-
EWT与GS-SVM在断路器机械故障诊断中的应用
来源:哈尔滨工程大学学报 发布日期:2018-04-24
针对高压断路器故障诊断中振动信号识别的难点,提出了经验小波变换与支持向量机相结合的故障诊断方法,并在k折交叉验证(k-fold cross-validation,k-CV)思想下采用网格搜索寻找SVM分类器的最优内部参数。首先通过EWT将原始多分量振动信号分解得到一组单分量的固有模态函数(intrinsic modal functions,IMF),然后结合希尔伯特变换与信息熵理论计算信号的特征熵
-
深度学习模式识别法及其在旋转机械故障诊断中的应用
来源:湖南大学 发布日期:2018-04-23
旋转机械的故障诊断就是一个模式识别的过程,模式识别又可以分聚类和分类,常用的分类算法有人工神经网络(Artificial neural network,ANN)、支持向量机(Support Vector Machine,SVM)等,常用的聚类算法有K-means算法、DBSCAN(Density-Based Spatial Clustering of Applications with Noise
-
基于模型的汽车主动悬架故障诊断研究
来源:湖南大学 发布日期:2018-04-23
随着人们对车辆的安全性和舒适性的要求不断提高,悬架的结构形式一直在不断的革新和完善以满足现代汽车对悬架提出的各种性能要求。主动悬架系统因其舒适性得到广泛关注和应用。但由于主动悬架系统结构较为复杂,其出现故障出现的几率和频率要远远高于传统悬架系统。为了提高主动悬架系统的安全性,需要采用故障检测与诊断方法对主动悬架进行实时监控。本文针对主动悬架系统的执行器的卡死和性能衰减故障设计了基于观测器的故障诊断
-
基于深度学习理论的旋转机械故障诊断方法
来源:湖南大学 发布日期:2018-04-20
传统的智能诊断方法一般都是基于“特征提取+分类器”模型,其核心在于特征值的提取以及分类器的设计。针对不同的诊断对象,通常需要根据先验知识提取不同的故障特征值,这必将给最终的诊断结果带来诊断误差;与此同时,传统的分类器一般使用浅层模型,这使得其难以表征信号与装备运行状况之间复杂的映射关系。在这种背景下,HINTON等提出了深度学习(Deep Learning)概念。相对于传统人工智能诊断方法建立的浅
-
变分模态分解方法在旋转机械故障诊断中的应用
来源:湖南大学 发布日期:2018-04-20
旋转机械是机械设备中十分关键的动力装置。旋转机械一旦出现故障,整条线上设备可能停止运行,更严重时会危及人员的生命安全以及面临着严重的经济损失。因此,开展旋转机械故障诊断以及趋势研究具有重要意义。齿轮故障诊断的关键在于提取故障特征信息,而这需要选择合适的信号分解方法,目前常用的信号分解方法有经验模态分解(Empirical Mode Decomposition,EMD)和局部均值分解(Local M
-
运用EMD能量比和GA-BP网络诊断旋转机械故障
来源:噪声与振动控制 发布日期:2018-04-18
针对旋转机械故障识别问题,提出一种基于EMD能量比和遗传算法优化(Genetic algorithm,GA)BP网络的故障识别方法,该方法综合EMD方法对非线性信号所具有良好的自适应性和GA-BP网络所具有的全局优化权值的特点,首先对振动信号进行EMD分解,获得各个IMF分量并提取振动信号的能量比特征向量;然后将特征向量输入GA-BP网络进行故障类型识别,并且与传统BP网络对比。结果表明,该方法能
-
基于核极限学习机的旋转机械故障诊断方法
来源:噪声与振动控制 发布日期:2018-04-18
传统的旋转机械故障诊断存在需人工干预、诊断精度低等问题。为更好诊断旋转机械故障,提出基于核极限学习机的旋转机械故障诊断方法。首先在正常状态和转子不平衡、转子不对中、轴承座松动3种故障状态下采集旋转机械的振动信号,降噪后提取各频段小波能量作为故障特征,以此为基础建立基于核极限学习机的旋转机械故障诊断模型。在旋转机械故障模拟实验台上进行的应用实验表明,KELM方法比ELM有更高的稳定性,KELM的故障
-
《汽车故障诊断》课堂的思考与探索
来源:汽车维护与修理 发布日期:2018-04-15
《汽车故障诊断》是汽车维修专业的核心课程,从目前《汽车故障诊断》课堂教学的现状来看并不乐观,存在学生的学习兴趣低下,教学方法过于死板,理论与实训结合不足等问题,在一定程度上影响了中职汽修专业课堂教学的效果。如何让《汽车故障诊断》课堂真正活起来,提高学生对《汽车故障诊断》学习的兴趣,是《汽车故障诊断》教学改革的首要问题。对此,本文分析了中职《汽车故障诊断》课堂教学存在的问题,并提出了相应的解决办法。
-
基于VMD与Hilbert谱的旋转机械碰摩故障诊断方法
来源:振动.测试与诊断 发布日期:2018-04-15
为了有效地诊断旋转机械中的碰摩故障,提出了基于变分模态分解(variational mode decomposition,简称VMD)与Hilbert谱分析的故障诊断方法。首先,利用VMD将碰摩故障信号自适应地分解为若干个不同频率段的本征模态函数(intrinsic mode function,简称IMF),并与集合经验模态分解(ensemble empirical mode dcompositi
-
旋转机械故障诊断研究方法综述
来源:机床与液压 发布日期:2018-04-15
随着旋转机械结构越来越复杂,旋转机械需要承受着长时间的工作,发生故障的可能性增大及故障出现形式趋向于复杂化。因此,对旋转机械故障诊断提出更高的要求。本文作者分析了旋转机械故障诊断国内外研究现状及其研究方法,分析有量纲指标和量纲一指标在其上的运用。展望旋转机械故障诊断的研究方向和待解决的问题。
027-87841330