基于HHT变换和近似熵的管道泄漏检测方法

为了提高供水管泄漏检测准确率,提出一种基于希尔伯特黄变换(Hilbert-Huang Transform, HHT)与近似熵的管道泄漏检测方法。首先,对泄漏信号进行HHT处理,得到信号的Hilbert边际谱,从频率上将泄漏信号和噪声信号区分开;然后,将泄漏信号的Hilbert边际谱作为输入对象,求解有效频段内的近似熵,并将近似熵作为泄漏检测的判决对象。实验结果表明,提出方法的泄漏检测准确率达95%以上。     

基于HHT变换和近似熵的管道泄漏检测方法

为了提高供水管泄漏检测准确率,提出一种基于希尔伯特黄变换(Hilbert-Huang Transform, HHT)与近似熵的管道泄漏检测方法。首先,对泄漏信号进行HHT处理,得到信号的Hilbert边际谱,从频率上将泄漏信号和噪声信号区分开;然后,将泄漏信号的Hilbert边际谱作为输入对象,求解有效频段内的近似熵,并将近似熵作为泄漏检测的判决对象。实验结果表明,提出方法的泄漏检测准确率达95%以上。     

基于改进Elman神经网络的故障诊断模型研究

针对高频易损坏的常见机械设备,常存在故障特征量"表征难",诊断精度欠缺且判断时间长等问题.提出一种优化Elman神经网络故障诊断的模型,以凯斯西储大学轴承数据(CWRU)为实例,在诊断效果方面具有一定的改善.鉴于,滚动轴承常见的故障振动信号多呈现出非线性、非平稳的特征.首先,应用希尔伯特-黄变换(HHT)对原始信号数据...     

基于可闻声信号的配电变压器内部放电故障识别方法研究

提出了基于可闻声信号的配电变压器放电故障识别方法.首先,采用希尔伯特-黄变换(HHT)对放电声信号进行处理,提取频带能量作为特征量.然后,利用单分类方法支持向量数据描述(SVDD)对特征量进行识别.通过现场实测配电变压器本体声信号和实验室模拟配电变压器内部放电故障对该方法进行了验证,结果表明该方法能够较好地识别配电变压器内部放电故障.     

基于HHT的仿真模型动态一致性方差分析方法

仿真模型动态数据常具有非线性和非平稳性,如何有效提取动态数据的验证指标和利用动态数据指导模型修改是仿真模型动态验证需要解决的重要问题。该文提出了基于希尔伯特-黄变换(HHT)仿真模型动态一致性方差分析方法,将HHT得到的动态数据时-频分布作为验证特征,建立了基于方差分析的仿真动态一致性检验模型,实现了仿真模型的定量动态验证,解决了差异源的定位问题,为提高模型可信性提供了指导。仿真和实例应用表明,该方法能较为精确地检验动态数据的一致性和实现误差定位,具有一定的可行性和实用性。     

基于HHT算法的机械故障分析系统

针对常见的机械故障进行分析研究,以转子动平衡为例,给出可通用的机械故障分析系统方法．在LabVIEW平台上应用希尔伯特-黄变换方法,对机械故障中的转子动平衡振动试验数据进行时频联合域分析,得出具体分析图．利用LabVIEW平台的虚拟示波器产生谐波对系统进行验证．通过本系统对“BENTILEY”实验台的转子动平衡振动数据进行分析处理,为研究转子动平衡故障提供参考图形数据．结果表明：该系统是可行的．     

基于HHT的矢量传感器瞬态信号方位估计

针对瞬态信号存在时间短、变化快,传统的信号处理方法很难对其进行方位估计的问题,将希尔伯特-黄变换与矢量信号处理相结合应用到水声领域,提出了矢量希尔伯特-黄变换的方法.利用希尔伯特-黄变换获取信号的瞬态信息,结合矢量信号处理宽带方位估计提出了矢量瞬时方位估计的概念,在此基础上发展了矢量希尔伯特-黄变换水声应用的理论框架.海试表明新理论在瞬态信号处理和单矢量传感器目标方位估计方面,其性能比常规方法有了明显的提高.     

基于希尔伯特-黄变换测量搅拌釜临界分散转速

基于希尔伯特-黄变换（HHT）分析搅拌釜壁产生的声发射（AE）信号,获得了代表气液体系运动的特征频段(10～80 kHz),将其对AE信号进行重构.以重构信号能量为特征参数,根据其随搅拌转速的规律性变化,提出搅拌釜临界分散转速的测量判据,即重构信号能量由平稳突然增大时所对应的搅拌转速为临界分散转速.与目测法相比,该方法平均相对偏差小于2.86%,具有较高的精度.研究发现,外循环破坏了搅拌釜内的径向流动,不利于气液分散,导致临界分散转速变大.根据不同外循环条件下的实验结果,建立外循环搅拌釜临界分散转速的预测关联式,平均相对偏差小于0.65%.该研究结果表明,声发射结合HHT的方法可以准确实现临界分散转速的测量.     

一种基于HHT的短期负荷组合预测方法

提出了一种希尔伯特-黄变换和自适应加权最小二乘支持向量机相结合的短期电力负荷预测方法。先利用HHT中的经验模态分解,将负荷值分解为几个低频段的拟周期量和1个高频段随机量,然后根据各分量瞬时频率特点选择最佳的AWLS-SVM模型预测,最后将各分量预测数据叠加。实例预测结果表明,该方法具有较高的预测精度。     

经验模态分解（EMD）中边界处理的新方法

在深入研究和分析希尔伯特-黄变换(HHT)方法的基础上,对信号提出了半周期半对称延拓算法,并以此来处理经验模态分解中存在的边界误差问题.通过信号模拟试验,并与EMD方法的结果作比较,检验了该方法的有效性和精度.     

信息融合在燃料电池传感器故障识别中的应用

以燃料电池发动机控制系统为背景，以该系统的多种传感器为研究对象，利用神经网络信息融合的方法，构建了传感器的在线故障识别模型，给出了其算法：用MATLAB仿真验证了所给方案的有效性．能有效地识别传感器的故障，为系统获取有效的测量数据奠定了基础；     

基于信息融合技术的航空电子设备故障诊断研究

提出一种基于模糊神经网络局部诊断和D-S融合决策的航空电子设备故障诊断方案。首先将设备故障特征信息进行有效组合,构建多个子模糊神经网络完成故障的局部诊断,以获得彼此独立的证据;然后应用Dempster-Shafe证据理论对各个证据进行决策融合,最后根据构建的诊断框架特点用局部诊断输出值及其正确率来获取基本概率赋值。该方案应用于某型号机载电台的仿真结果表明,经过信息融合多级处理后,诊断结论的可信度明显增加,故障识别的正确率得到有效提高。     

基于神经网络信息融合的乳化器故障诊断系统

该文在分析、归纳了以往乳化器故障产生的原因及特征的基础上,着重研究了神经网络信息融合技术在乳化器故障诊断当中的应用。对采集到的乳化器多个关键部位振动信号进行处理、融合,最后根据融合后的信息得出诊断结果。仿真结果表明,该乳化器故障诊断方法诊断过程相对简单,诊断准确度较高。     

基于信息融合和加权证据理论的故障诊断系统的研究与实践

为了较全面地获得设备的故障状态信息,增加故障诊断的可信度,考虑故障诊断过程中不同故障特征对特定故障的贡献率,提出了加权证据理论的多故障特征信息融合的故障诊断方法,建立了多故障特征信息融合诊断模型。经实验表明,该方法能有效提高故障诊断的准确性并且具有较好的实用性。     

设备故障诊断中数据融合的计算模型

针对故障诊断的数据融合功能模型中各级融合和各项融合功能及处理任务，以集合论和实变分析为基础提出了故障诊断的数据融合处理过程的计算模型，计算模型描述了数据融合处理步骤、过程的数据形式与计算方法，证明了这些模型的正确性和可用性，为数据融合的故障诊断技术奠定了理论基础，通过分析得出数据融合处理不完全依赖于具体计算方法的结论。     

基于传感器融合的机械设备故障诊断的方法与系统

从机械故障诊断方法的角度,提出了一种基于多传感器融合的机械故障诊断的新方法,概述了该方法的基本原理和实现的相关技术。     

基于改进果蝇算法优化PNN的变压器故障诊断研究

为了提高电力变压器故障诊断准确率,通过分析变压器油中溶解气体数据,提出了一种定向变步长的果蝇算法(DVSFOA)与概率神经网络(PNN)相结合的变压器故障诊断模型。由于PNN的参数平滑因子对输出结果影响较大,对果蝇算法位置公式进行更新调整,对平滑因子进行参数寻优,将优化结果赋值给PNN模型进行网络训练,得到了用于变压器故障诊断的最佳网络模型。实验结果表明,该组合算法具有较高的诊断精度,收敛速度快,整体性能高。     

基于DPCA-BP的故障诊断方法

针对动态主元分析(DPCA)在故障识别方面的缺点,引入了BP神经网络,将DP-CA与BP神经网络相结合,增强了对故障的辨识能力。该方法通过对各测量变量的自相关性分析,来降低动态主元分析中增广矩阵的维数,从而降低了分析过程的计算量。最后,将DPCA-BP应用于田纳西-伊斯曼过程的故障诊断中,验证了所提出方法的有效性。     

基于信息融合技术的异步电机故障诊断研究

为了合理利用异步电动机多个方面的故障特征信息,提高故障诊断的准确性,提出了一种采用异步电动机定子电流、径向(轴向)振动信号等多信息融合的故障诊断方法.对测量的各种信号进行小波分析,利用各个频段的信号能量作为故障特征值.采用D-S证据理论融合各个信息,针对证据理论无法融合高冲突证据的缺陷,引入先验知识对其进行了改进,提高了电机故障诊断准确率.实验结果表明,故障诊断结果可信度明显提高,不确定性显著减小,对异步电动机转子断条故障诊断的准确率达到90%以上.     

基于模糊神经网络的变压器故障诊断新方法

基于模糊理论与神经网络理论,提出了变压器故障诊断的新方法,根据特征气体法和改良ＩＥＣ三比值法,建立了模糊神经网络诊断模型。此模型有效地处理了故障诊断中的不确定因素,并具有较强的知识获取能力,研究结果表明了这种方法的有效性和应用前景。