基于PLC的BP神经网络在轴承故障诊断中的研究与应用

采用基于PLC的BP神经网络方法对滚动轴承进行故障检测,由于BP神经网络的小样本、非线性和自学习特点以及PLC的硬件支持,为高浓磨浆机滚动轴承的故障检测过程提供了可行性的依据.仿真结果表明,此方法具有高精度、可靠性和快速性等优点.     

基于GA-BP神经网络的多传感器轴承故障诊断

由于单一传感器采集滚动轴承的故障信息精度较低,提出基于GA-BP神经网络的多传感器信息融合方法。首先使用单一传感器采集其状态信息,并采用小波包分析提取轴承故障状态特征,然后采用遗传算法(GA)优化BP神经网络对单传感器进行滚动轴承故障诊断,接着运用DS证据理论把每一个诊断结果进行信息融合,最终得到诊断结果。仿真实验结果表明:该方法可提高滚动轴承故障诊断的精确度和效率。     

基于多层交叉残差网络的轴承故障诊断方法

重型机械设备系统朝着智能化和复合化方向快速发展。开发智能故障数据采集和监控方法,可以快速、智能化地完成设备故障诊断。提出了一种基于多层残差网络的轴承智能检测模型。该模型主要包含信号采集、故障特征分离和工况分类3个模块。该模型利用多层残差神经网络交叉提取轴承信号故障,使损失函数值可以迅速降低完成故障诊断。最后在凯斯西储大学滚动轴承数据集验证,准确率高达99.86%。仿真实验结果证明本模型可以有效分辨不同轴承工况,并值得进一步开发为在线实时诊断模型。     

基于RBF神经网络的水轮机故障诊断研究

基于RBF神经网络,提出使用RBF神经网络进行水轮机故障诊断,给出RBF神经网络模型及算法。对水轮机故障信号进行分析,并提取故障信号特征量,将故障信号特征向量作为学习样本,通过训练,使构造的RBF神经网络能够反映特征向量和故障类型之间的映射关系,从而达到故障诊断的目的。     

基于EEMD和模糊BP神经网络的滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳特征,提出一种基于总体经验模态分解(EEMD)和模糊BP神经网络的故障诊断方法。首先对滚动轴承的振动信号采用总体经验模态分解方法进行分解,得到若干个本征模态函数分量(IMF);然后提取各分量的均方差、峭度和能量,把这些特征参数作为学习集和训练集,将学习集输入到模糊BP神经网络中进行学习;最后把训练集输入到特征参数经过学习训练后的模糊BP神经网络中进行故障类型识别,并与BP神经网络进行比较。实验结果表明:所提方法能有效地应用于滚动轴承故障诊断,而且比BP神经网络具有更高的精确度。     

BP神经网络在滚动轴承故障诊断中的应用研究

介绍了BP神经网络基本原理,进行模拟实验,验证了BP神经网络可用于滚动轴承故障诊断,分析了BP神经网络在故障模式识别中的特点。     

基于BP神经网络的压风机故障诊断方法研究

针对压风机依赖人工操作、效率低、控制方式落后等问题,分析螺杆式压风机的常见故障类型和振动信号之间的关系,建立压风机的故障诊断模型,提出基于BP神经网络的压风机故障诊断方法,并利用Visual C#语言和Matlab软件开发了BLT-500型螺杆式压风机的在线故障诊断系统。     

远程故障诊断及其在气垫式流浆箱控制中的应用

在简要介绍故障诊断的基本原理和主要方法之后,给出了远程故障诊断的概念,以一五叠网气垫式流浆箱控制系统为例,设计了一种低成本的基于西门子S7-300 PLC的远程故障诊断系统,实际应用效果证明了该系统的有效性.     

电除尘器设备远程故障诊断技术的研究与实现

电除尘器设备故障诊断中目前存在着诸多问题，从电除尘器设备故障诊断技术的发展方向论述了电除尘器设备的远程故障检测诊断技术及其实现方法。     

工业色谱仪远程故障诊断报警数据传输的设计

介绍了工业色谱仪远程故障诊断系统的功能结构,利用socket通信技术实现了报警文件传输和服务器端接收并自动入库,设计了基于JSP的动态网页,可以在线实时查询故障信息以实现对远端仪器的监控。     

基于诊断用COMSOL模型的PEMFC故障诊断方法研究

基于COMSOL+Multiphysics 3.5平台建立了诊断用PEMFC二维分布参数模型。在所建立诊断用模型的基础上,进行了阴极欠气、膜干和水淹3种典型故障的嵌入研究。通过对比故障发生前后PEMFC内部相应物理量的变化,验证了故障嵌入的可行性。最后,应用小波分析故障诊断方法,对PEMFC端口电压信号进行相关的数字信号处理,识别了3种典型故障, 初步达到了故障诊断的目的,验证了利用模型发展相关诊断方法的有效性。     

一种远程诊断和维护的低成本方案

介绍基于西门子远程服务适配器TSAdapter的远程诊断和维护系统 ,该系统在某造纸厂应用表明 :它有结构简单、使用方便、低成本等特点。     

基于振动信号的深沟球轴承滚动体故障诊断研究

目前针对滚动轴承内、外圈故障的诊断方法较为有效,但难以诊断滚动体故障。针对这种情况,利用时域统计参数(有效值、峭度、脉冲因数、裕度因数)与Hilbert包络谱两种方法,对不同转速、负荷和故障程度情况下滚动体故障与正常状况的振动加速度数据进行比较分析,得出了滚动体故障难以诊断的原因,并给出了解决方法。     

基于CEEMD和谱峭度的轴承故障诊断

针对共振解调在滚动轴承故障诊断应用中带通滤波器参数选择困难的情况,提出一种互补总体平均经验模态分解方法(CEEMD)与谱峭度相结合的轴承故障诊断新方法。通过实际信号验证了该方法的可行性与准确性。