钢包回转台大轴承故障诊断系统的研究

根据大轴承的结构特点和现场经常出现的故障,选择合适的监测及诊断方法,分析大轴承存在故障时,特征信号的变化,寻找合适的信号处理方法,对监测信号进行分析处理,提取特征向量.利用人工神经网络来完成大轴承状态辨识,实现诊断的智能化.     

深度学习在轴承故障诊断中的应用

深度学习是机器学习的一个领域。目前,已成为一种有前途的智能轴承故障诊断工具。本研究对深度学习在轴承故障诊断方面的应用进行系统综述。简要介绍了三种流行的轴承故障诊断深度学习算法：自动编码器、受限玻尔兹曼机和卷积神经网络,并讨论了该研究领域的进一步应用和挑战。     

基于支持向量机的采煤机轴承故障诊断

轴承在旋转机械中起着重要的作用,其故障是导致旋转机械故障的主要原因之一,它们的功能直接关系到这些机器的操作性能、使用寿命和效率。因此,识别和诊断轴承的故障行为对于设备的可靠运行非常重要。基于此,本文提出了一种从振动特征中提取最优故障指标并使用支持向量机(SVM)建立轴承故障的诊断方法。在恒定载荷条件下,以三种速度采集振动信号,然后,在时域、频域和时频域中提取最优的统计特征。结果表明,与单域信号相比,多域的时频特征具有更好的性能。     

轴承装配及振动故障诊断技术浅谈

轴承是旋转机械中应用最广泛的一种通用机械部件,在旋转机械故障中,轴承故障占有相当大的比例。因为轴承是机械设备中工作条件最恶劣的部件,它在机械设备中起着承受和传递载荷的作用,其运行状态是否正常往往直接影响到整台机器的性能。论文提出了异步电动机轴承故障的综合诊断技术,进而实现轴承故障的有效检测。     

滚动轴承故障诊断

设备故障诊断技术是一种了解和掌握设备在使用过程中的状态,确定其整体或局部是正常或异常,早期发现故障及其原因,并能预报故障发展趋势的技术。安装合适的传感器可以获得故障的特征信号,通过信号反映故障产生原因。滚动轴承是机械中的易损元件,据统计旋转机械的故障有30%是由轴承引起的,它的好坏对机器的工作状态影响极大。轴承的缺陷会导致机器剧烈振动和产生噪声,甚至会引起设备的损坏。滚动轴承的振动可由于外部的振源引起,也可由于轴承本身的结构特点及缺陷引起。滚动轴承故障监测诊断方法有很多种,它们各具特点,其中振动信号法应用最广泛。     

基于Matlab的滚动轴承故障诊断方法的研究

滚动轴承被广泛应用于风力发电、直升机等各类机械设备中,由于其受到复杂的载荷作用并且工作环境较为恶劣,所以轴承较为容易受到损坏。如果不能及时发现轴承故障,则会造成较大的事故,或导致停产与造成经济上的损失。本文通过对轴承故障振动信号的采集,利用Matlab软件对数据进行处理,力求在初期就能够及时发现故障,为维修提供科学依据,节约维修时间和成本。     

基于KELM的轴承故障诊断方法

目前在轴承故障诊断方面通常都会存在很多复杂而且无固定特征的数据等待处理,显然处理这些数据就是诊断轴承故障的关键。利用小波包对滚动轴承的振动信号进行分解和重构,计算各子频带能量并进行归一化作为特征向量。将核函数和超限学习机相结合,用来处理轴承的故障特征数据。与传统的故障诊断方法相比较,将核函数与超限学习机相结合的方法能快速诊断出轴承故障,且诊断结果稳定可靠。     

基于最小二乘支持向量机的轴承故障诊断研究

针对神经网络在轴承工作状态诊断中存在的问题,提出了将最小二乘支持向量机用于轴承的智能诊断。基于轴承故障信息,用最小二乘支持向量机方法建立多类故障分类器,以实现对故障的诊断。仿真证明:小样本情形下,最小二乘支持向量机比神经网络具有更好的识别和诊断准确率。     

基于集成学习的科研计划项目绩效预测研究

提出基于集成学习的项目绩效预测方法,利用多分类集成监督学习算法,对网络爬虫得到的已结题项目数据中隐含的关于项目绩效的信息进行有效挖掘,形成项目绩效预测模型.基于国家自然科学基金项目数据,利用多种指标对模型的性能进行评估,将模型对项目的绩效预测结果与专家的评估结果进行比较,结果显示模型的有效性.     

汽车空调故障诊断方法

汽车空调技术是随着汽车的普及和高新技术的应用而发展起来的,它用于调节车内的温度、湿度、气流速度、空气清洁度等,从而为乘员提供清新舒适的车内环境。本文着重介绍汽车空调故障诊断的方法。     

基于核Fisher判别分析的滚动轴承故障诊断方法

本文提出了基于核Fisher判别分析的滚动轴承故障诊断方法。该方法利用非线性核函数将数据从原始空间映射到高维特征空间,在高维特征空间中利用Fisher判别分析方法提取最优的Fisher特征矢量和判别矢量来实现滚动轴承的状态监控与故障诊断。试验结果表明,核Fisher判别分析方法能很好地识别滚动轴承的故障模式。     

基于LMD-LSSVM的扬声器异音故障诊断方法研究

文章采用局部均值分解(Local mean decomposition,LMD)和最小二乘支持向量机(Least squares support vector machine,LSSVM)相结合的方法进行扬声器异音故障诊断的研究.首先,选取正常扬声器与漏气、铁粉杂质、小音三种故障类型的扬声器作为研究对象,在实验平台上对...     

基于多残差描述的鲁棒故障诊断方法

论文采用自适应阈值、多残差描述故障特征等方法研究鲁棒故障诊断问题。该方法首先采用多层感知机网络建立系统正常工况解析模型,根据不同的故障模式在过程操作单元和控制回路之间故障传播的途径不同,采用多残差描述方法和基于加权移动残差设计各种历史故障特征矩阵,通过与历史故障特征矩阵的匹配度快速诊断故障源。最后利用DAMADICS阀门基准实验平台的19种不同故障模式验证提出的故障检测与诊断方法的有效性。     

基于模糊理论的变压器绝缘故障诊断新方法

针对变压器故障初期诊断数据具有模糊性的特点,文章介绍了一种变压器绝缘故障诊断的新方法——模糊诊断法,并通过应用实例验证了该方法对变压器绝缘故障诊断的准确性。     

模拟电路故障诊断技术研究

模拟电路故障诊断的研究是新的研究热点。在详细介绍模拟电路故障诊断分类的基础上,然后分析了模拟电路故障诊断的常规诊断方法的原理及特点,并指出了该技术的发展趋势。     

An Aircraft Navigation System Fault Diagnosis Method Based on Optimized Neural Network Algorithm

Air data and inertial reference system （ADIRS） is one of the complex sub-system in the aircraft navigation system and it plays an important role into the flight safety of the aircraft. This paper propose an optimize neural network algorithm which is a combination of neural network and ant colony algorithm to improve efficiency of maintenance engineer job task.     

基于虚拟技术和灰色理论的发动机故障诊断专家系统

在运用虚拟仪器技术实时采集发动机运行状况参数的基础上，采用产生规则和框架的知识库表示方法，结合故障树分析法和灰色关联度的推理机制，提出了一种基于虚拟技术的发动机故障诊断专家系统．介绍了该系统的总体结构、设计原理及方法．通过实践证明系统具有较高的准确性和实用性，并能缩短开发周期，降低开发成本．     

基于径向基神经网络的变压器故障诊断

研究基于径向基神经网络的变压器故障诊断方法。以绝缘油中6种特征气体作为神经网路的输入,建立了可对变压器低温过热、中温过热、高温过热、低能放电、高能放电和局部放电等6种故障进行故障诊断的径向基神经网络模型。仿真实验研究表明,基于径向基神经网络的变压器故障诊断模型对于超出三比值法编码规则的故障也能进行故障诊断,故障诊断准确率达到91.67%,远远高于三比值法故障诊断准确率。基于径向基神经网络的故障诊断模型建立方法简单,便于在实际中应用。     

基于FTA的离心泵故障诊断研究

本文以某电动离心泵为研究对象,针对使用期间发生的多起故障,采用故障树分析(FTA)原理进行定性分析,对比传统故障处理模式,提出了合理建议,对提高系统可靠性具有实际意义。