基于小波分析的转子碰摩故障特征提取   总被引：2，自引：0，他引：2  

王学军  马辉  孙伟  闻邦椿 《农业机械学报》2008,39(4):147-151

针对不同碰摩程度的转子故障,利用小波基函数"db12",进行6层小波分解,对故障特征比较明显的小波频带,利用Morlet小波尺度图进行时频特征提取,给出了各频带内分解信号的特点以及其频带能量比例.结果表明,采用两种小波基函数和频带能量图可以很好地提取不同碰摩情况下的故障特征.轻微碰摩时,碰摩引起的高低频分量很弱;中度碰摩时,引起比较稳定的x/2谐波系列;严重碰摩时,高于转频的谐波成分,能量均达到最大.  相似文献   

基于小波包能量谱和BP神经网络的转子系统扭矩激励识别     

翟亚宁  杨兆建 《中国农机化学报》2015,(3):194-198

建立转子系统的扭矩激励与其电机电流耦合仿真模型,研究不同性质(阶跃、线性、暂态、正弦)扭矩激励下电机电流频谱特性,运用奇异值分解法剔除电流信号的工频成分,将除去工频成分后的不同性质扭矩激励下电机电流信号进行三层小波包分解生成能量谱特征向量,并设计优良性能的BP神经网络,将得到的电流信号的特征向量以及需要识别的扭矩激励类型输入BP神经网络训练,经试验数据验证表明:利用小波包能量谱和神经网络对转子系统电机电流分析可以实现转子系统扭矩激励的识别。  相似文献   

基于小波包能量法的滚动轴承故障诊断   总被引：5，自引：6，他引：5  

张军  陆森林  和卫星  王以顺  李天博 《农业机械学报》2007,38(10):178-181

阐述了故障轴承振动与信号的关系,小波包的原理以及BP神经网络的工作原理和实现过程,并以滚动轴承故障诊断为例,提取了小波包节点能量作为振动信号特征参数,并训练BP神经网络,对故障模式进行识别。结果表明,如果神经网络设计合理,训练适当,则具有很强的故障识别能力。说明利用小波包能量法和BP神经网络进行滚动轴承振动诊断是可行、有效的。  相似文献   

基于Shannon熵和BP神经网络的微电网短路故障诊断     

《南方农机》2020,(2)

为了及时准确地诊断微电网的短路故障,并识别其故障类型和相别,文章以BP神经网络为基础方法,并应用Shannon熵和小波分析理论增强故障特征的提取能力,建立了一种新的诊断方法。对微电网的三相电流信号作三层小波分解,得到电流分解信号,以及小波Shannon能量熵;然后将三相电流重构信号的Shannon能量熵组成特征向量,作为BP神经网络的输入;最后利用训练的BP神经网络进行微电网故障类型和故障相别的识别。仿真结果表明,该方法能准确识别微电网内部故障类型和故障相别,准确率达到96.8%,可有效保障电网安全稳定运行。  相似文献   

基于SVD-CWT和CNN的水轮发电机转子故障识别     

张彬桥  刘雷  杨洋  侯成伟 《中国农村水利水电》2024,(2):205-209

水轮发电机转子振动故障识别是水电站运维的重难点问题,为此提出一种基于转子振动信号的故障识别方法。首先针对发电机转子的非平稳和非线性振动信号,采用奇异值分解（SVD）并结合能量差分谱理论进行降噪预处理;对预处理数据使用连续小波变换（CWT）转换为时频图并形成图像数据集;然后将该图像数据集作为卷积神经网络（CNN）输入,通过CNN多层池化及卷积形成分布式故障特征表达,最终实现发电机转子故障模式识别和分类。经实验验证,该方法准确率达到99.5%以上,能有效识别出发电机转子的故障类型。  相似文献   

基于RBF神经网络的离心泵地脚螺栓松动故障诊断     

宋礼威  张翊勋  陈泽宇  张宇航  范传翰  肖幸鑫  董亮 《排灌机械工程学报》2022,40(10):993-998

为了准确识别卧式离心泵地脚螺栓松动故障,搭建了卧式离心泵机组诊断平台,采用电涡流传感器对离心泵转子位移进行监测.将采集的转子位移信号经过经验模态分解法(empirical mode decomposition, EMD)分解为多个固有模态函数(intrinsic mode function, IMF),对各层IMF频谱特征、相关系数及能量占比进行分析得到故障敏感分量.最后,通过径向基(radial basis function, RBF)神经网络对离心泵松动故障进行识别预测.结果表明:采用EMD方法可以有效提取出离心泵松动故障特征,IMF5—IMF8层可作为故障特征分量.通过将IMF5—IMF8层的相关系数和能量占比作为故障特征输入到RBF神经网络中进行识别,准确率可达95%.  相似文献   

小波神经网络故障诊断系统的设计与应用   总被引：17，自引：0，他引：17  

郑海波  陈心昭  李志远  朱忠奎  何世娣 《农业机械学报》2002,33(1):73-76

采用能量分布特征提取方法和优化BP算法，提出了一种基于小波变换和BP神经网络的故障诊断系统。利用该系统对汽车变速箱三挡齿轮磨损程度进行估计，诊断结果与实际完全吻合，表明该小波神经网络故障诊断系统的有效性。由于小波分析特别适用于非平稳信号的处理，因此该小波神经网络诊断系统对复杂机械设备的故障诊断有着广阔的应用前景。  相似文献   

小波神经网络的微孔钻削在线监测     

孙艳红  杨兆军  崔亚新  张立新  张继生 《农业机械学报》2007,38(2):176-178

提出小波神经网络对微孔钻削进行实时监测的方法,利用扭矩信号的小波包分解,以分解后的各能量向量作为神经网络的输入,对系统进行训练,利用Matlab和LabView软件建立微孔钻削在线监测软件系统。试验结果表明小波神经网络精度高、收敛速度快,采用小波神经网络对提高微孔钻削在线监测的准确性是有效的。  相似文献   

风力机故障诊断神经网络特征参数确定方法     

曹婷  郑源 《排灌机械工程学报》2014,32(3):247-251

为了诊断风力发电机组的故障,在搭建故障诊断神经网络平台时,选择合适的输入层特征参数搭建小波神经网络以达到网络训练时的稳定收敛.通过对风力发电机组故障诊断神经网络系统输入层特征参数的选择研究.发现风力发电机的齿轮箱、转子、叶片为独具代表性的易故障部件.分别对3个典型故障部件的一般故障类型和其产生机理进行了分析,得出齿轮箱的频率特性可以用来表征其故障类型,不同的转子故障会对应于不同的轴心轨迹,而叶片的故障诊断则可以运用声发射系统.根据分析的结果,提出了输入层特征参数的确定方法.齿轮箱按照其故障的时-频特性来确定输入层特征参数;转子利用其轴心轨迹能够反映故障类型的这一特性,来确定输入层特征参数;而风机的叶片则是通过“声发射系统”测量叶片表面性能时产生的特性数据作为输入层的特征参数.该方法可为风电机组故障诊断神经网络的建立提供参考.  相似文献   

基于小波包能量谱的微电机故障检测方法研究     

胡文明  陈胜义 《湖南农机》2017,44(8)

提出了一种基于小波包能量谱的微电机故障检测方法.测试了微电机在几种不同故障类型下的振动信号,利用小波包变换的分解和重构算法,计算出各子频带的能量谱,并进行归一化处理.各频带信号的能量变化包含着丰富的微电机运行状态信息,在正常情况和故障情况下,小波包分解后各频段信号的能量有明显差异,以频带能量谱构造的特征向量可以建立能量变化到故障的映射关系.初步实验结果表明,小波包能量谱可应用于微电机故障检测.  相似文献