基于Prony算法的感应电动机转子故障检测方法

分析Prony算法及其高分辨率谱估计的特点,在此基础上,提出一种基于Prony算法的感应电动机转子故障检测方法,仿真研究结果表明,在短数据情况下,相对FFT分析技术而言,该方法频率分辨率更高,故障检测更为准确,且计算量小,有利于电机故障实时状态监测。实验证明,将该方法应用于感应电机转子故障检测,可准确检测出转子故障时在定子电流中的故障特征成分。     

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。     

基于定子电流Park矢量变换的感应电机故障诊断

通过提取定子电流信号的Park矢量图作为电机故障特征。应用人工神经网络技术对故障特征进行分类与识别，从而避开了复杂的谱分析技术。实验测试结果表明，该方法用于电机故障诊断可靠、有效，是一种实际可行的电机故障诊断方法。     

多相电机调速系统容错控制技术研究

本节以五相感应电机为对象,研究定子绕组一相或多相开路时系统运行情况。根据电机无扰动运行(disturbance-free operation)条件,分析故障前后电机磁动势及电流。并推导在电机相开路情况下电机的解耦模型,以此为基础分析故障运行中电机容错控制。     

模糊支持向量机在船舶发电机故障诊断中的优化应用

对以往提出方法的优点进行总结,在故障诊断中对模糊支持向量机进行优化应用,提出一种优化诊断方法。基于模糊支持向量机进行发电机故障分类,构建模糊故障分类模型。利用故障仿真模型获取各种发电机故障的对应电流信号,将电流信号中的特征量设为模型的四维输入向量。根据模糊故障分类模型的分类结果和船舶发电机历史运行数据,建立故障诊断融合识别框架。根据建立的故障诊断融合识别框架,将故障诊断过程分为4个步骤进行船舶发电机的实际故障诊断。对模糊支持向量机的优化应用进行实例研究,测试结果证明其优化应用实现了有效的故障诊断,验证了设计方法的有效性。     

基于DSP的船舶航海仪器故障诊断

为保障船舶航行过程中安全可靠,避免航海仪器故障引发大规模航行事故,研究基于DSP的船舶航海仪器故障诊断方法。通过应用DSP技术中的TMS320C2812芯片作为核心处理器,向DSP芯片写入基于支持向量机航海仪器故障诊断算法;通过船舶航海仪器采集传感器,实时采集船舶航海仪器特征信号,经由模数转换器处理后提供至DSP芯片中,在DSP芯片内部通过故障诊断算法诊断不同航海仪器的故障问题,完成故障诊断后,DSP可通过接口电路将诊断结果提供至PC上位机,在上位机中向用户显示航海仪器故障诊断结果。经实验验证,该方法可精准采集航海仪器的运行参数,当进行故障诊断时,可快速、有效地诊断磁罗经、探测仪、日光信号灯等多种仪器的故障情况,保障航海仪器的安全性。     

基于多尺度模糊熵和主成分分析的 轴承故障特征提取

针对滚动轴承故障特征难以提取的问题,文章提出了基于多尺度模糊熵(MFE)和主成分分析(PCA)相结合的滚动轴承故障特征提取方法。首先利用经验模态分解(EMD)将原始振动信号分解成若干个本征模态函数(IMF),并根据相关系数和峭度值准则剔除虚假IMF分量;然后在不同尺度下求取真实IMF分量的模糊熵值,利用PCA对其进行降维处理,形成能表征不同轴承故障的特征向量,最后借用支持向量机对其进行诊断验证。实验表明,该方法可以有效地提取轴承故障信息,对4种轴承状态的识别率为95%,实现了对轴承故障的精确诊断。     

基于小波分析的船舶螺旋桨故障诊断

电力推进船舶的推进系统由推进电机和螺旋桨组成,其中螺旋桨工作环境恶劣,常因种种故障影响船舶航行安全。针对螺旋桨在水下可能出现的常见故障,提出基于小波分析的信号奇异性检测方法,通过分析推进电机中定子电流信号出现的异常对螺旋桨出现的故障进行故障诊断,仿真实验证明了方法是正确有效的。     

基于全阶磁链观测器的异步电机无速度传感器矢量控制系统

设计了一种基于全阶观测器的自适应磁链观测器,通过引入定子电流反馈使观测器对电机参数具有一定的鲁棒性,减少了电机参数的误差以及参数在运行过程中的变化对磁链观测准确性的影响.同时在系统中实现了电机转速的在线辨识,并对不同的离散化方法进行了比较,在基于TMS320F2407型DSP的异步电机控制系统上完成了控制系统的设计和实...     

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。     

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。     

海上平台电力绕组短路电流复合故障检测方法

海上平台电力系统在长期使用过程中,受到外界环境等因素影响会产生电路谐波电流。导致电路短路故障的发生。传统故障检测方法仅能对谐波电流进行感应,而对定子绕组电路间的绕组匝短路电流复合故障的检测准确率极低。因此提出海上平台电力绕组短路电流复合故障检测方法。首先,对谐波电流产生进行分析,找出问题根源的同时发现传统检测方法的不足所在;接着,针对传统算法的不足引入谐波电流绕组互感算法对故障电流进行检测计算;最后通过仿真故障检测实验,证明提出的检测方法能够准确识别检测出绕组短路电流符合故障,能够解决传统检测方法存在的问题。     

基于SVM的雷达目标一维距离像识别

基于支持向量机的雷达目标一维距离像识别研究。一维距离像揭示了目标径向结构的分布特性。支持向量机基于经验风险最小化原理,适用于小样本学习问题。通过对三种目标分类进行仿真实验,结果表明：该分类方法具有较高的识别性能。     

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。     

基于小波包分解的船用柴油机燃油电磁阀故障诊断方法

为了精准识别电磁阀故障,确保船用柴油机安全、平稳运行,提出基于小波包分解的船用柴油机燃油电磁阀故障诊断方法。采用小波包分解法对船用柴油机燃油电磁阀电流信号作分解,获取其多频带特征。通过核主成分分析法对其作降维处理,完成敏感特征选择。将其作为最小支持向量机的输入,自适应蚁群优化算法通过自适应调整挥发因子、状态转移规则确定最优模型参数,实现燃油电磁阀故障的准确诊断。结果表明：故障、正常工况下的燃油电磁阀电流特性曲线存在较大差异;该方法可提取电流信号的8个频带特征、不同频带特征间差异度大;特征选择有利于提高燃油电磁阀故障辨识度。本文方法可实现燃油电磁阀故障诊断,诊断效果突出。     

基于支持向量机的液压调节器多类故障辨识

针对目前故障诊断中故障数据样本获取及特征提取困难的问题,分析了液压调节器的4种典型故障,建立了基于支持向量机的多类故障分类器,并直接将少量的时间序列信号作为分类器的输入。实验结果表明,在小样本情况下,不必对信号预处理以提取特征,该分类器便可实现液压调节器的多类故障分类,证明该方法是有效、可行的。     

基于原位布拉格光栅传感技术的电机热监控

介绍一种使用布拉格光栅(FBG)光纤热传感器实现的可以抗电磁干扰的感应电机热监测方案,为感应电机提供保护并辅助其运行.该方案实现了对感应电机定子绕组热状态的实时测量,能够在电机运行时,诊断感应电机的故障和健康状况.热监控系统搭建在一个逆变器驱动的全封闭扇冷式(TEFC)感应电动机上,系统搭建成功后对电机进行热状态监控试...     

支持向量机的舰船发动机故障诊断

发动机故障诊断是舰船领域的一项关键研究内容,舰船发动机故障与多种因素相关,而且故障类型很多,针对传统舰船发动机故障诊断模型存在的局限性,设计基于支持向量机的舰船发动机故障模型。首先采集舰船发动机工作状态信号,并从工作信号中提取舰船发动机工作状态特征;然后对舰船发动机工作状态特征进行降维处理,并采用支持向量机构建舰船发动机故障诊断的多分类器;最后采用仿真模拟实验测试了本文舰船发动机故障诊断模型的性能,支持向量机可以准确识别各种舰船发动机故障,舰船发动机故障诊断性能要优于传统舰船发动机故障诊断模型,而且诊断效率可以满足舰船发动机故障在线诊断要求。     

基于随机森林和支持向量机的船舶柴油机故障诊断

针对船舶低速二冲程柴油机故障的分析问题,提出基于随机森林和支持向量机的船舶柴油机故障诊断方法。对船舶低速二冲程柴油机MAN BW 6S50MC-C建立故障仿真模型并验证其有效性;在此基础上,通过故障仿真模型生成故障样本。运用基于随机森林的VarSelRF特征选择算法对故障数据进行降维,提出运用支持向量机对降维后的故障数据进行分类的方法。通过仿真试验验证并分析该方法的有效性。     

基于K最近邻决策的支持向量机分类算法及仿真

将基于支持向量机(SVM)的分类方法和最近邻法(NN)相结合,提出了一种SVM-KNN的分类方法。通过SVM算法对训练样本进行训练并找出支持向量,在进行待识别样本判断时,当其与最优分类面距离大于某一给定阈值时采用SVM决策模型,否则运用K最近邻法决策其类别,从而减少SVM算法的误判概率。仿真实验结果显示,运用该算法无论对于合成数据还是真实数据,在分类精度上比单独的SVM都有较明显的提高。