共查询到19条相似文献，搜索用时 171 毫秒
1.
基于神经网络的柴油机故障诊断 总被引：1，自引：0，他引：1
本文分三种工况,在X4105BD2型柴油机缸盖、缸壁上测取了柴油机燃油系统正常工作状态和五种故障状态下的振动信号。对这些振动信号提取时域特征参数,把这些时域特征参数作为故障征兆向量,研究柴油机BP神经网络故障诊断方法。 相似文献
2.
《排灌机械工程学报》2017,(12)
为了提高水轮机组诊断的精确性,提出应用时间序列模糊贴近度特征提取轴心轨迹特征参数,通过改进SVM模型并引入故障分类准确性判定因子对参数化的水电机组轴心轨迹开展了智能诊断.应用改进SVM对时间序列特征引入正确率、错误分类率计算方法,从而对诊断后轴心轨迹分类准确性进行判定,由此促进运行状态设备智能诊断,提高故障诊断系统的自动诊断水平及准确率;引入多类分类支持向量机算法、分类准确度判断解决异常状态下机组轴心轨迹特征参数无法识别、识别率低的问题.通过对改进扩展时序距离时间序列贴近度度量算法的应用解决了水电机组实时轴心轨迹特征参数准确性差和实时性差的问题.该方法提高了检测精度,同时增强了人机交互性,具有重要的理论意义和实用价值. 相似文献
3.
基于时序分析与模糊聚类的变速箱齿轮故障识别 总被引：7，自引：0，他引：7
通过对LC5T81变速箱疲劳寿命台架试验采集的齿轮运行状态振动信号进行时间序列分析和特征向量提取，并采用模糊聚类分析方法确定变速箱齿轮运行状态特征向量样本的亲疏关系，实现了对变速箱齿轮的跑合运行状态、磨损运行状态和故障运行状态的识别与诊断。验证表明，基于时间序列分析与模糊聚类分析相结合的故障识别方法能够有效地识别出变速箱齿轮运行状态。 相似文献
4.
鉴于支持向量机(SVM)的优越性及汽车发动机的故障特点,本文提出将支持向量机应用到发动机故障的智能诊断中。该方法专门针对小样本集合设计,能够在小样本情况下获得较大的推广能力,而且模型简单。首先对采集的故障信号采取信息融合方式进行特征提取,以获得特征向量。在此基础上通过多分类支持向量机对发动机故障进行分类测试,建立了故障诊断模型。试验结果表明:该方法具有较高的诊断精度,达到了发动机的故障诊断要求。 相似文献
5.
《农机化研究》2020,(2)
为探究联合收获机驾驶人疲劳的产生和变化规律,基于心电和肌电信号建立了联合收获机驾驶人疲劳检测方法。通过驾驶疲劳监测实验采集了10名联合收获机驾驶人120min的心电和颈部、腰部表面肌电数据,提取心率变异性和表面肌电信号的非线性特征参数C_0复杂度和样本熵,探究特征参数随驾驶时间的变化规律;划分疲劳状态为轻度和重度2个等级,采用主成分分析法对特征参数降维,基于支持向量机建立了联合收获机驾驶人疲劳状态识别模型。结果表明:心率变异性、颈部和腰部表面肌电信号的C_0复杂度和样本熵随驾驶时间的增加均呈下降趋势,并在1时段和12时段存在显著性差异;联合收获机驾驶人疲劳状态识别模型的识别准确率平均为91.75%,识别准确率较高。基于心肌电的联合收获机驾驶疲劳检测方法,可全面地反映驾驶人疲劳时的生理特征,有效识别联合收获机驾驶人的疲劳状态。 相似文献
6.
7.
在机械设备系统状态监测与故障分形诊断中,可以利用混沌特征量对系统吸引子动态结构变化的敏感性从振动信号中提取状态信息,试验表明,利用小波包改进算法降噪后的振动信号关联维数能作为特征参数准确而可靠的反映系统的真实状态。 相似文献
8.
薛延刚 《排灌机械工程学报》2016,34(5):455-460
为了准确判断水轮机组的故障,提高水轮机组诊断的精确性,建立了EMD-Multi-fractal spectrum和改进BP神经网络相结合的机组振动故障诊断模型.选取水轮发电机组不同工况下的轴系正常、轴承油膜涡动、转子部件不平衡、转子不对中等状态,采集各状态下的振动信号.经过经验模态分解得到振动信号波各种故障信号的EMD分量,根据信号波形趋势图由EMD系数提取出波形样本,再由多重分形谱算法提取波形样本的特征值alpha(q), f(q),将该特征向量作为BP神经网络的输入进行分类识别.将训练好的神经网络应用于全部样本,得到测试正确率为100%.该模型用波形提取信号特征代替了传统的频谱特性,并结合先进的多重分形谱进行诊断识别,为水轮发电机组故障诊断提供了一种新的思路.应用信号采集于水电厂运行的水轮机,根据诊断的结果对轴系各个部件进行局部校正,通过检测发现振动和摆度都大大减弱.该方法提高了检测精度,增强了人机交互性,具有重要的理论意义和实用价值. 相似文献
9.
轴向柱塞泵作为农业机械设备中的关键元件,健康状态直接影响到系统运行的可靠性。目前,柱塞泵的故障诊断方法主要是利用壳体的振动信号,分析元件的运行状态和诊断故障原因。由于液压系统的多场域和多尺度的强耦合给故障诊断带来了困难,研究提出采用瞬时转速信号来反映故障信息,以便对各种运行状态、正常或故障状态时的斜盘式轴向柱塞泵进行监测诊断。在机电液系统的柱塞泵上测取了配流盘正常、磨损状态下的瞬时转速信号,利用无为原理对瞬时转速波动信号进行了滤波处理,通过阶次分析实现了故障识别。研究表明瞬时转速信号可以作为一种有效手段来反映配流盘磨损故障,并为液压元件故障诊断提供了一种新的检测方式。 相似文献
10.
基于高光谱和频谱特征的注水肉识别方法 总被引：1，自引：0，他引：1
为实现注水肉快捷有效的识别,以猪肉为研究对象,利用高光谱技术分析了注水肉和正常肉的光谱特征,通过傅里叶变换的方法,提取样本的频谱特征参数,然后分别基于猪肉样本的全光谱、特征光谱和频谱特征参数,分别建立正常猪肉和注水猪肉的支持向量机（SVM）和BP神经网络分类识别模型,并采用验证集对模型性能进行试验验证。结果表明,基于频谱特征参数建立的神经网络分类识别模型具有最优的分类识别效果,正确识别率达98.8%;基于特征光谱建立的神经网络分类识别模型分类识别效果次之,正确识别率为96.4%;而基于全光谱建立的支持向量机分类识别模型分类识别效果最差,正确识别率只有84.5%。说明采用高光谱技术可以对注水猪肉进行快速而有效的检测识别。 相似文献
11.
面向食品安全事件新闻文本的实体关系抽取研究 总被引：1，自引：0，他引：1
为解决从大规模网络文本中快速、准确识别食品安全事件并进行实体关系抽取受中文复杂语法特性限制的问题,提出一种基于依存分析的面向食品安全事件新闻文本的实体关系抽取方法 FSE_ERE (Entity relation extraction of food safety events,FSE_ERE)。该方法结合句子的依存分析结果和实体关系抽取模型,对非结构化中文文本进行无监督的实体关系抽取,并引入一种将文本相似度结合到PU学习(Positive and unlabeled learning)的半监督分类方法,利用改进的特征加权处理方法提高分类精度,使得FSE_ERE方法能够在高质量的食品安全事件新闻文本中完成实体关系抽取工作。实验结果表明,FSE_ERE方法在食品安全事件新闻文本数据集和多类型混合新闻文本数据集上的实体关系抽取均达到了先进的性能,F值分别达到了71.21%和67.42%,证明了FSE_ERE方法的有效性和可移植性。 相似文献
12.
把湿地水体富营养化程度划分为6个级别， 其阈值参照中国湖泊富营养化评价标准。选取Chl-a、TP、TN、CODMn为评价指标，根据实测数据建立指标及指标标准相对隶属度矩阵；综合考虑指标相对隶属度与指标权重，建立环境指标综合权重矩阵；应用多级模糊模式识别模型求得样本集对模糊概念“营养化”的相对隶属度矩阵；最后利用样本的级别特征值对湿地水体进行富营养化评价。并以扎龙湿地为例进行了实例计算与分析，验证了此模型的准确性和实用性。最后，为扎龙湿地的保护与可持续发展提出建议。 相似文献
13.
14.
小波包分解与神经网络相结合的变速箱齿轮故障识别 总被引：5，自引：1，他引：5
提出了一种识别变速箱齿轮故障的新方法，通过对小波包分解的分析研究，将基于小波包能量的小波包分解特征提取方法用于提取齿轮运行状态的特征向量，并以此作为BP神经网络的输入对神经网络进行训练，建立了基于BP神经网络的齿轮运行状态分类器，用以识别齿轮的运行状态，, 变速箱齿轮故障识别为例，用文中所述方法对变相齿轮的正常状态，磨损状态，断齿状态进行识别验证，验证结果表明该方法的效果良好。 相似文献
15.
16.
为提高养殖禽舍温度预测算精度，降低数据冗余度和差异性对预测结果的影响，提出一种基于智能优化特征子集选取和模糊聚类改进SVR（Support Vector Regression）的温度预测模型。首先，构建最优特征子集选取模型，通过设计最优特征子集选取指标，以降低特征之间冗余度和数据维度；采用改进的离散灰狼算法对特征子集选取模型进行求解，以实现最优特征子集选取。其次，建立模糊聚类改进SVR预测机制，通过设计多度量核FCM（Fuzzy C-means）算法，以实现数据样本自动分类；提出与数据样本分类相对应的SVR预测算法，并采用灰狼算法对SVR参数进行优化，最大程度降低样本数据差异性对预测精度的影响。最后，融合最优特征子集选取和模糊聚类改进SVR预测机制，以实现养殖禽舍温度高精度预测。仿真结果表明，该算法实现不同季节条件下养殖禽舍温度的高精度预测，相比于其他预测算法，预测精度提高约23.7%~37.8%。所提养殖禽舍温度预测算法具有良好的预测性能，具有一定的推广应用价值。 相似文献
17.
针对联合收割机装配精度不高和装配质量难以检测的问题,提出一种基于麻雀搜索算法(SSA)优化变分模态分解(VMD)和长短时记忆神经网络(LSTM)的联合收割机装配质量检测方法。该方法首先利用SSA算法自适应寻优得到最优VMD分解模态参数K和惩罚因子α,然后利用最佳参数组合［K,α］将联合收割机振动信号分解成不同中心频率的本征模态分量IMF,并对各个IMF分别进行联合特征提取组成特征向量,最后将联合特征向量作为LSTM的输入,实现不同故障特征的分类。分析结果表明,SSA-VMD-联合特征提取方法分类准确率为98.1%,分别比集合经验模态分解(EEMD)和固定参数VMD高7.1%和6.1%,验证所提方法对联合收割机装配质量检测的优越性。 相似文献
18.
19.
基于视觉的苗期作物和杂草的图像分割技术逐渐成熟,通过视觉技术对苗期作物进行精准识别和定位,是实现株间除草的关键技术和难点。作物的精准识别首先需要利用颜色特征将图像中的作物、杂草和土壤背景进行分割;其次利用实际识别对象的位置特征,形状特征,纹理特征,光谱特征等构造新的特征向量,结合成熟的分类算法对作物和杂草进行特征分类识别。针对棉苗和大豆苗,主要提取位置特征、形状特征,多采用支持向量机为主分类算法;针对玉米,主要提取位置特征、纹理特征,多采用人工神经网络为主的分类算法;针对部分蔬菜苗,主要提取形状特征、光谱特征,多采用算法结合的优化算法,具体实现时需要根据离线样本学习的结果来平衡苗期作物的识别准确率与实时性。在目前的算法中,主要存在三方面的问题:作物特征提取效果易受到遮挡、光照等干扰;分类算法目前还不能得到非常令人满意的准确性和实时性;目前算法一般是针对某种时段的作物,不具有通用性。这些都是后续算法研究中需要进一步解决的问题。 相似文献