矢功率谱与RBF网络结合在旋转机械故障诊断中的应用

与传统功率谱相比,矢功率谱融合了多通道的能量信息,反映的信息更全面.径向基函数网络具有良好的推广能力和分类能力.基于此,本文结合矢功率谱和径向基函数网络,提出了一种新的故障识别方法,该方法以矢功率谱为特征向量,径向基函数网络为分类器.并以转子裂纹、转子不对中、油膜涡动为例进行实验研究,实验结果表明,该方法是有效的.     

多应用场景低压配网无缝合环转电解决方案

合环转电作为一种重要的网络重构技术,对提高配电网运行的可靠性与经济性具有重要意义。常规合环转电不仅存在合环冲击,而且合环点的选取受到两侧电源相角差的限制。文章针对广州配电网存在的大角度差不停电转供技术难题,提出两种无缝合环转电解决方案,分别是基于串并联补偿的合环方案和基于背靠背拓扑的合环方案。它们能够适用于多种转供场景,并提供交、直流两种转供电源接口。文章给出了每种方案的接线方式,对它们的结构特点、性能参数以及工作原理进行了分析。为了适应配电网三相不平衡与谐波污染的运行环境,从结构与控制两方面提出了装置的改进措施。最后,仿真验证了几种典型场景下无缝合环转电装置的运行原理,从而为实际开展低压无缝合环转电提供计算支撑。     

模糊C-Means算法从实例库中挖掘模式识别知识

以模糊c-means算法对实例初步分类,以分类正确率和隶属度构造两级目标函数对实例进行挖掘获得个体分类效果最佳的敏感信息源、主矢量、类别原型和距离计算方法.以模糊综合决策算法对实例敏感主矢量进一步挖掘获得信息融合分类效果最佳的主矢量集合.同时从实例库中挖掘出模糊综合决策权重分配系数.将c-means算法的意义扩展应用于信息融合诊断.另外还论述了两种综合诊断方法,模式识别与模糊综合决策联合的综合诊断、扩展的模糊c-means算法与综合决策联合的二级优化综合诊断.最后以列车滚动轴承故障实例库的挖掘为例阐述了原理的应用.     

基于信息融合的短时矢功率谱分析方法

研究了基于信息融合的旋转机械短时矢功率谱分析方法。根据单通道信号处理的不足,本文提出把全矢谱技术与短时傅里叶变换相结合,建立矢量信号的短时矢功率谱概念,导出其计算公式,阐述其图谱表达,并将其应用于实际故障诊断系统中。研究表明,短时矢功率谱可以对矢量信号的短时能量随频率、时间等的变化过程作出分析,可以应用于旋转机械故障诊断实践中。     

基于全矢最小二乘支持向量机的设备状态趋势预测

在支持向量机(SVM)基础上拓展出的最小二乘支持向量机(LS-SVM)非线性泛化能力更好,具有较高的拟合和预测精度,目前被广泛应用于设备状态趋势预测中。为进一步提高其预测精度,结合基于同源信息融合的全矢谱技术提出一种新的趋势预测方法——全矢LS-SVM。该方法采用全矢谱技术融合双通道信息,相比传统单通道信号提取方法,保障LS-SVM预测数据特征提取的完整性,提高预测精度。将该方法应用于某电厂1号汽轮机振动数据的预测,实验结果表明,全矢LS-SVM方法具有较高的预测精度。     

基于全矢局部均值分解的齿轮故障诊断方法研究

针对齿轮故障信号大多数是难分解的多分量的调幅-调频信号的问题,提出一种新的信号处理方法——全矢局部均值分解(FVLMD)方法。局部均值分解(LMD)可将多分量信号自适应地分解为多个单分量信号;全矢谱技术可以解决单通道信号不完整的问题。运用信息融合技术,将信号LMD分解得到的PF(Product Function)分量进行全矢谱融合分析,这样既可以将信号彻底分解,又可以保证其完整性。齿轮故障信号验证了该方法的有效可行性。     

三轴斜齿轮传动转子系统的动力学特性分析

基于三维离散斜齿轮传动模型、在轴结构有限元模型、轴承弹性和齿侧间隙的基础上,建立了一个三轴斜齿轮传动转子系统的动力学模型。通过牛顿-拉夫逊法(Newton-Raphson)和非线性瞬态解方法预测了系统的强迫振动。由一台斜齿轮-轴-轴承系统组成的压缩机的试车验证了模型的有效性。结果表明,模型计算结果与试车结果吻合,给齿轮驱动的转子系统设计及故障诊断提供了理论依据。     

基于全矢谱的模糊综合评判方法研究

基于数据融合思想,将全矢谱技术与模糊综合评判方法相结合,提出了全矢--模糊综合评判方法,给出其定义及算法,并通过实验证明了该种方法能够全面、正确的反映机械故障类型,是一种有效、实用的旋转机械故障诊断方法.     

基于Java的远程故障诊断系统的设计与实现

构建了一个远程故障诊断系统,并对其工作原理和基本结构进行了分析,研究和探讨了系统实现的关键技术客户端、服务器端、中间层、应用服务层与数据服务层的通信技术.最后运用以上技术建立了一个基于 Java的远程故障诊断系统,并给出了运行实例.     

高阶累积量自适应滤波在列车轴承故障诊断中的应用

论述了基于三阶累积量的递推最小二乘自适应算法(CDRLS)和基于累积量的指数遗忘窗的最小均方误差自适应算法(CDEFWLMS).通过对机车滚动轴承的保持架断裂典型故障信号的分析得出高阶统计量自适应算法具有良好的降噪性,CDEFWLMS 算法比 CDRLS 算法处理后的幅值更突出.讨论了用模糊 C 均值(FCM)算法聚类 CDEFWLMS 算法和 CDRLS 算法滤波后的信号频谱,得出经 CDEFWLMS 算法处理的故障隶属度要比CDRLS 算法较大,从而进一步验证了高阶累积量自适应算法在实际故障诊断和检测中有着良好的应用特性.