-
基于机器学习算法的煤矿汽车机械设备故障诊断模型
来源:能源与环保 发布日期:2021-10-25
研究基于机器学习算法的煤矿汽车机械设备故障诊断模型,提升故障诊断抗干扰能力,有效保障煤矿汽车机械设备安全稳定运行。采用判别结构描述功能较强、拥有全局资源描述功能的、基于低秩鉴别投影的特征提取算法,提取衡量煤矿汽车机械设备故障时域特征和时频特征的最优投影矩阵的列向量;设计了墨西哥草帽函数改进ART神经网络学习算法,并逐渐削弱幂函数,改善收敛、聚类效果,将最优投影矩阵的列向量作为改进ART神经网络的输
-
船舶机械轴系中间轴承冲击故障诊断研究
来源:舰船科学技术 发布日期:2021-10-23
传统的船舶轴承故障诊断在提取故障信号时噪声过大,导致故障诊断结果不准确,设计新的船舶机械轴系中间轴承冲击故障诊断方法。计算船舶机械轴系中间轴承冲击力,通过水体连续方程提取波浪载荷力学特征,建立轴承冲击故障诊断模型。实验结果显示,在内圈故障的信号提取时,3种方法的噪声分别为7.8 d B,8.3 d B,8.2 dB,外圈故障信号提取的噪声分别为8.1 dB,8.5 dB,8.4 dB,由数据可知该
-
基于深度Q学习策略的旋转机械故障诊断方法研究
来源:机电工程 发布日期:2021-10-20
传统的旋转机械故障诊断方法需要人工提取故障特征,且该方法受环境噪声的影响较大,针对这一问题,提出了一种基于深度Q网络强化学习的旋转机械故障诊断模型。首先,以一维故障信号作为模型的输入,以各故障的故障类型作为当前输入的可选动作;然后,采用基于统计的随机置零方法以提高模型的抗噪能力,再通过深度学习网络,有效提取了各故障的故障特征,拟合了当前状态动作对的Q值,并采用深度Q学习模型完成了对各个故障类型的识
-
荣威纯电动汽车E50高压互锁工作原理与故障分析
来源:汽车电器 发布日期:2021-10-20
以荣威纯电动汽车E50的高压互锁维修案例为例,介绍高压互锁的定义、作用、分类和工作原理,分析荣威E50高压互锁电路并给出故障诊断的思路和方法。
-
化工机械的故障诊断与控制
来源:能源技术与管理 发布日期:2021-10-18
随着社会经济的不断发展,化工行业的安全性日益重要。在化工生产过程中,如果化工机械设备发生故障,引发事故,将会给企业和社会带来严重的经济、人身损失,所以保障化工机械的安全性至关重要。介绍了目前化工机械诊断和控制工作中存在的问题,对化工机械故障类型和如何进行机械设备故障诊断进行了分析,进而从设备安装、维护保养、强化人的责任心和完善作业环境、引进新的技术等方面,提出了化工机械故障控制的对策措施。
-
化工机械的故障诊断与控制
来源:能源技术与管理 发布日期:2021-10-18
随着社会经济的不断发展,化工行业的安全性日益重要。在化工生产过程中,如果化工机械设备发生故障,引发事故,将会给企业和社会带来严重的经济、人身损失,所以保障化工机械的安全性至关重要。介绍了目前化工机械诊断和控制工作中存在的问题,对化工机械故障类型和如何进行机械设备故障诊断进行了分析,进而从设备安装、维护保养、强化人的责任心和完善作业环境、引进新的技术等方面,提出了化工机械故障控制的对策措施。
-
电动汽车方向盘抖动问题诊断与优化分析
来源:噪声与振动控制 发布日期:2021-10-18
针对纯电动车在沥青路上匀速20 km/h行驶方向盘抖动问题,分析方向盘抖动产生机理和影响因素,通过针对性的试验测试,分析传递特性和抖动响应特征,根据诊断分析思路和工程经验快速锁定引起抖动的激励源范围。根据橡胶垫刚度经验公式分析结果,降低衬套橡胶刚度,提升隔振性能且降低后扭力梁刚体模态频率,避免与方向盘系统发生模态耦合。通过优化衬套的对比试验分析,高效地确定可工程化的优化整改方案,有效解决方向盘抖动
-
基于声学指纹分析的高压断路器机械故障诊断方法
来源:高压电器 发布日期:2021-10-16
断路器分合闸过程产生的声音信号中含有丰富的信息,文中提出一种基于声学指纹的高压断路器机械故障诊断方法。搭建了声学指纹故障模拟试验实验平台,对某252 kV高压断路器分合闸试验采集声音信号;然后分别基于短时能量、总能量、信息熵和小波包分解等方法分析声学指纹信号并提取特征量,克服了单一类型特征值难以区分故障的问题。结果表明:多种特征量联合分析可实现对高压断路器不同工况的有效辨识,得到了基于声学指纹的高
-
基于非参数检验的高压断路器机械故障声信号特征值提取方法
来源:高压电器 发布日期:2021-10-16
基于非参数检验的声信号时域特征识别是一种高识别率、小时间开销的高压断路器机械故障诊断方法,但也有无效区间长、特征测量值和检验方法有待优化等问题。对于高压断路器机械故障声信号,根据非参数检验的效果剔除低效区段;利用散布矩阵对比特征测量值的分类能力;搭建高压断路器机械故障试验平台,对采集到的声信号分别进行4种非参数检验,选取特征值并进行机器学习。声信号的纯噪音部分和余震部分被剔除,从而得到有效时域区段
-
浅析LMD和支持向量机在旋转机械故障诊断中的应用
来源:南方农机 发布日期:2021-10-15
旋转机械长期处于连续运转状态,很容易发生故障。而其一旦出现故障,不仅会影响企业生产的经济效益,甚至还会引发重大事故。因此,对旋转机械进行状态检测及故障诊断有着重要现实意义。课题组提出了一种基于LMD和支持向量机相结合的故障诊断方法。这一方法首先运用LMD信号处理方法进行故障特征提取,然后采用支持向量机对提取的特征进行状态识别、分类。课题组以滚动轴承为例,阐述了基于LMD和支持向量机的旋转机械故障诊
027-87841330