关于电机设备故障诊断的分析

分析了电机设备故障诊断的基本原理，系统地阐述了电机设备的现代故障诊断方法，并概括了已有的各种故障诊断方法的特点，指出了电机故障诊断方法的发展趋势。     

机器状态监测与故障诊断综述

介绍了机器状态信号处理工具和机器状态监测与故障诊断模式、方法的发展情况,分析了各自的优缺点,最后指出了机器状态监测与故障诊断技术的发展方向。     

机器状态监测与故障诊断综述

介绍了机器状态信号处理工具和机器状态监测与故障诊断模式、方法的发展情况,分析了各自的优缺点,最后指出了机器状态监测与故障诊断技术的发展方向。     

基于小波分析与BP神经网络的机车牵引电机故障诊断

本文对机车牵引电动机的振动信号通过振动传感器传输至MATLAB小波包分析软件,小波包去噪处理分离出噪声信号保留有用信号,进行能量谱分解。不同特征频率的能量百分比进行归一化处理,作为改进BP神经网络样本输入数据进行训练,得到牵引电机故障诊断模型,输入样本测试数据故障诊断,测试结果显示,该模型能够有效诊断牵引电机所发生的故障。     

基于智能方法的电机故障诊断技术综述

随着人工智能技术的快速发展,越来越多的国内外学者不断提出了基于智能方法的电机故障诊断技术,主要包括专家系统、人工神经网络、粗糙集理论、贝叶斯网络、支持向量机等。该文对这些方法的理论概念、各自的优缺点和研究成果分别作了简单分析,最后探讨了电机故障诊断领域的发展趋势。     

采用D-S证据推理的电机转子故障诊断

提出了采用D-S(Dempster-Sharer)证据理论对感应电机转子断条故障进行识别的故障诊断方法.基于小波包变换的频率划分特性,对定子三相电流信号进行小波包分解,利用节点系数的均方根值构建电机转子故障的特征矢量(证据体);利用明氏距离测度构造基本可信度分配函数,求取证据体对转子故障所赋予的基本概率分配函数值,然后根据D-S证据融合规则进行融合处理,实现了对电机转子故障的准确识别.试验结果表明,该方法可实现转子断条故障的可靠诊断.     

基于径向基函数神经网络的电机轴承智能故障诊断

本文提出了一种新的电机轴承故障诊断方法.首先把滚动轴承振动信号作为识别故障的特征向量,然后送入径向基函数神经网络中,进行故障类别的自动识别.试验结果表明,该诊断模型对电机轴承故障诊断具有良好的诊断效果,系统不仅能够检测到轴承故障的存在,而且能够比较准确地识别轴承的故障模式.     

基于小波神经网络的滚动轴承智能故障诊断系统

通过对滚动轴承振动信号特征分析,采用小波包变换方法对其建立频域能量特征向量以减少输入维数,进而构造出了轴承特征空间和故障空间的模式,然后采用径向基函数人工神经网络,通过该网络的学习和训练,实现了两个空间之间的非线性映射,完成了滚动轴承故障模式的识别.同时应用Matlab软件强大的计算功能,设计建立了滚动轴承智能故障诊断系统.理论和实验证明了该系统的有效性,且具有较高的识别精度.     

基于小波神经网络弧齿锥齿轮故障诊断及实验研究

提出了一种离散小波变换结合神经网络的故障状态识别方法,运用信号特征提取机理对航空用弧齿锥齿轮故障诊断及状态识别进行了研究.建立了孤齿锥齿轮传动系统振动测试试验台,对正常结构和故障结构的齿轮传动进行了试验测试,通过小波阈值去除掉齿轮箱的振动数据信号系统噪声的影响;采用离散小波变换提取信号的能量特征,利用带有反馈算法的神经...     

机器状态智能诊断与管理系统

利用小波变换的时频特性和多分辨率特点,将待处理的信号通过调整小波尺度来抽取具有实质性的故障特征,确保了信息量的完整性。将模糊理论与人工神经网络相结合,应用于滚动轴承的故障诊断中,并采用面向对象的分析方法和编程技术实现了轴承实验机的智能诊断与管理。     

改进的小波神经网络在异步电机故障诊断中的应用

根据异步电机的复杂故障特点,结合小波变换技术,提出了一种改进的小波神经网络用于异步电机的故障诊断。利用小波变换技术提取异步电机特征信号作为小波神经网络的输入向量,并对小波神经网络算法进行优化,提出了动量系数和学习率自适应调整的小波神经网络算法,给出了动量系数和学习率的调整方法。通过实际测试数据的诊断结果说明该方法的有效性和可行性,具有诊断准确率高、收敛速度快、泛化能力强等优点。     

BP神经网络技术在雨刮电动机故障诊断中的应用

在电动机故障诊断技术中,最能全面反映电动机运行状态的唯独有振动信号。因此,提出一种基于小波分析和BP神经网络的电动机故障诊断方法。首先该方法采用小波包分析对振动信号消噪滤波并计算频带能量,随后根据振动信号大小提取其能量特征值,并以此建立电动机故障诊断的BP神经网络模型,再以Matlab软件的仿真模块为平台,最终开发了雨刮电动机故障诊断的智能检测系统。试验表明该系统的建立能够提高雨刮电动机故障诊断的效率和准确性。     

电动机控制系统的智能化故障诊断技术

电动机控制系统运行中的故障诊断问题可视为特殊的模式识别问题,而ANN是处理模式识别最有效的技术之一。对用于故障诊断器的BP网络应用了改进算法,并提供了常见故障样本,读者可进一步扩充完善。实际使用证明该方法完全能完成故障的在线诊断。     

智能故障诊断技术的现状及展望

智能故障诊断技术的发展为复杂系统的可靠性、安全性以及故障诊断提供了新的途径,它是故障诊断的高级阶段。该文从基于检测手段、基于知识和基于信号处理三个方面,对智能故障诊断技术做了详细的分析与探讨,并提出了未来发展方向。     

基于神经网络的电动机逆变驱动系统故障诊断

针对电动机变频调速系统中逆变器开关元件故障类型多，传统故障诊断方法难以实现故障分离等情况，本文提出了一种基于神经网络的电动机变频调速系统故障诊断方法。通过对逆变器输出信号的谱分析可以获得对故障敏感的故障特征量，将这些故障特征量输入神经网络后，由网络输出层的结点输出可以判断故障类型，从而实现故障分离。研究结果表明，该方法可有效实现开关元件断路、短路故障，为进一步实现逆变器容错驱动奠定了理论基础。     

小波变换在故障诊断中的应用

小波变换是一种日益获得广泛应用的信号分析方法。介绍了小波变换基本原理和利用小波变化来检测信号的奇异特征的原理,证实了小波变化在检测奇异信号方面的有效性。结果表明基于小波变换的去噪方法是非常有效的。     

自适应遗传小波网络在发动机故障诊断中的应用

由于包含丰富故障信息的传感器信号是由多振源和背景噪声的混合,小波变换良好的时频域局部化特性可以有效地滤除噪声,并且通过对重构的小波系数求取均方根值来有效提取故障的特征向量,根据采集数据的故障工况,建立学习样本.通过网络训练建立神经网络的输入和输出良好的非线性映射,进而通过特征向量输入来诊断系统的故障.由于神经网络具有收敛速度慢和容易陷入局部最小点的缺陷,对神经网络进行改进和优化.仿真结果误差分析表明,该网络具有良好的诊断效果.     

高压输电导线的损伤检测与故障诊断

本文利用红外和电磁传感器分别检测铝绞线和钢芯（钢绞线）的断股故障信号,应用db4小波基对故障信号进行了小波分析,由故障信号的时频域和小波分解细节特征,构造了神经网络诊断模型的输入特征矢量.利用3层BP网络实现了导线断股故障的精确诊断,所研制的红外电磁检测仪器可由巡线机器人携载和操作.