一种改进的小波网络及其在故障诊断中的应用

为了提高故障诊断的准确性,提出改进的小波网络,增加基本小波网络输入层至输出层的直接连接权。结合抽油机井故障实例,进行仿真研究,结果表明改进的小波网络较BP网络和未改进的小波网络收敛速度快,且对故障诊断识别能力强。     

机械故障诊断中的振动信号技术研究

本文提出一种基于分形指数理论和小波网络的船舶机械故障诊断方法。当故障发生时,船舶机械通常产生非平稳的振动信号。在本文提出的方法中,小波变换用于定位时间频域中振动信号的特征,并且在分形理论之间的小波变换的相互关系的视图中,从作为提取故障的特征的小波变换系数获得的全部和局部分形指数信号,其被输入到用于故障模式识别的径向基函数。改进的Levenberg-Marquardt(LM)优化技术用于完成网络结构参数。通过选择足够的样本来训练故障诊断网络,并且将表示故障的信息输入到需要训练的小波网络中,则可以根据输出结果确定故障类型。通过对定子温度波动和转子振动的实验表明,小波分形网络可以为船舶机械的故障诊断提供有效的方法。     

小波分析技术在故障诊断中的应用

小波分析是20世纪80年代中期发展起来的新的数学理论和方法,并已在实践中得到了广泛应用。本文对小波分析、小波分析与神经网络相结合的小波网络及小波分析与模式识别相结合在故障诊断中的应用进行了详细的介绍,最后指出了这一领域有待进一步研究的问题和发展趋势。     

齿轮传动故障诊断方法综述及应用研究

介绍了基于粒子群优化的小波神经网络,基于相关分析与小波变换,基于小波包和BP神经网络和基于小波分析等故障诊断方法,分析比较了各种方法的优缺点,并对提出了基于多数据融合的故障诊断方法将成为今后齿轮传动故障诊断的主要发展方向。     

小波网络专家系统在船舶电站机组故障诊断中的应用

在故障诊断中,首先分析了柴油机冷却系统的故障机理,并得到其故障征兆集、故障原因及它们之间的关系.然后应用小波网络建立起故障征兆和故障原因的映射关系进行分类,主要利用小波网络的非线性映射功能对故障分类诊断.文中还利用专家系统的知识对小波网络的诊断结果给予解释,成为小波网络的有力补充.     

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。     

基于小波网络的水下机器人故障诊断研究

由于水下机器人系统的复杂性、不确定性及强非线性等使得对其建模异常困难,采用一种最小调整的小波神经网络对其进行运动建模以获得理想的建模效果.通过该网络的自学习,调节小波函数的伸缩因子与平移因子以及网络连接权值,既能以任意精度逼近函数的整体轮廓,也能捕捉函数的变化细节,使得函数的逼近效果较好.对比模型的输出与实际传感器测量值来生成残差,通过分析残差特性来提取故障诊断判据,进而完成推进器故障诊断.完成了推进器故障诊断的仿真试验,仿真结果验证了该方法的有效性和可行性.     

基于小波SOM神经网络和多Agent系统的微电网故障诊断方法

针对利用传统神经网络对具有运行方式灵活、拓扑结构多样等特点的微电网系统进行故障诊断存在适应性差、需要大量的训练样本的问题,提出了一种将多Agent系统与小波SOM神经网络相结合的故障诊断方法。该方法利用小波SOM神经网络判断故障原因,通过多Agent系统判断故障位置,可以在较少的训练样本的基础上实现故障的准确诊断。仿真测试结构验证了论文所述微电网故障诊断方法的有效性,以及具有需要典型的故障样本少以及对微电网系统拓扑结构的变化具有很好的适应性的优点。     

小波神经网络在高维非线性系统辨识中的应用

在对高维系统的非线性辨识中，容易诱发维数灾难，而且由于数据分布的不均匀性和稀疏性，使得通常正交小波网络在应用时丰在许多困难，本文利用非正交小波网络，按照文[6]的方法训练和构造小波网络，针对其泛化能力不好的缺点，结合最小二乘算法提出了一种在线自适应调整网络权值的方法，获得了一类具有良好自适应能力的小波网络。     

船舶电力系统故障特征提取的小波变换方法

船舶电力系统故障时暂态号中包含丰富的特征息,对故障工况暂态号特征息的有效提取是船舶电力系统故障诊断的核内容之一。基于小波变换理论,利用小波分析和小波包能量熵方法,在Matlab仿真环境下,对船舶电力系统电故障暂态号进行了分析和特征息提取。结果表明两种方法都有效地提取了故障特征息,其中小波分析方法有特征向量与故障之间的映射关系简单明了的特点,小波包能量熵方法提取的特征向量与故障之间是一种非性的映射关系,适用于与其他智能故障诊断方法结合。说明特征提取可以为故障的识别与诊断提供基础。     

基于小波包振动谱图的柴油机在线故障诊断方法

柴油机是舰船的主要动力装置,针对传统故障诊断方法不能有效提取柴油机故障特征和实现在线诊断的缺点,提出一种基于小波包振动谱图像的柴油机在线故障诊断新方法.该方法首先用小波包对采集到的柴油机振动信号进行分析生成小波包振动谱图;然后利用双线性内插值方法对生成的振动谱图进行数据降维,对降维后的振动谱图进行灰度共生矩阵纹理特征参数提取;最后用分类器对特征参数进行识别,完成故障诊断。将该方法应用于柴油机气门间隙的故障诊断实例中,结果表明,基于小波包振动谱图像的柴油机在线故障诊断方法能快速高效的诊断出气门间隙故障,识别准确率高达99.17%,仅耗时0.24 s,为内燃机故障在线诊断探索了一条新途径。     

基于小波包振动谱图的柴油机在线故障诊断方法

柴油机是舰船的主要动力装置,针对传统故障诊断方法不能有效提取柴油机故障特征和实现在线诊断的缺点,提出一种基于小波包振动谱图像的柴油机在线故障诊断新方法.该方法首先用小波包对采集到的柴油机振动信号进行分析生成小波包振动谱图;然后利用双线性内插值方法对生成的振动谱图进行数据降维,对降维后的振动谱图进行灰度共生矩阵纹理特征参数提取;最后用分类器对特征参数进行识别,完成故障诊断.将该方法应用于柴油机气门间隙的故障诊断实例中,结果表明,基于小波包振动谱图像的柴油机在线故障诊断方法能快速高效的诊断出气门间隙故障,识别准确率高达99.17％,仅耗时0.24 s,为内燃机故障在线诊断探索了一条新途径.     

一种新的滚动轴承故障诊断方法

滚动轴承发生故障时,其振动信号常呈现出强烈的非平稳特性。提出了一种基于小波变换和固有时间尺度分解(Intrinsic Time-scale Decomposition,ITD)的滚动轴承故障诊断方法。阐述小波分析基本理论和ITD分解基本原理。着重介绍基于小波和ITD分解滚动轴承故障诊断。仿真信号和实验结果表明,以小波与ITD分解相结合的信号特征提取方法,能够准确有效地提取滚动轴承的故障特征。     

小波神经网络在电路故障诊断中的应用研究

从连续小波变化求信号极值点和离散小波变换检测随机信号频率结构的突变两个方面分别进行了描述.指出小波神经网络在电路故障诊断中的优势与发展前景以及小波分析方案的软件实现.最后指出了小波分析理论在电路系统故障诊断中的不足之处和发展方向.     

船舶柴油主机状态监测中故障诊断方法研究

针对当前船舶柴油主机状态监测中故障诊断方法存在的诊断速度慢、诊断结果不稳定等缺陷,提出基于小波神经网络的船舶柴油主机状态监测中故障诊断方法。首先分析当前船舶柴油主机状态监测中故障诊断方法的研究现状,然后采用小波变换抽取船舶柴油主机状态监测中的故障特征,并采用神经网络对船舶柴油主机状态监测中故障特征进行学习,实现船舶柴油主机状态监测中故障诊断的分类决策,最后船舶柴油主机状态监测中故障诊断结果表明,本文方法不仅可以保证船舶柴油主机状态监测中故障诊断正确率,同时减少了船舶柴油主机状态监测中故障诊断时间,极大改善了船舶柴油主机状态监测中故障诊断效率。     

旋转机械状态振动监测与故障诊断系统

旋转机械状态振动监测和故障诊断技术主要包括振动监测、振动信号处理和分析、故障诊断等．针对这些特点,以Windows2000及WindowsXP为开发平台,采用LabVIEW及MAT—LAB为编程工具,综合计算机技术、虚拟仪器技术、信号处理技术与故障诊断等技术,开发了一套旋转机械状态振动监测与故障诊断系统．该系统可以实现对振动信号的多通道采集、存储,实现离线、在线信号的时域、频域、幅值域、时频域分析处理;配置独立的小波分析模块,可以实现存储信号的小波消噪、小波包分解、发展趋势识别等功能．同时,还可实现对旋转机械故障的早期监测与其常见故障的诊断等功能．     

基于双树复小波包和PNN的柴油机故障诊断研究

针对传统小波变换在故障特征提取中的不足,提出一种基于双树复小波包和概率神经网络(PNN)的故障诊断方法。首先通过双树复小波包变换将各个工况的柴油机声信号分解得到不同频带的分量,选取各频带分量的能量作为特征向量,再利用PNN对特征向量进行训练,最后通过测试样本得到柴油机典型故障诊断结果。实验表明,该方法可以对柴油机典型故障进行较为准确的诊断,相比传统小波包有着更高的故障诊断率。     

基于小波神经网络的船舶电站冷却系统故障诊断

船舶电站为船舶的机械设备、照明设备等提供优质的电力,船舶电站以及输电网络对维护船舶的正常运行有重要的意义。船舶电站的柴油主机长时间高速运转,产生的高温可能会导致柴油机冷部件受损,甚至引发火灾等问题,因此必须配置相应的冷却系统。本文主要研究了船舶电站冷却系统的故障诊断问题,主要结合小波神经网络算法,显著提高了船舶电站冷却系统故障诊断的效率和精度。     

船用计程仪信号传输系统的神经网络故障诊断算法

计程仪信号传输系统是由步进电机通过齿轮带动多个旋转变压器。为实现对其故障的智能诊断,提出一种基于BP神经网络算法的故障诊断方法,并采用LM(Levenberg-Marquardt)最优化算法对BP网络进行训练。通过Matlab神经网络工具箱仿真计算,结果表明LM算法提高了BP神经网络的学习效率及稳定性,明显加快了网络的收敛速度。使用BP神经网络对步进电机带动多旋变系统故障诊断的方法行之有效,在减少故障诊断人员工作量同时提高了系统故障诊断的效率。     

船舶齿轮箱故障诊断及失效预报方法研究

针对船舶齿轮箱故障诊断正确率低的难题,提出蚁群优化神经网络的船舶齿轮箱故障诊断方法。首先采集船舶齿轮箱故障诊断的数据,并采用小波分析提取船舶齿轮箱故障诊断特征,然后采用神经网络建立船舶齿轮箱故障诊断模型,并采用蚁群算法克服神经网络存在的缺陷,最后构建了船舶齿轮箱失效预测方法,实验表明,本文方法提高了船舶齿轮箱故障诊断效果,并获得了高精度的船舶齿轮箱失效预测结果。