气与自动化工程学院合肥230009

电动汽车永磁同步电动机(PMSM)驱动系统受其功率密度、控制方式以及运行环境的影响,易出现永磁体局部退磁或均匀退磁故障,为了实现电动汽车PMSM驱动系统的安全可靠运行,PMSM退磁故障诊断与故障模式识别已成为亟需解决的关键技术问题之... 详细信息

电动汽车永磁同步电动机(PMSM)驱动系统受其功率密度、控制方式以及运行环境的影响,易出现永磁体局部退磁或均匀退磁故障,为了实现电动汽车PMSM驱动系统的安全可靠运行,PMSM退磁故障诊断与故障模式识别已成为亟需解决的关键技术问题之一。首先提出采用代数辨识法实现永磁体磁链的在线辨识,将辨识结果作为退磁故障定性诊断的依据;在此基础上,采用基于希尔伯特黄变换的定子电流瞬时频率分析方法,实现车用工况下局部退磁故障非平稳特征信号的有效提取。最后,通过系统仿真研究和实验研究证实建议的永磁体退磁故障诊断及故障模式识别的一体化解决方案能够在测量噪声和车用工况约束下,通过永磁体磁链的在线准确辨识及局部退磁非平稳微弱故障特征信号的有效提取,实现永磁体退磁故障的在线准确诊断及故障模式的有效识别。

关键词：电动汽车永磁同步电动机驱动系统代数辨识法希尔伯特黄变换退磁故障诊断故障模式识别

基于数学形态学分段分形维数的电机滚动轴承故障模式识别

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2013年第19期32卷 28-31,92页

作者：王冰李洪儒许葆华军械工程学院石家庄050003

电机轴承是旋转机械中应用最广且最易损坏的机械零件之一,分形维数可以有效地描述滚动轴承振动信号的复杂性和不规则性。基于数学形态学的分形维数具有计算速度快,估计准确的特点,可以正确地区分滚动轴承系统的状态和判断轴承系统的故... 详细信息

电机轴承是旋转机械中应用最广且最易损坏的机械零件之一,分形维数可以有效地描述滚动轴承振动信号的复杂性和不规则性。基于数学形态学的分形维数具有计算速度快,估计准确的特点,可以正确地区分滚动轴承系统的状态和判断轴承系统的故障行为。阐述了基于数学形态学的分形维数计算方法,针对扁平结构元素长度的选取缺乏指导性的问题,提出一种基于数学形态学的分段分形维数计算方法,运用该方法对电机轴承实测信号进行分析,结果表明,该方法在一定程度上提高了分形维数计算的科学性和精确性,在电机轴承故障模式识别领域是行之有效的。

关键词：分段分形维数数学形态学电机轴承故障模式识别

基于LPP与VPMCD的液压泵故障模式识别

在线全文

学校读者我要写书评

暂无评论

中国机械工程 2015年第24期26卷 3327-3335页

作者：王余奎李洪儒许葆华军械工程学院石家庄050003

针对液压泵振动信号复杂且难以提取有效特征量的问题,提出一种基于局部保留投影(LPP)算法的故障特征提取方法。采用集总经验模态分解(EEMD)法对液压泵振动信号进行分解,从得到的内禀模态分量(IMF)中选取敏感分量,对敏感分量进行分析并... 详细信息

针对液压泵振动信号复杂且难以提取有效特征量的问题,提出一种基于局部保留投影(LPP)算法的故障特征提取方法。采用集总经验模态分解(EEMD)法对液压泵振动信号进行分解,从得到的内禀模态分量(IMF)中选取敏感分量,对敏感分量进行分析并从中提取液压泵故障高维特征向量,利用局部保留投影法对高维特征向量进行融合降维,提取隐藏在高维特征空间中的故障本质信息,即敏感特征向量。基于变量预测模型的模式识别(VPMCD)算法实现模式识别的良好性能,提出采用VPMCD算法实现液压泵故障模式识别。基于提取的敏感特征集,建立各状态敏感特征的变量预测模型,进而实现液压泵的故障识别,实测液压泵振动信号分析结果验证了所提出液压泵故障模式识别方法的有效性。通过对比分析验证了所提出方法的良好性能。

关键词：液压泵故障模式识别局部保留投影法基于变量预测模型的模式识别

基于融合知识迁移网络的变工况轴承故障模式识别

在线全文

学校读者我要写书评

暂无评论

机械设计与制造 2024年第10期404卷 97-104页

作者：马琰贺宗平无锡工艺职业技术学院信息中心江苏宜兴214200 南京审计大学信息化办公室江苏南京211815

针对基于迁移学习的故障诊断方法无法充分利用目标域数据,并且要求运行条件平稳,提出了一种基于融合知识迁移网络的变工况轴承故障模式识别方法。将输入瞬时转速作为工况信息输入到稀疏自动编码器中,从而充分利用目标域信息,使操作信息... 详细信息

针对基于迁移学习的故障诊断方法无法充分利用目标域数据,并且要求运行条件平稳,提出了一种基于融合知识迁移网络的变工况轴承故障模式识别方法。将输入瞬时转速作为工况信息输入到稀疏自动编码器中,从而充分利用目标域信息,使操作信息不必只利用局部振动数据集,而可以将整个操作信息纳入模型进行训练,并且通过模型训练大大降低了学习过程中负迁移的风险。然后利用深度卷积神经网络从原始振动中提取特征,通过两种知识迁移模型的结合,建立了融合知识迁移模型。最后,在滚动轴承实验测试台上的实验结果验证了该方法能够在变工况条件下实现有效的故障识别。

关键词：滚动轴承迁移学习故障模式识别稀疏自动编码器

EFC-RBF神经网络算法研究与故障模式识别

在线全文

学校读者我要写书评

暂无评论

云南大学学报（自然科学版） 2009年第S2期31卷 182-186页

作者：朱存倪远平昆明理工大学信息工程与自动化学院云南昆明650051

对径向基函数(RBF)神经网络进行了理论分析,采用基于熵的模糊聚类(EFC)算法确定径向基神经网络的隐含层中心矢量,形成了EFC-RBF神经网络算法,并尝试将该算法用于变压器故障模式识别.仿真实验表明:EFC-RBF神经网络算法的训练过程比反向传... 详细信息

对径向基函数(RBF)神经网络进行了理论分析,采用基于熵的模糊聚类(EFC)算法确定径向基神经网络的隐含层中心矢量,形成了EFC-RBF神经网络算法,并尝试将该算法用于变压器故障模式识别.仿真实验表明:EFC-RBF神经网络算法的训练过程比反向传播(BP)神经网络表现更优,实际故障数据验证其能够进行变压器故障模式识别,具有故障诊断的有效性.

关键词：径向基函数神经网络变压器故障模式识别熵模糊聚类

基于HMM-SVR的船舶动力设备故障模式识别与状态预测研究

在线全文

学校读者我要写书评

暂无评论

船舶工程 2018年第3期40卷 68-72,97页

作者：杨奕飞冯静江苏科技大学电子信息学院江苏镇江212003 南京理工大学自动化学院南京210094

船舶动力设备因故障监测信号样本少、变化缓慢且数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。鉴于此,文章研究了基于隐马尔科夫模型的故障模式识别方法,利用该模型将微弱变化的信号特征转换为变化较大的对数似然概... 详细信息

船舶动力设备因故障监测信号样本少、变化缓慢且数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。鉴于此,文章研究了基于隐马尔科夫模型的故障模式识别方法,利用该模型将微弱变化的信号特征转换为变化较大的对数似然概率对故障模式实现有效识别。在此基础上进一步提出基于HMM-SVR的设备状态预测模型,将遗传算法用于支持向量回归模型参数寻优,并结合隐马尔科夫模型,实现对设备状态的预测。对船用柴油机进行仿真,结果表明上述模型具有较高的识别率,能准确预测船舶动力设备的当前状态。

关键词：船舶动力设备隐马尔科夫模型支持向量回归模型遗传算法故障模式识别状态预测