小波包神经网络在卸船机电机故障模式识别中的应用

针对卸船机中异步电机故障率高的问题,本文采用小波包分解和神经网络技术相结合的方式,将采集到的电机振动信号进行小波包分解,通过分析观测信号在小波包某一分解层次上不同时频分辨空间中的能量分布,进行电机运行状态的特征提取,对提取的特征用RBF神经网络技术进行故障诊断,为卸船机的电机故障诊断提供了一种新的思路和方法。     

基于不变矩和小波神经网络的标志识别方法

对交通标志实时识别应该满足平移、旋转、比例变换具有不变性以及识别精度高等要求.首先采用不变矩来提取标志图像特征,然后利用小波神经网络作为分类器对标志进行识别,该方法很好地满足了上述要求.和常用的BP神经网络标志识别算法相比,小波神经网络算法的训练速度更快和识别精度更高,在车辆自主导航系统中的应用价值更大.     

基于固定检测器的动态交通故障数据识别与修复

针对固定检测器在采集动态交通数据过程中易发生交通数据异常、数据缺失等问题,为实现故障数据有效识别及修复,提出了基于离群距离检测的故障数据识别算法及改进的DE-LSTM数据修复模型。利用时序数据的自身连续性,采用直接离群点定位和离群距离检测对故障数据进行有效识别。采用差分进化算法优化长短期记忆神经网络的隐含层神经元个数和初始学习率,并引入自适应控制策略改进传统DE算法中的变异因子、交叉因子,建立了基于改进差分进化算法优化长短期记忆神经网络的修复模型,并与固定阈值结合交通流机理、LSTM神经网络模型及DE-LSTM修复模型进行对比。实例验证结果表明：与固定阈值结合交通流机理法相比,离群距离检测算法识别率更为高效,改进的DE-LSTM模型具有良好的计算效率及修复性能。     

一种基于深度学习的电机轴承故障诊断方法

针对电机轴承故障信号通常呈现出非线性和不稳定性这一缺点,利用短时傅里叶变换将振动信号转换成二维时频图作为输入训练卷积神经网络;再利用卷积神经网络的自学习能力学习电机轴承故障类型与故障特征之间的深层联系.仿真实验结果表明,相比较其他方法,该方法具有更高的诊断准确率,能够更有效地识别电机轴承故障.     

BP小波神经网络模型及其在交通事件检测中的应用

将小波变换和BP神经网络进行紧致型结合,提出了基于BP小波神经网络的高速公路交通事件检测算法,即采用小波函数代替BP神经网络的隐层节点函数,相应的输入层到隐层的权值以及隐层阈值分别由小波函数的尺度参数和平移参数代替,以上下游检测器的速度、流量和占有率作为算法的输入,采用梯度下降法进行网络训练,构建适合于交通事件检测的小波神经网络模型。最后在Matlab中实现了对新加坡AYE仿真数据的实例分析,并将其与现有的经典算法进行了对比分析。结果表明,BP小波神经网络算法在检测率和平均检测时间方面具有明显的优势。     

基于SPIN算法的异步电机转子断条故障信号分离

目前采用通信技术对异步电动机状态进行监测及故障诊断过程中,常需要加大信息采集量来确保诊断结果的可靠性,造成数据传输占用带宽变大、数据存储占用空间增多的问题.由于考虑到在故障诊断系统中正常信号并不具有故障分析的意义,若将故障信号进行分离提取后作为系统的输入,则数据传输和处理过程可节省出更多时间与空间.因此,提出将SPIN算法应用到异步电机转子断条故障诊断中提取故障信号的过程中,运用MCSA方法将异步电机定子电流信号建模为故障分量与正常分量信号的总和,对原始信号进行梯度投影将分量信号分别恢复出来,进而达到分离故障特征信号的目的.     

基于电磁转矩的城轨列车电机-齿轮传动耦合系统故障诊断方法研究

针对城轨列车电机-齿轮传动系统中电气、机械部分难以耦合而导致各自独立研究问题,综合考虑电机非线性磁导和齿轮时变啮合刚度,建立基于电机等效磁路网络模型(PNM)的城轨列车牵引传动系统机电耦合动力学模型.在此模型上,考虑定子匝间绕组短路故障及鼠笼转子导条断裂故障,求得故障下机电耦合系统的动态响应;基于电磁转矩进行故障诊断,并与矢量控制单电机模型的诊断结果进行对比研究.研究成果表明:在低频域,PNM的电磁转矩频谱比矢量控制单电机模型的频谱在故障频率处幅值更大,更易于识别故障;在高频域,PNM电磁转矩诊断方法能识别到更为明显的电源频率的高次谐波分量,在机电耦合系统的故障诊断中更有优势;基于电磁转矩的故障诊断方法可以有效诊断城轨列车机电耦合系统故障,为无传感器的故障检测技术提供理论支持.     

基于小波网络的船舶柴油机燃油系统故障诊断

采用小波变换和BP神经网络的辅助式结合,通过小波变换提取故障特征向量作为BP神经网络的输入值,设计并组建了小波神经网络;利用小波变换模极大值分析高压油管燃油压力信号的奇异性,提取故障特征向量;根据故障采集数据并建立学习样本,通过网络训练建立BP神经网络输入和输出间良好的非线性映射,进而通过特征向量输入BP神经网络来诊断故障。实验数据分析表明:该方法具有良好的诊断效果。     

电机故障识别模型优化研究

提出了基于优化BP神经网络的电机故障识别模型.针对以往隐节点数依靠经验选取,缺乏理论指导的问题,利用隐节点输出的相关系数对网络隐层优化,简化模型结构.实验结果表明,该优化方法可行、所建立的故障识别模型有效.     

Application of Information Fusion Technology in Automatic Incident Detection

多传感器信息融合技术这一新兴信息处理技术的出现,为交通事件自动检测(Automatic Incident Detection,AID)算法的设计提供了新的解决方案.将多传感器信息融合技术引入交通事件检测领域,设计了一种基于信息融合技术的交通事件自动检测算法.该方法结合了信息融合理论和小波神经网络算法,充分发挥了多传感器信息融合与小波神经网络理论的优势,使得事件检测的结果更加准确.通过仿真试验,该检测算法的优越性得到验证.