共查询到10条相似文献，搜索用时 15 毫秒
1.
轴承作为工业中旋转机械中的重要部件,其故障将严重影响机械设备的安全运行.为了实现对轴承运行故障状态的有效诊断,提出了一种基于经验模态分解(empirical mode decomposition,EMD)提取的多特征参数的关联向量机的(Relevance vector machine,RVM)的滚动轴承的多故障诊断模型.首先运用经验模态分解的方法将轴承振动信号分解为多个固有的模态分量,之后将提取的表征轴承故障特征的IMF分量的能量、峭度、偏度构造特征向量,最后采用关联向量机多分类故障诊断模型进行故障模式识别.轴承实测振动信号分析表明:该方法能够有效、准确地诊断出轴承的故障状态,具有较高故障诊断准确率. 相似文献
2.
大规模模拟电路软故障快速诊断法 总被引：1，自引：0，他引：1
研究了大规模模拟电路软故障的故障统一特征向量的提取方法，并在此基础上提出了大规模模拟电路软故障快速诊断法。该方法根据大规模模拟电路故障诊断网络交叉撕裂搜索方法，采用改进BP算法的神经网络记载电路多次撕裂信息，从而可以迅速检测出大规模电路的软故障模块。仿真实例证明该方法能快速有效地并行处理定位故障模块，具有测前工作量小、适用范围广、诊断速度快等优点。 相似文献
3.
目的：齿轮箱的振动信号频谱结构比较复杂,难以提取其故障特征频率。傅里叶分解方法可以将振动信号分解为多个单分量信号,利用共振频率筛选出最优分量并进行包络解调,识别特征频率以实现故障诊断。创新点：1.为了求解共振频率,提出一种基于短时向量的最大奇异值比方法;2.将傅里叶分解方法引入到齿轮箱故障诊断中,并利用共振频率选择最优分量进行包络解调以提取故障特征频率。方法：1.分析奇异值比与冲击信号的关系,提出求解共振频率的最大奇异值比方法;2.对比最大奇异值比方法与谱峭度方法在求解共振频率方面的表现,从而验证最大奇异值比方法的有效性;3.对比分析所提方法与传统的总体经验模态分解（EEMD）和变分模态分解（VMD）方法在信号分解与故障特征提取方面的效果,并通过仿真和实验进行验证。结论：1.最大奇异值比方法能够准确计算出共振频率,比谱峭度方法求解的频率值更加精确;2.基于傅里叶分解方法和最大奇异值比的共振解调方法能够有效提取故障特征频率,其在故障诊断方面的表现优于EEMD和VMD方法。 相似文献
4.
孙妍姑 《淮南师范学院学报》2014,(5):80-83
为研究和改进人工智能技术在设备故障诊断中的缺点和不足,提高故障诊断的准确率,构建了一种混合智能诊断系统。首先利用小波包分析技术对设备故障进行特征提取和分析;接着对数据进行离散化处理,应用粗糙集对获得的故障特征向量进行约简,删除冗余信息;然后利用免疫遗传算法的全局优化能力去训练BP神经网络的权值,建立免疫遗传-BP神经网络模型;最后把经粗糙集约简后的故障特征向量输入该模型,完成故障识别和智能诊断。通过旋转机械的转子系统的仿真实验,表明基于小波包-混合智能的故障诊断取得了良好的诊断效果。 相似文献
5.
6.
7.
王隆富 《湖北广播电视大学学报》2009,29(4):159-159
往复机械的故障主要为结构性故障和性能故障。针对故障,可以通过特征提取和信号检测的途径进行诊断。振动测试分析是设备故障诊断最基本、最有效的手段。 相似文献
8.
经验模态分解(EMD)广泛应用在故障分析过程中,特征提取时从状态信息中提取与机械设备故障有关的信息［1］。针对经验模态分解受噪声影响较大的问题,提出多分辨奇异值分解的方法,可以先利用多分辨奇异值分解将信号分成具有不同分辨率的近似信号和细节信号实现信号降噪,再进行经验模态分解,并计算其Hilbert边际谱得到准确的特征频率。实验通过仿真信号和滚动轴承故障特征提取,证明了多分辨奇异值分解（MRSVD-EMD）方法在滚动轴承故障诊断中能有效去除信号中的噪声成分,提取故障特征频率。 相似文献
9.
刘磊 《江西电力职业技术学院学报》2023,(2):13-15
为实现对步进电机故障的精准诊断,引进非线性接触测量技术,设计了一种步进电机故障诊断方法。将非线性接触测量过程作为一种对信号的时间序列重构过程,使用加速度传感器,主动采集步进电机在作业中的频谱信号;对步进电机在作业过程中的电流、电压和脉冲等参数进行时间域分析,采用短时傅立叶转换方式,处理步进电机作业信号;通过步进电机故障范围确定与故障点查找,完成步进电机故障诊断方法的设计。设计对比实验证明：该方法不仅可以准确识别步进电机作业过程中的采样信号故障,还可以精准诊断步进电机在不同故障状态下的异常电流值。 相似文献