基于全信息小波包和支持向量机的旋转机械故障诊断

针对传统旋转机械单通道故障诊断的信息不完整以及缺少故障样本等问题,提出了基于全信息小波包和支持向量机的旋转机械故障诊断方法.运用小波包频道能量分解技术提取了全信息能量特征向量,以此作为支持向量机多故障分类器的故障样本,经训练的分类器作为故障智能分类器可对设备工作状态进行自动识别和诊断.实验研究表明:基于全信息小波包和支持向量机的故障诊断方法能准确、有效地对旋转机械的工作状态和故障类型进行分类,显著提高了故障诊断的准确率.     

旋转机械的自组织映射神经网络故障分类方法研究

旋转机械广泛应用于工业生产中，对旋转机械的故障诊断方法很多，本文根据自组织映射神经网络原理，应用故障诊断的标准样本进行神经网络的训练，并通过实验的方法给出自组织映射神经网络对故障分类的方法。     

汽轮发电机组并发故障的诊断

经较成熟的ＢＰ神经网络为基础，论述了神经网络技术在旋转机械故障诊断中的应用问题，提出了用并行ＢＰ网络解决并发故障分类问题的方法，并采用自适应经和绝对误差等距离逼近法改善ＢＰ网络的学习性能，最后以振动频谱为特征，就汽轮发电机组机械中常见的２０种故障模式的分类和训练学习进行了仿真试验和分析。     

基于小波包能量特征向量神经网络的旋转机械故障诊断

为精确诊断旋转机械的故障,提出一种基于小波包特征向量的神经网络故障诊断方法。用转子台信号模拟旋转机械故障,并对采集到的信号进行3层小波包分解,构造小波包特征向量,并以此为故障样本对3层BP网络进行训练,实现智能化故障诊断。实验结果表明训练好的神经网络能够很好地诊断出转子台故障类型,为旋转机械的故障诊断提供了新方向。     

大型旋转机械不对中故障研究及分析

旋转机械运行工况复杂,转子出现不对中后,引起设备的振动、联轴器的偏转、轴承的磨损和油膜失稳、转轴的挠曲变形等,危害极大.通过整理总结大型旋转机械不对中故障案例,归纳分析了不对中原因、振动特征.根据分析结果,总结提出了不对中故障诊断的依据和预防不对中故障的措施,为大型旋转机械安全运行提供技术参考与借鉴.     

转子早期碰摩故障特征的小波包分析

针对旋转机械碰摩故障的特征,运用电涡流传感器和虚拟仪器检测和诊断转子的碰摩故障.分析了转子碰摩振动信号的时域波形特征、碰摩振动时的轴心运动轨迹特征,提出了应用小波包分解、重构技术进行消噪处理,实验分析结果表明该方法可以有效地提高故障诊断的准确性.这对转子碰摩故障诊断具有重要的理论和现实意义.     

基于因子隐Markov模型的旋转机械故障诊断方法的研究

针对旋转机械升降速过程非平稳、重复再现性不佳的特点，隐Markov模型具有很强的针对性。因子隐Markov模型是一种多链隐Markov模型，它是隐Markov模型的一种扩展形式。作者将因子隐Markov模型引入到旋转机械升降速过程的故障诊断中，提出了基于因子隐Markov模型的旋转机械故障诊断方法，并且利用它成功地对旋转机械的故障进行了分类。实验结果表明：该方法是有效的。图4表2参8     

基于粗糙集理论的旋转机械故障诊断方法

粗糙集理论是一种新的数据分析和处理方法，使用粗糙集理论可以对决策表进行简化，去除冗余属性。该文针对旋转机械故障诊断问题，计算旋转机械振动故障数据库中的频域征兆，使用粗糙集理论对其进行约简，根据约简的结果生成规则。利用得到的规则对故障样例进行诊断。结果表明：使用粗糙集理论可以在保留分类能力不变的前提下，去掉诊断中的不重要的要素，保留重要的要素，从而可以简化对诊断信息的需求。对故障样例的诊断结果也表明：得到的规则基本上是可信的。表5参8     

嵌入式旋转机械状态监测系统的设计与研究

旋转机械状态监测对旋转设备运行安全,降低设备维修费用,提高设备利用率有重大意义。介绍了一种基于ARM的嵌入式监测装置,通过该装置实现对旋转机械的在线监测。同时,为建立旋转机械的故障诊断和维护系统奠定了基础。     

谐小波模糊神经网络应用于旋转机械的故障诊断

根据旋转机械复杂的故障特点，提出了结合谐小波分析、模糊理论和神经网络形成的谐小波模糊神经网络方法，并将其应用于旋转机械的故障诊断，实现了模糊故障诊断。通过计算机实现了全部算法。仿真和试验的结果表明：谐小波模糊神经网络在处理多故障耦合的情况时优势明显，故障诊断正确率高，证明该方法行之有效，为旋转机械的故障诊断提供了理论支持和新方法。图2表3参7