共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
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
3.
4.
5.
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
6.
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
7.
8.
9.
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
10.
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