共查询到18条相似文献,搜索用时 171 毫秒
1.
2.
针对目前故障诊断中难以获得大量故障数据样本的不足,提出球结构支持向量机故障分类算法,并运用其构成多故障分类器进行YB-6叶片泵的故障识别。试验表明该方法只需要少量的时域故障数据样本来训练分类器,不必进行信号预处理便可实现多故障的识别和诊断,在少样本情况下比BP神经网络具有故障分类能力强的优点。 相似文献
3.
4.
《煤矿机械》2021,(8)
旋转机械运行环境恶劣,振动信号易受外界干扰,因此实现振动状态的异常检测较为困难。神经网络技术能够从大量的振动数据中自动提取故障特征,相对于人工提取故障特征,工作量大为减少。结合长短时记忆(LSTM)网络对时间序列数据具有的超强感知与处理能力,提出一种用BP神经网络压缩输入数据维度从而提取故障特征、用LSTM网络进行异常检测的新方法。首先将实验台获取的振动数据划分为相同序列长度的数据样本并划分为不同的数据集,然后将数据样本进行预处理并搭建BP-LSTM网络,将建立的模型用于旋转机械振动信号异常检测。模拟仿真和实验结果表明:BP-LSTM网络模型对旋转机械运行状态的检测具有较高的精度和稳定性,该方法优于基于时域特征参数进行异常检测的支持向量机(SVM)、K近邻和LSTM等传统学习方法。 相似文献
5.
由于旋转设备故障数据样本存在不平衡性,导致传统的LSSVM无法对异常值样本正确分类,为了解决这一问题,首先采用LSSVM从训练集中提取错分样本及其分类的支持向量,再根据各类故障样本数量对惩罚因子进行加权,以减少样本数量不平衡对分类结果的影响;然后根据错分样本到本类边界支持向量的距离,对松弛系数设置不同的权值,使错分的异常值样本分类得以修正。通过煤矿风机故障数据集验证了该算法分类效果明显优于传统的LSSVM方法。它有效地消除了因故障样本数据不平衡、样本分布异常对分类器造成的影响,提高了设备故障诊断的正确率。 相似文献
6.
7.
基于节点优化的决策树支持向量机及在故障诊断中的应用 总被引:1,自引:1,他引:0
针对目前故障诊断中,难以获得大量的故障数据样本以及诊断知识获取困难等不足,提出了专门针对有限样本的新一代机器学习的算法—支持向量机(SVM),它在样本很少的情况下具有较好的泛化能力,比较适合解决故障诊断小样本情况的实际问题。在多故障诊断时,必须先进行多分类扩展.决策树是一种性能优秀的多分类扩展策略,但该方法的决策结果与结点的排部密切相关,结点的排部影响了诊断的正确率.提出一种根据故障数据的空间分布来优化结点排部的方法,它能够提高支持向量机诊断的正确率.采用该方法扩展的多分类支持向量机在故障诊断中获得良好效果. 相似文献
8.
诊断汽轮发电机组振动故障的一种Fuzzy聚类分析模型 总被引:4,自引:0,他引:4
首先运用基于传递闭包的模糊等价矩阵法对原始数据进行初始分类,得到了标准故障样本,然后将标准故障样本与待检样本一起作为分类样本,再用模糊ISODATA法求出最优分类矩阵和聚类中心,并依此来判断待检验样本的故障类型。实践证明,这种方法能够有效地诊断发电机组的振动故障。 相似文献
9.
研究了利用PNN进行旋转机械故障诊断和预报的方法。PNN是基于Parzen窗函数和Bayes分类规则的前向型自监督神经网络模型,具有强大的非线性处理能力,快速的收敛速度和准确的分类效果。以某旋转机械典型故障样本为例,给出了利用该模型进行诊断和预报的详细过程。理论分析和仿真实验结果表明,利用PNN进行旋转机械故障诊断和预报的方法可行、有效。 相似文献
10.
11.
12.
13.
机械设备在经过长时间运行或环境条件的改变之后,机器本身的性能参数会发生变化,这些变化导致故障征兆与故障原因间的隶属关系是模糊的,为此,将模糊理论方法引入到机械设备故障诊断中,提出了由加权统计法确定模糊隶属度的方法,建立了模糊诊断模型,并在计算机上实现了机械设备故障的模糊诊断。 相似文献
14.
15.
针对带式输送机齿轮箱故障信号成分复杂、故障识别难的问题,提出了基于自组织映射(SOM)网络的故障诊断方法。首先使用融入Shannon熵的小波降噪方法对齿轮箱振动信号进行预处理;然后利用齿轮箱不同状态的信号通过高斯混合分布模型对其参数使用最大期望算法进行估计,获得反映不同运行状态的特征向量;最后使用SOM网络对齿轮箱不同工况振动信号的特征进行分类识别,进而诊断出相应故障。结果表明:该方法可以有效地识别齿轮箱混合故障,总识别正确率达90%,其中有6种工况的识别正确率达100%。 相似文献
16.
旋转机械在运行复杂环境下振动信号复杂且有许多噪声,难以有效提取故障特征并准确诊断,为此提出一种人工蜂群优化变分模态分解(VMD)的机械故障诊断方法。首先采用人工蜂群算法优化VMD的参数,对振动信号进行变分模态分解,获得相应的本征模态函数分量;然后对各模态分量信号计算多尺度熵,构造故障特征向量;最后利用最小二乘支持向量机(LS-SVM)进行故障诊断。实验结果表明,该方法具有较高的准确率,准确率达到97.5%,可以满足旋转机械故障诊断的要求。 相似文献
17.
为解决内燃机故障诊断这一复杂问题,在ANSYS环境下,对6110型内燃机曲轴在正常工作状态和几种故障状态下进行瞬态动力学分析,得到曲轴的振动信号,对各信号进行相空间重构,并计算其关联维数,采用支持向量机(SVM)直接对关联维数进行分类,从而将配气机构的故障诊断转换为对曲轴振动信号关联维数的分类。研究结果表明:内燃机曲轴在不同工作状态下,振动信号的关联维数各不相同,将关联维数作为特征参数能够去除内燃机曲轴振动信号时域图中的冗余信息,突出故障类型,将关联维数与支持向量机相结合能够较好地解决内燃机故障诊断中的样本少、维数高等问题。 相似文献