共查询到19条相似文献,搜索用时 76 毫秒
1.
贝叶斯网络是概率统计学的重要分支,具有强大的不确定性问题处理能力,适用于复杂系统的故障诊断。风力发电机系统维护成本较高,为减少维修成本,需要进行准确的故障定位;文章对基于贝叶斯网络的故障诊断方法进行了研究,介绍了贝叶斯网络故障诊断模型的建立过程,并着重介绍了诊断算法推导和计算过程;利用历史故障统计数据建立了风力发电机系统贝叶斯网络Matlab模型,主要包括网络结构有向无环图和条件概率分布参数等内容;最后,模拟了两种故障,分别采用贝叶斯网络方法和相关性矩阵方法进行故障诊断,通过对两种方法诊断结果的比较,前者具有更好的故障分辨率,可有力支持复杂系统的维护保障、降低维修成本。 相似文献
3.
由于风力发电机振动信号中掺杂大量声音信号,信号频带受到噪声干扰,致使风力发电机故障诊断效果不佳。为此,提出基于声振信号分离提纯的风力发电机在线故障诊断方法。分析导致风力发电机组声振信号干扰的因素。采用经验模态,将初始风力发电机在线故障信号分解成高频分量与低频分量两部分。采用小波阈值算法去除高频分量的噪声,并与低频分量作重构处理,得出风力发电机的实际故障振动信号。建立反向传播(BP)神经网络训练模型,使用粒子群优化算法得出该网络最佳的权值矩阵与偏置向量,并凭借网络训练算法诊断出故障数据的位置与类型。试验结果表明,所提方法在线故障诊断精度高,并能保证其训练效率与收敛速度,具有较高的实用价值。 相似文献
4.
5.
根据双馈风力发电机的工作原理和常见故障类型,对其故障诊断难点及常见的故障监测处置方法进行研究,并基于多源信息融合技术建立了风力发电机故障诊断系统,该系统通过加权融合振动信号、电流信号及温度信号,对机组的故障监测及处置工作提供更精确的指导,基于该故障诊断系统还进行了仿真应用研究,实现了故障的快速诊断和处置,具有较好的应用... 相似文献
6.
由于双馈风力发电机(DFIG)的装机地点环境恶劣,DFIG电刷滑环的电弧故障时常发生。鉴于电弧故障严重影响电力设备的稳定运行,提出了一种基于长短期记忆-卷积神经网络(LSTM-CNN)的DFIG电刷滑环故障电弧检测模型。首先,分析了DFIG中电刷滑环产生故障电弧的原因。然后,以电流、电压和磁环三种信号作为输入,滤波后构建基于LSTM-CNN的故障电弧检测模型。最后,搭建滑环装置诊断实验平台,在神经网络结构含有相同层数的情况下,用相同的实验数据训练LSTM神经网络、CNN和LSTM-CNN。实验结果表明,基于LSTM-CNN的故障电弧检测模型的精确率和召回率均保持在99%以上。相较于单一的LSTM神经网络模型和CNN模型,所提出的模型对故障电弧的检测准确率提高了4%以上,具有较强的工程实践意义。 相似文献
7.
为提高制冷系统故障诊断的准确率,提出一种基于改进引力搜索算法(IGSA)优化的最小二乘支持向量机(LSSVM)的制冷系统故障诊断方法。首先,引入粒子群算法的速度更新机制对引力搜索算法进行改进,增加粒子的记忆性和信息共享能力,提高了算法的收敛速度和搜索精度;其次,利用IGSA对LSSVM的核参数与正则化参数进行优化,得到最优的IGSA-LSSVM故障诊断模型。最后,利用故障模拟实验台模拟制冷系统的四种典型故障,将优化好的LSSVM模型对其进行分类识别,并与标准LSSVM、GSA-LSSVM和PSO-LSSVM模型进行比较。仿真结果表明,基于IGSA优化的LSSVM方法具有良好的辨识能力和泛化能力,能够更好地对制冷系统故障进行诊断。 相似文献
8.
为研究风力发电机组齿轮箱的故障特性,提高其工作的可靠性,提出采用小波神经网络对齿轮箱的故障进行诊断的方案。该方案采用小波包分析与径向基函数(RBF)神经网络相结合组成小波神经网络,以准确地识别风力发电机组中齿轮箱常见的故障。诊断结果证明了方案的可行性。该方案在风力发电机组齿轮箱故障诊断领域具有良好的实用前景。 相似文献
9.
10.
针对基于SVM的模拟电路故障诊断中诊断参数的调节是通过试凑法或按照全局最优的原则确定的,没有考虑实际诊断要求,无法进行各诊断环节参数同时调整优化的现状。提出一种适应度模型用于遗传算法参数寻优,把实际电路诊断要求量化成参数指标引入模拟电路故障诊断的优劣评估中;建立了基于遗传算法的电路诊断模型参数闭环寻优框架,对诊断系统的各部分参数优化进行整体度量,并分析了参数搜索算法的收敛性。通过实例诊断分析了闭环故障诊断参数寻优框架下各部分的参数制定对决策的影响,说明了建立的闭环故障诊断模型参数寻优框架和搜索算法的有效性和实用性。 相似文献
11.
12.
基于粒子群算法和支持向量机的故障诊断研究 总被引:7,自引:1,他引:7
支持向量机是采用结构风险最小化原则代替传统统计学中的基于大样本的经验风险最小化原则的新型机器学习方法,具有出色的学习分类能力和推广能力,广泛地应用于模式识别和函数拟合中;支持向量机中核函数的参数选择非常重要,它决定着故障诊断的精确度;为了提高电气设备故障诊断的精度和效率,将粒子群优化算法和最小二乘支持向量机相结合,提出了一种基于粒子群支持向量机的故障诊断方法,能够实现对核函数的σ参数进行快速动态选取,提高故障诊断的准确率和效率;实验表明,该方法能够有效地找出合适的核参数,并能取得较好的分类效果。 相似文献
13.
针对舰员对装备维修能力不足的情况,论文提出了一种能够应用于便携式故障诊断仪中的故障树诊断算法.首先通过对混沌自适应粒子群算法的参数选择进行优化,使粒子能够在全局范围内进行搜索,克服了其易陷入局部最优的缺点,其次将其应用于故障树诊断算法中,并通过仿真试验证明了该方法的有效性. 相似文献
14.
15.
孙瑶琴 《计算机测量与控制》2017,25(3):48-50, 54
支持向量机(SVM)作为当前新型的机器学习方式,凭借解决小样本问题、高维问题和局部极值问题等方面的优越性,在当前故障诊断方面有突出的表现;文章根据对支持向量机的研究,发现其在分类模型参数选择上存在困难,为此,提出利用改进粒子群算法优化的办法,解决粒子群前期收敛速度过快导致后期容易优化不均的现象;通过粒子群算法优化与支持向量机分类模型结合,以轴承故障检测和诊断为例,分析次方法的优越性和提高支持向量机在故障诊断过程中的精准度;通过实际检测得出,这种算法优化的方法改进的支持向量机对于聚类性较差的故障分类具有很好的诊断功能。 相似文献
16.
17.
螺杆式制冷压缩机具有种类的多样性以及故障的复杂性,存在难以获得有效的预测模型的问题。提出了一种基于自适应差分进化算法(SADE)优化的混合核最小二乘支持向量机(LSSVM)的预测模型,该模型的SADE相比其他智能寻优算法理论,其结构简单、参数设置少且搜索能力强。在寻优过程中,SADE分别从差分策略、缩放因子、交叉概率做到了自适应,保证了寻优初期的全局搜索能力和种群多样性,提高了局部搜索能力和收敛速度;利用SADE对核参数、LSSVM参数、混合核调节参数进行寻优,提高了混合核LSSVM预测模型的精度。将该模型运用到压缩机的故障预测实验中,结果表明,该模型能有效的预测出压缩机的故障,验证了该模型的可行性。 相似文献
18.