基于D-S证据理论的直流电机故障诊断研究

多传感器、多手段检测的信息融合技术在电机故障诊断中的应用日益广泛。提出了一种基于D-S证据理论和BP算法的故障诊断方法,给出了基于BP神经网络和D-S证据理论的多传感器数据融合技术的直流电机故障诊断方法,首先通过分析直流电机的故障机理,得到电机在不同故障情况下表现的信号特征,然后利用多源信息间的冗余性和互补性,有效提取故障特征信息。将该方法应用于某型船直流电机的故障诊断,结果表明,该算法提高了故障诊断的可靠性和灵敏度。     

基于D-S证据理论和BP算法的直流电机故障诊断研究

提出一种基于D-S证据理论和BP算法的故障诊断方法,通过分析直流电机的故障机理,得到电机在不同故障情况下表现的信号特征,给出了基于BP神经网络和D-S证据理论的多传感器数据融合技术的直流电机故障诊断方法,利用多源信息间的冗余性和互补性,有效提取故障特征信息,提高了诊断的可靠性和灵敏度.     

舰艇中频发电机组的故障诊断

本文主要介绍运用电机电路分析(MCA)技术,使用电机故障检测仪测量中频电机转子阻抗、倍频、绝缘等参数,通过与原始数据或相同型号电机数据对比等方法,监测电机状态。以及探讨红外热成像、电机电流信号分析(MCSA)方法在中频发电机组故障诊断中的综合运用,提出检测中频电机故障的新方法。     

电机设备诊断技术的新进展

在分析电机设备故障诊断的基础上,讨论了电机设备故障诊断的最新研究成果及研究热点：即基于信号处理的小波变换分析、神经网络和模糊逻辑控制及综合应用技术,并探讨了电机设备故障诊断技术的发展趋势。     

组合机械故障诊断技术在船舶电机轴承异常检测中的应用

为保障船舶航行安全,针对当前船舶机械轴承故障检测过程中常出现检测速度缓慢、检测误差大等问题进行分析,结合组合机械故障检测技术对船舶电机轴承异常诊断方法进行了创新和优化。首先对电机轴承正常运行状态下的信号特征和故障信号特征分布进行提取,并录入数据库。其次,利用人工蜂群算法对最优信号分类参数进行搜寻。最后,利用组合机械故障诊断算法对电机轴承运行参数采集结果做出判断。最后通过实验检测结果证实,结合组合机械故障诊断技术在船舶电机轴承异常检测可及时对船舶电机轴承异常情况进行检测,快速检测出设备运行异常,避免船舶航行过程中的安全隐患,促进船舶航运工程的快速发展。     

几种预测船舶电机故障的新方法

本文论述电机故障预测技术在船舶电机上应用的可能性和带来的潜在效益。介绍了三种电机故障特征识别的方法。导纳法是作者首先提出应用于船舶电机故障预测的。     

基于改进EEMD的船用柴油机缸套-活塞环故障诊断方法

船用柴油机缸套-活塞环发生故障时，振动信号呈现非线性、非平稳性特征且故障特征模糊、隐蔽。文章提出一种基于改进集成经验模态分解（EEMD）的故障诊断方法。通过设计固有模态函数（IMF）信息筛选准则对EEMD分解出的固有模态分量（IMFs）进行重新排序，筛去低质量的IMFs，以此获得包含更多能体现故障特征成分的重构信号，经该方法处理的信号再送入到分类器中进行识别和分类故障，实现船用柴油机缸套-活塞环的故障诊断。试验结果表明：与原EEMD诊断方法相比，该改进方法识别率更高，故障诊断效果更好。     

感应电机故障诊断的神经网络方法

本文研究了一种用于单相鼠笼感应电机在线故障诊断的新方法－人工神经网络（ＡＮＮ）法指出了电要的两类常见故障即定子绕组故障和轴损。从描述电机的动态特性出发，指出了电机参数的非线性关系。本文还给出了ＡＮＮ的加速训练算法及测试实验。仿真结果表明，将ＡＮＮ应用于电机故障诊断可以获得满意的结果。     

电源方舱电动机加油泵故障诊断及系统实现

电源方舱电动机加油泵系统结构复杂,故障工况突发因素较多,为了提高电源方舱电动机加油泵的稳定工作性能,需要进行故障优化诊断研究,及时排除故障,提出一种基于多参量故障特征提取和嵌入式开发的电源方舱电动机加油泵故障诊断及系统设计方法。分析电动机加油泵的工作原理,提取电机加油泵的输出电流、电压、油泵进出口压强等参量为故障诊断的特征量,分析故障特征量的波形图和对应信号的频谱图。在嵌入式平台下进行故障检测仪的硬件设计和软件开发,系统子模块包括传感器系统、AD采集模块、ARM主控系统模块、控制显示模块,供电系统,通过AD采集系统将传感器的信号采集传回ARM主控系统,在三相异步电动机电源线路中进行故障巡检,结合特征提取和信号谱分析结果实现故障诊断。仿真结果表明,采用该方法进行电源方舱电动机加油泵故障诊断的实时性和准确性较好,能实现对加油泵回油管路阀门故障、油管阀门开关失灵、机线路连接与电动机不匹配等故障种类的有效排除。     

神经网络技术在核动力装置故障诊断方面的应用探讨

主要针对核动力装置中的冷凝器故障，建立了冷凝器故障仿真模型和基于BP网络的故障诊断模型，探讨了利用神经网络技术实施故障诊断的方法。     

基于保局投影和SFAM网络的装备故障智能诊断

现代武器装备的高度复杂性,装备故障信息具有高度的非线性,这给装备技术保障带来新的挑战。针对这一问题,该文采用保局投影流行学习方法作为装备故障信号的特征提取器,将故障信号一类信息通过显式映射矩阵投影到低维空间,获得关于故障的特征信息;在此基础之上,利用特征信息训练SFAM网络形成一个故障诊断分类器,定位故障源及性质。仿真实验表明,该文提出的故障诊断技术方案对较高维数的故障信息具备较高的故障识别率及鲁棒性。     

基于PCA和SVM的柴油发动机冲击故障诊断方法研究

针对柴油发动机振动信号进行故障诊断技术研究,提出了一种基于主成分分析和支持向量机的柴油发动机冲击故障诊断方法。首先利用小波包分解提取出冲击故障的特征;再利用主成分分析技术获得敏感特征参数,进而减小数据处理的复杂程度;最后利用支持向量机对敏感特征参数样本进行训练,获得分类模型,进而实现故障分类。将该方法用于柴油机实际故障分类,诊断准确率较高,证实了本文方法对多种冲击故障诊断的有效性。     

地质绞车系统的在线监测与故障诊断报警技术

监测与故障诊断作为保障地质绞车系统安全运行的重要技术，其合理运用与发展对于减少地质绞车的故障的发生具有十分重要的意义。对目前国内外地质绞车系统监测与故障诊断技术的研究现状进行总结与分析，并通过介绍地质绞车主要故障及传统处理方法，提出对这些故障进行在线监测与诊断的报警技术，最后提出地质科考绞车系统在线检测与故障诊断技术的应用前景与发展趋势。     

小波分析在故障诊断中的应用

在分析小波变换原理的基础上，根据设备出现故障时的信号特征，介绍了小波分析在降噪及故障诊断中的应用。重点分析了小波变换应用于设备故障诊断的优点及其优于傅里叶变换等其他方法的数学机理。最后通过实例验证小波分析在故障诊断中的应用，并通过与傅里叶变换对比，表明小波变换能克服傅里叶变换的固有缺陷，准确提取故障特征。     

导航装备微特电机故障诊断技术研究与应用

介绍电机故障诊断领域中三种基本诊断方法,认为多种方法的综合运用是电机故障诊断技术重要发展方向.设计了一种基于LabVIEW的微特电机智能故障诊断系统,具有有精度高、自动化程度高、有很强的信号处理能力等特点.     

感应电机转子断条故障诊断方法研究进展

转子发生断条故障后,电机的电流信号中将会出现故障特征频率分量。而基于定子电流信号分析的故障诊断方法可以做成非侵入式,结构简单,数据采集方便,因此是该方向研究的热点。总结了近年来基于定子电流信号分析的转子故障诊断方法,并对进一步的研究进行了展望。     

组合机械故障诊断技术在船舶电机轴承异常检测中的应用

传统单纯的船舶电机轴承工作诊断技术仅支持故障报警,不能快速准确地定位轴承故障区域模块,故障清除时间过长,整体工作效率低下。对此设计了一种包含TFF船舶电机轴承异常分析技术和SWM船舶电机轴承异常智能识别技术的组合机械故障诊断技术。利用TFF船舶电机轴承异常分析技术,建立船舶电机轴承故障模型,识别故障特征;通过SWM轴承异常智能识别技术,量化电机轴承故障特征参数,进行智能识别,实现船舶轴承故障的特征分析和准确定位,完成异常检测。对比实验证明,新型组合诊断技术和传统单一的诊断技术相比能够更加准确的分析定位出故障区域。     

基于嵌入式技术的船舶故障诊断控制器设计

船舶故障诊断是船舶运输航行的重要技术支持,为了有效提高船舶故障诊断效果,基于嵌入式技术设计新型船舶故障诊断控制器。该控制器从故障异常数据入手,首先建立故障训练样本,用于表示船舶正常航行以及多类型故障时的数据标数,根据训练样本,提取当前故障信号诊断特征,并利用最小二乘法对上述建立的训练样本数据进行直接限制,完成诊断特征分类,将分类后的数据进行信号去噪,消除无用数据,确定信号标度因子值,通过数据清洗,重新划分定位故障数据,实现故障诊断。实验数据表明,应用该故障诊断控制器,故障诊断率提高了22%,故障误判率降低了30%,有效提高船舶故障诊断控制效果。     

基于MUSIC算法的变频电机转子故障诊断研究

分析了变频电机在转子故障时,逆变器直流侧电流中产生故障特征信号的特性,提出了一种基于MUSIC算法的转子故障在线检测和诊断方法。结果表明,在短数据情况下,相对FFT技术,该方法频率分辨率更高,故障检测更为准确,且计算量小,有利于电机故障的在线检测,实验证明该方法简单有效。     

数字信号处理器的舰船电子设备故障诊断

舰船电子设备故障与多种因素相关,使得舰船电子设备故障变化具有随机性,传统方法难以描述舰船电子设备故障的变化特点,诊断效果差。为了克服当前舰船电子设备故障诊断存在的不足,提出数字信号处理器的舰船电子设备故障诊断模型。首先采用数字信号处理器对舰船电子设备状态信号进行采集,同时去除信号中的一些噪声,然后从舰船电子设备信号中提取有效的特征,通过筛选最有效的舰船电子设备故障诊断特征进行建模,最后引入数据挖掘技术建立舰船电子设备故障诊断模型,并在相同环境下,与其他模型进行舰船电子设备故障诊断仿真模拟测试。结果表明,本文模型的舰船电子设备故障诊断误差要比对比模型更低,且减少了舰船电子设备故障诊断复杂度,诊断效率得到明显的提升。