共查询到18条相似文献,搜索用时 140 毫秒
1.
针对发动机单缸部分失火故障,提出基于小波阈值降噪和残差神经网络的“降噪–残差神经网络”故障诊断方法。通过降噪与深度学习算法相结合,将小波阈值降噪后的振动信号输入到残差神经网络进行故障诊断;使用短残差块进一步防止网络的退化,并利用大卷积核增大长数据输入的卷积视野,提高信号故障特征的提取能力。测试结果证明该方法不仅实现了未参与训练的运转工况97%以上的故障诊断准确率,而且对于加入高斯噪声后的含噪声信号也能实现较高的诊断准确率。通过与其他故障诊断网络进行对比证明了该方法的优越性。 相似文献
2.
基于小波分析的柴油机故障信号特征的提取 总被引:7,自引:0,他引:7
本文提出了一种新的柴油机表面振动信号的故障特征的提取方法,利用柴油机表面振动信号经过小波降噪处理,有效地剔除柴油机表面振动信号的噪声干扰,提高信号的信噪比。用小波包提取降噪后振动信号的能量特征参数。以表征柴油机故障特征,建立起能量到柴油机故障的映射关系。实际研究表明这一特征提取方法是有效的。 相似文献
3.
4.
5.
针对柴油机振动信号的时频特性,阐述运用小波包算法对振动信号进行分析的方法.利用小波包良好的时频局部化特性以及避免信号频率混叠的移频处理方法,实现了对几种气阀状态振动信号时频特性的分析.结果表明,该算法在柴油机气阀故障诊断中具有可行性和有效性. 相似文献
6.
7.
针对随机噪声对水轮机空化声发射信号的影响,提出了基于经验模态分解(EMD)的水轮机空化声发射信号阈值降噪方法:首先利用EMD将水轮机空化声发射信号分解得到多个本征模态分量(IMF),然后结合给定阈值规则对前半部分IMF分量进行降噪,将降噪后的IMF分量与未处理的IMF分量重构,得到降噪后的声发射信号。采用该方法分别对仿真信号和水轮机空化试验过程中采集到的声发射信号进行了降噪处理,并与小波阈值降噪方法、小波包阈值降噪方法及传统EMD降噪方法进行了对比。结果表明:EMD阈值降噪方法有效结合了EMD自适应分解的特性和阈值降噪的良好性能优点,对水轮机空化声发射信号的降噪效果优于其他3种方法。 相似文献
8.
应用图像处理进行内燃机故障诊断时应注意的几个问题 总被引:2,自引:0,他引:2
图像处理技术在内燃机故障诊断与状态监测中应用还很少,本文探讨了应用于这方面时应注意的几个问题。指出利用缸盖振动信号小波包分解后的时-频分布图的灰度直方图进行故障诊断的效果并不好,并分析了原因;进行了信号加噪声与不加噪声的诊断效果对比,发现噪声对基于图像处理的气门机构故障诊断的影响不大,验证了这一方法的工程实用性和可用性。 相似文献
9.
针对柴油机实时监测系统采集的振动信号采样频率高、实时降噪困难,而传统的实时性评价方法难以准确描述数字信号处理器(DSP)中所需降噪时间的问题,提出基于DSP的小波变换指令周期模型作为实时性的评价依据,对比不同小波算法的实时性优劣;根据采集的柴油机缸盖振动信号特征,提出基于变异系数定权法的综合评价指标,从降噪效果和实时性两个角度优选了小波基函数.结果表明:该模型与DSP中小波算法的实时性吻合较好,且优选的小波降噪参数能满足采样频率为25 kHz下的实时降噪需求. 相似文献
10.
基于神经网络技术的柴油机故障诊断 总被引:1,自引:0,他引:1
本文提出了一种新的柴油机故障诊断方法,利用柴油机表面振动信号经过小波包提取特征参数,然后由BP神经网络进行故障诊断。实验研究和计算机模拟的结果表明,这一方法是可行和有效的。 相似文献
11.
12.
The implementation of condition monitoring and fault diagnosis system (CMFDS) on wind turbine is significant to lower the unscheduled breakdown. Generator is one of the most important components in wind turbine, and generator bearing fault identification always draws lots of attention. However, non-stationary vibration signal of weak fault and compound fault with a large amount of background noise makes this task challenging in many cases. So, effective signal processing method is essential in the accurate diagnosis step of CMFDS. As a novel signal processing method, empirical Wavelet Transform (EWT) is used to extract inherent modulation information by decomposing signal into mono-components under an orthogonal basis, which is seen as a powerful tool for mechanical fault diagnosis. Moreover, in order to avoid the inaccurate identification the internal modes caused by the heavy noise, wavelet spatial neighboring coefficient denoising with data-driven threshold is applied to increase Signal to Noise Ratio (SNR) before EWT. The effectiveness of the proposed technique on weak fault and compound fault diagnosis is first validated by two experimental cases. Finally, the proposed method has been applied to identify fault feature of generator bearing on wind turbine in wind farm successfully. 相似文献
13.
针对强噪声干扰下柴油机失火故障难以诊断的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)与交叉小波变换(cross wavelet transform,XWT)的柴油机失火故障诊断方法。该方法首先通过VMD将缸盖振动信号进行分解、自适应消噪及信号重构,再利用XWT对任意两个连续工作循环信号进行时频相关分析,进一步消除振动信号中的干扰噪声以提取柴油机燃烧特征,最后通过计算时频空间各缸能量占比进行柴油机失火故障诊断。通过对仿真信号分析及柴油机失火故障诊断,结果表明:该方法可以消除强噪声干扰,提取柴油机燃烧周期瞬态振动冲击特征,有效地识别柴油机失火故障。 相似文献
14.
柴油机运行时因激振力的作用会产生一定方向和频率的冲击振动,构件的裂纹或松动等故障会影响到其响应成分的频率能量特性.针对柴油机运行时的冲击响应振动信号,利用小波分析快速进行信噪分离,频域范围内采用功率谱分析结合小波包分解对各频段能量谱分析.根据振动信号时域峰值和时刻,频域能量的变化和分布,给出故障诊断层使用的状态特征向量... 相似文献
15.
16.
17.