基于小波包分析与支持向量机的电力电子整流装置故障诊断

针对当前电力电子整流装置使用的故障诊断方法在应用过程中表现出的缺陷,提出了一种基于小波包分析与支持向量机的电力电子整流装置故障诊断方法：首先使用小波包分析方法对故障信号波形进行分解,提取故障特征向量,然后使用支持向量机理论构造多分类故障分类器对提取的故障特征向量进行分类.仿真实验结果表明,该方法能够有效地完成对电力电子整流装置的故障诊断,具有很好的工程应用价值.     

基于PCA-BLS的三相整流装置故障诊断

针对三相整流装置突发故障时,检测复杂及诊断困难的问题,以三相桥式全控整流电路为研究对象,提出一种基于主元分析和宽度学习系统的故障诊断方法.提取负载输出电压为特征向量,经主元分析,对特征矩阵降维,消除数据相关性,保留数据基本特征;选择合适的初始参数,输入到宽度学习系统的网络中,构建故障诊断模型,对故障进行诊断.对比实验表...     

晶闸管整流装置常见故障的波形分析

通过观察晶闸管整流装置输出电压波形和晶闸管两端电压波形,分析晶闸管整流装置出现的常见故障。首先描述了六种常见故障的电压波形,然后对它进行详细分析,最后判断出故障所在。用该方法还可以分析其它类型的晶闸管整流电路的故障。     

晶闸管整流装置常见故障的波形分析

通过观察晶闸管整流装置输出电压波形和晶闸管两端电压波形,分析晶闸管整流装置出现的常见故障,首行描述了六种常见故障的电压波形,然后对它进行详细分析,最后判断出故障所在,用该方法还可以分析其它类型的晶闸管整流电路的故障。     

半导体变流技术中整流线路的故障诊断

半导体变流技术是近代工业发展到半导体时代最典型的技术之一,他不仅在发电机励磁系统方面得到广泛的应用,在冶金、化工、机械制造、交通运输等各方面都得到广泛的应用。可以说,现代生活、生产无处不存在变流技术。如何可靠的实现变流,整流线路的维护和故障处理是很关键的,本文就整流线路的故障诊断做以论述。     

基于WPD-PSO算法的整流电路故障诊断

针对电力电子电路故障类型多、诊断正确率低的问题,提出基于小波包分解和粒子群算法优化概率神经网络的方法。建立三相桥式全控整流电路仿真模型,利用小波包分解技术对故障电压信号进行三层小波包分解与重构,提取特征值,并对数据进行归一化处理;用粒子群算法优化概率神经网络寻找合适的平滑因子,对数据进行训练和诊断;将该方法与未优化的概率神经网络作对比。仿真结果表明,该方法在训练效果和诊断正确率上都要优于未优化的概率神经网络。     

在电解节能技改项目中整流装置的技术改造

针对现太原化工厂石墨电解槽中所存在的高耗能问题进行了烧碱项目的改造,达到节电节汽的目的,对整流机组的技术改造,既要满足改造中６０台金属阳极电解槽正常生产,还需满足后１００台金属电解槽的运行。方案为：整流器应配套主调合一的调压变压器调压,据工艺要求,整流方式为三相桥式同相逆并联整流,元件采用大功率平板水冷元件,其容量为２．５ｋＡ;要求并联支数不大于４,电流储备系数不小于２．５,电压储备系数不小于３．     

基于神经网络的多重化整流电路的故障诊断

针对多相整流电路的特点,采用对输出电压分段平均值进行谱分析的方法,得到网络的特征量,不但降低了网络样本的维数,而且使得特征量与采样的误差和整流控制角的相关性减到最小;导出一种既有最速下降法的稳定性又有牛顿法的快速性的新算法;设计了该算法的神经网络结构,并讨论了网络结构参数对故障诊断结果的影响;此方法简单易行,误判率低,训练时间短,对各种多重多相化的整流电路具有普遍的适用性.     

故障诊断系统中模糊推理算法的研究

针对故障诊断系统的特点，提出了一种基于模糊ＰｅｔｒｉＮｅｔｓ模型的反向模糊推理算法，并将人的感官信息加于其中，提高了故障诊断系统推理的效率。     

基于小波包-改进神经网络的齿轮传动系统故障诊断研究

本文研究了小波包分析、神经网络在齿轮传动系统故障诊断中的应用。通过实例成功地对齿轮传动系统故障模拟实验中获得的振动信号进行基于小波包分析的故障特征提取,然后应用改进的神经网络进行齿轮传动系统的故障识别。结果表明,在齿轮传动系统故障诊断中,基于小波包-神经网络的故障是一种行之有效的方法。     

基于小波包分析与RBF神经网络的模拟电路故障诊断

针对常用的BP神经网络须已知结构,且学习算法训练速度慢的缺点,提出一种基于小波包分析与径向基神经网络(RBFNN)的模拟电路故障诊断方法。该方法首先利用小波包分解,归一化作为预处理提取模拟电路的故障特征向量,再将故障特征向量输入到RBF神经网络进行故障诊断。仿真结果表明本方法能够对模拟电路的故障进行有效诊断和定位。     

基于小波包分解的滚动轴承故障诊断

提出了一种基于小波包分析的滚动轴承故障诊断方法用于实现滚动轴承早期故障的检测.该方法的诊断过程如下:对轴承原始振动信号进行频谱分析,获取振动信号能量集中的频段.根据频段的范围和振动信号的采样频率确定小波包分解的层数.采用小波包分解的方法提取滚动轴承振动信号中能量集中的频段并生成相应的重构信号,对重构后的振动信号进行Hilbert变换和二次频谱分析.通过对比轴承故障的特征频率和二次频谱中的特征谱线判断轴承是否有故障及其发生位置.运用上述方法对具有外环故障的滚动轴承进行了实验研究并成功地实现了滚动轴承外环故障的检测.实验结果表明基于小波包分析的诊断方法可以有效诊断出滚动轴承的早期故障.     

基于小波包和支持向量机的传感器故障诊断方法

针对自确认压力传感器的故障诊断问题,提出了一种基于小波包变换和支持向量机的传感器故障诊断方法。该方法对传感器输出信号进行三层小波包分解,提取各个节点的小波包系数,对每个节点的小波包系数通过一定的削减算法增强故障特征,然后利用重构的时域信号计算各个节点的能量以及整个信号的削减比作为特征向量,以此作为输入来建立支持向量多分类机,判断传感器的故障类型。对自确认压力传感器、温度和流量传感器的故障诊断结果表明,该方法能有效地应用于传感器的故障诊断中。     

基于小波包分解的一种非稳态油膜力轴承-转子系统的碰摩故障诊断

奇异信号往往载有设备运行状态的重要特征，小波分析理论可在时域和频域上同时对信号实现局部化处理，转子碰摩信号具有奇异性，利用小波包分散具有“变焦距”性质，或小波包对信号的奇异性即奇异点的位置及奇异度大小的分析更加有效，分析了碰摩信号在小波包变换下的持征，理论分析和计算结果表明，利用小波包分解能有效地实现磁摩故障诊断。     

基于小波包变换的模糊神经网络小电流接地系统故障选线

根据小波包变换和模糊神经网络的特点，提出了基于小波包变换模糊神经网络的一种小电流接地系统单相接地故障选线方法，即利用经过接地后零序电流训练的小波模糊神经网络来判别接地线路。该方法适用于任何小电流接地系统，并且不受负荷谐波、暂态过程、故障点过渡电阻等因素的影响，从理论上解决了传统方法选线准确率低的问题。EMTP仿真计算结果表明，该方法是准确和可靠的，具有实用潜力。     

基于小波包无量纲免疫检测器的故障诊断模型

为可靠地检出并识别旋转机械设备轴承故障,提出了一种基于小波包分解和无量纲免疫检测器的轴承故障模式识别方法.该方法采用小波包对原始时域信号进行预处理,分别提取原始时域信号和各频带范围内时域信号的无量纲指标,并计算其敏感因子,根据敏感因子选取敏感特征,结合人工免疫阴性选择算法,生成多个敏感特征无量纲免疫检测器,实现对故障进行识别和分类.仿真实验结果表明,所提方法能有效地识别各种轴承故障.     

基于小波模糊神经网络的陀螺仪故障诊断技术

为了提高陀螺仪故障检测灵敏度，分析了陀螺漂移特性，指出随机漂移是影响陀螺仪精度的主要漂移误差，也是影响性能可靠性的主要因素．针对此，提出了一种小波模糊神经网络故障诊断模型．此模型运用串联方式将小波分析、模糊逻辑和神经网络融合在一起，充分发挥它们各自的优点，并对陀螺仪实测数据仿真．仿真结果表明，采用小波分析提取陀螺的常值漂移，简单有效；运用神经网络对陀螺的误差和故障建模，使故障诊断具有自适应、自学习的能力，并互增强了故障诊断的容错能力；将模糊逻辑用于判决中，使判决结果更加可靠．     

基于小波变换的飞机电力作动系统故障诊断

电力作动系统是多电/全电飞机上完成各任务操作的最后环节,其工作状态直接影响飞行安全.针对飞机机电作动系统不同部件的故障信息处于不同频带的特点,提出一种基于"能量-故障状态"的故障诊断模式识别方法.通过小波包分解,把原始信号正交分解到不同的频带内,利用各频率成分的变化,选择合适的能量特征向量对各故障目标进行特征提取,从而建立能量变化到各故障原因和类别的映射关系,通过与对应故障特征向量的标准样本进行比较,即可得出电力作动系统当前有无故障和故障轻重程度的结论.通过匝间短路故障诊断仿真实例验证了该方法的正确性和有效性.     

基于小波包分析和相关向量机的电路故障诊断

针对模拟电路故障变化的复杂性,提出一种小波包分析和相关向量机的电路故障诊断模型,首先采集模拟电路不同故障状态下的输出信号,将输出信号进行小波包分解,提取分解信号的归一化能量特征,然后将特征向量输入相关向量机中进行训练,建立模拟电路故障诊断模型,实现不同的故障状态分类识别;最后通过仿真实例对模型性能进行测试.测试结果表明,相对于其他模拟电路故障诊断模型,该模型不但提高了模拟电路故障诊断的正确率,而且减少了故障诊断时间.