基于EMD和SVM的传感器故障诊断方法

为了解决自确认压力传感器的故障诊断问题,提出了一种基于经验模式分解(EMD)和支持向量机(SVM)的传感器故障诊断方法,该方法对传感器输出信号进行经验模态分解,将其分解为若干个固有模态函数(IMF),对每个IMF通过一定的削减算法增强故障特征,然后计算每个IMF和残余项的能量以及整个信号的削减比作为特征向量,以此作为输入来建立支持向量多分类机,判断传感器的故障类型.通过压力传感器的故障诊断结果表明,该方法能有效的应用于传感器的故障诊断中.     

基于EMD和SVM的数控机床主轴故障诊断

针对数控机床的主轴故障,将经验模态分解（EMD）方法和支持向量机（SVM）相结合,用于故障诊断。采用EMD将信号分解成具有不同特征尺度的本征式分量IMF,分析各IMF,通过求取均方根值提取各特征向量,然后将各特征向量输入支持向量机,建立故障分类器进行状态识别。实验结果表明,预测结果完全正确,该方法有效。     

基于支持向量机的伺服机构舵反馈电压异常诊断方法

提出了一种基于支持向量机（support vector machine,SVM）的伺服机构舵反馈电压异常诊断方法。通过对测量数据进行经验模态分解（empirical mode decomposition,EMD）,获得各固有模态分量（intrinsic mode functions,IMF）,并将其作为特征提取出来,然后构造多类支持向量分类机进行训练与故障模式识别。仿真分析证明,该方法能有效地应用于伺服机构舵反馈电压异常诊断。     

基于EMD和SVM的抑郁症静息态脑电信号分类研究

以静息态脑电信号为基础,通过固有模态分解(empirical mode decomposition, EMD)算法对脑电信号进行信号去噪和特征值提取,通过支持向量机(support vector machine, SVM)算法对抑郁症患者和正常对照组人群的脑电特征值进行分类分析。 通过系统化的数据采集试验,采集了20位抑郁症患者和25位健康对照组的静息态脑电信号;对静息态脑电信号进行信号的去噪和特征提取;采用SVM算法对抑郁症患者和正常人对照组脑电特征值进行二值分类,分类正确率达到93.3%。 相较于传统的小波变换提取的特征值,分类准确率有明显的提高。     

基于EEMD样本熵和支持向量机的高压断路器故障诊断

首先提出了一种以集合经验模态分解(ensemble empirical mode decomposition,EEMD)样本熵和支持向量机(support vector machine,SVM)相结合的高压断路器振动信号的特征向量提取和故障诊断的分析方法。然后提出并分析了分闸弹簧力减小、缓冲弹簧无效两种新故障对高压断路器的性能影响,同时针对输电线路发生永久故障时,断路器按照跳闸、重合闸然后二次跳闸指令动作的实际情况,首次探索性选择振动能量相对较小的分闸振动信号作为诊断对象。最后实测了某35 k V高压SF6断路器正常运行、分闸弹簧力减小、缓冲弹簧无效、基座螺丝松动工况下断路器分闸振动数据进行识别,结果表明该方法检测高压断路器故障快速、准确,为断路器的故障诊断提供了新的思路。     

基于IMF信息熵与SVM的转子振动故障智能诊断方法

提出了基于内禀模态信息熵与支持向量机的转子振动故障诊断方法。采用EMD方法将转子振动信号分解为若干个内禀模态分量,由各个内禀模态分量的信息熵构成转子状态的特征参数。采用支持向量机分类器对故障类型进行分类。通过转子试验台的仿真实例证明了该方法的有效性。另外,在特征提取环节对比采用了传统的Fourier变换法,结果体现了EMD方法在非线性和非稳态信号处理上的优越性。     

基于经验模态分解和支持向量机的传感器故障诊断方法

提出了一种基于经验模式分解（EMD）和支持向量机（SVM）的传感器故障诊断方法,该方法对传感器输出信号进行经验模态分解,将其分解为若干个固有模态函数（IMF）,对每个IMF通过一定的削减算法增强故障特征,然后计算每个IMF和残余项的能量以及整个信号的削减比作为特征向量,以此作为输入来建立支持向量多分类机,判断传感器的故障类型。通过压力传感器的故障诊断结果表明,该方法能有效的应用于传感器的故障诊断中。     

异步电机转子断条故障诊断研究

针对异步电机转子断条故障诊断中,原始信号包含的故障特征成分能量微弱,其提取过程较为繁琐,给断条故障的及时诊断带来不便,提出一种基于经验模态分解(Empirical Decomposition Mode,EMD)能量熵,主成分分析(Principal Component Analysis,PCA)和支持向量机(Support Vector Machine,SVM)相结合的新诊断方法,无须提取信号中的故障特征频率就能对电机断条故障做出准确的判断。该方法选取振动信号经过PCA处理后的EMD能量熵作为新的故障识别分类的特征量,然后支持向量机模型便可以根据断条故障前后振动信号EMD能量熵内在变化规律对转子正常和断条故障时的两种振动信号进行准确分类。通过实验分析表明,该方法操作便捷且简单,能够将转子正常和发生断条故障时的两种振动信号数据全部准确的识别分离,达到对转子断条故障进行有效识别诊断的目的,验证了方法的实用和有效性。     

基于EMD和能量算子解调的采煤机截割部振动故障诊断研究

针对采煤机截割部振动剧烈,振动故障特征不易提取的问题,应用基于经验模态分解(EMD)和能量算子解调的故障诊断方法,首先对采煤机截割部振动信号进行EMD分解,进而得到一定数量的本征模态函数(IMFs)分量;其次对IMFs进行能量算子解调,提取出故障特征频率.通过对采煤机井下现场试验研究,结果表明,该方法能够有效地对采煤机截割部进行故障诊断,对及时发现采煤机故障,避免事故的发生具有重要的作用.     

基于SVM和窗口梯度的多焦距图像融合方法

为提高多焦距图像融合质量,提出了一种基于支持向量机(SVM)和窗口梯度的多焦距图像融合方法。该方法首先对多焦距图像进行基于窗口的经验模态分解(WEMD),得到一组内涵模式函数分量(高频)和残余分量(低频),WEMD可以有效解决图像分解中的信号混叠问题;然后,利用SVM的输出指导低频分量融合,选取更清晰的聚焦区域;利用本文的窗口梯度对比算法指导高频分量融合,在保持融合图像对比度的同时保证图像的一致性;最后,经过WEMD逆变换得到融合图像。在9组多焦距图像上进行实验,从主观评价和5种客观评价指标方面,本文的融合方法相比于其他5种方法能获得更好的融合质量。     

高压断路器机械状态的评估与诊断方法

针对我国电力系统在线监测和故障诊断技术在应用中所存在的问题,以高压断路器为例,对它目前国内外研究现状进行了详细阐述,并总结了断路器机械特性在线监测的主要实施项目,且重点介绍断路器机械振动信号在线监测的特点及信号处理方法,并就目前在线监测所存在的问题提出看法.     

Analog circuit intelligent fault diagnosis based on GKPCA and multi-class SVM approach

Analog circuits fault diagnosis is essential for guaranteeing the reliability and maintainability of electronic systems. In this paper, a novel analog circuit fault diagnosis approach is proposed based on greedy kernel principal component analysis (KPCA) and one-against-all support vector machine (OAASVM). In order to obtain a successful SVM-based fault classifier, eliminating noise and extracting fault features are very important. Due to the better performance of nonlinear fault features extraction and noise elimination as compared with PCA, KPCA is adopted in the proposed approach. However, when we adopt KPCA to extract fault features of analog circuit, a drawback of KPCA is that the storage required for the kernel matrix grows quadratically, and the computational cost for eigenvector of the kernel matrix grows linearly with the number of training samples. Therefore, GKPCA, which can approximate KPCA with small representation error, is introduced to enhance computational efficiency. Based on the statistical learning theory and the empirical risk minimization principle, SVM has advantages of better classification accuracy and generalization performance. The extracted fault features are then used as the inputs of OAASVM to solve fault diagnosis problem. The effectiveness of the proposed approach is verified by the experimental results.     

基于EMD和FFT的齿轮箱故障诊断

提出了一种基于小波包分析（WPA）,经验模态分解（EMD）和快速傅里叶变换（FFT）的齿轮箱故障诊断方法,此方法适合于非线性非稳态信号的自适应分析.首先运用WPA对采集的齿轮箱振动信号进行分解可得到不同频率的子频带;然后对各子频带信号进行EMD,从而得到一定数量的本征模态函数（IMF）;最后选取特定的IMF,对其作FFT可得到相应的功率谱,从而提取齿轮箱故障特征频率,进而对齿轮箱故障模式进行识别和诊断.分析结果表明本文所提议的方法能有效地检测出齿轮箱故障特征频率.     

550 kV超高压SF6断路器喷口研究

开断与关合性能是高压断路器的最基本性能，也是最为重要的研究内容.断路器喷口对开断与关合性能影响很大，喷口是决定特高压断路器开断性能的关键部件，也是特高压断路器设计的核心.以550 kV SF₆断路器为研究对象，对超高压断路器喷口制造工艺进行深入研究，实现超高压断路器用喷口的制造.     

真空断路器常见故障及其处理

文章分析了真空断路器灭弧室漏气、电气回路、操动机构等故障产生的原因,指出了相应的处理方法。     

基于支持向量机的网络故障在线诊断方法研究

介绍了网络故障诊断的发展趋势和支持向量机的基本原理,采用一种改进的支持向量机用于网络故障的在线诊断和分析,并且以实验网中采集的数据进行了实验,实验表明该方法能够快速准确地在线诊断网络故障,为网络故障在线诊断向智能化方向发展提供了新的途径.