一、基于模拟系统响应的小波变换故障诊断方法的仿真研究(论文文献综述)
迮良佳[1](2021)在《模拟电路信号特征分析及故障诊断算法优化》文中研究指明随着电子系统的应用领域日渐广泛,电子电路的复杂性和集成度不断加深,对电路测试技术的要求也越来越高。模拟电路作为电子电路系统的重要组成部分,对其故障诊断技术的优化是提高电子电路测试技术的必要途径。然而,由于模拟电路元件的容差性和非线性,以及可测节点有限等特性,以往的故障诊断方法难以取得理想的测试结果,因此有必要探索更高效的测试诊断方法。本文基于神经网络技术,结合小波包分析方法,针对模拟电路中的软故障问题,引入粒子群算法、杂草算法等智能算法,对BP神经网络进行了一系列的优化,旨在提高其故障诊断的精度和效率。本文主要从以下几项展开研究:1、探索小波包分析和神经网络在模拟电路故障诊断领域的应用方法。小波包分析具有良好的时频分析特性,能提取得到优质的故障特征;神经网络具有出色的泛化学习能力和非线性映射性能。本文先用小波包分析实现模拟电路的故障特征提取,再结合神经网络的分类识别能力,实现模拟电路的故障定位。2、构建基于粒子群算法优化BP网络参数(PSO-BP)的模拟电路故障诊断模型,提高基于BP网络分类模型的诊断精度和收敛速度;其次,针对粒子群算法易陷入局部收敛的不足进行改进,引入变异算子的同时结合非线性递减权值策略,提出了一种基于改进粒子群(IPSO)算法优化BP网络参数(IPSO-BP)的改进型分类模型,分别采用Sallen-key和CTSV滤波电路进行故障诊断的仿真和实验,结果表明IPSO-BP分类模型的诊断效果优于BP网络、PSO-BP分类模型,具有较快的收敛速度和较高的诊断精度。3、构建基于入侵杂草算法优化BP网络参数(IWO-BP)的模拟电路故障诊断模型,进一步提升基于BP网络分类模型的诊断精度和收敛速度。接着引入自适应参数选择策略,同时融入差分进化算法的交叉、变异、选择算子,提出一种自适应杂草混合算法(AIWODE)优化BP网络参数(AIWODE-BP)的改进型分类模型,分别采用两个典型电路验证其分类效果,结果表明AIWODE-BP分类模型能有效地防止局部收敛,缩短故障分类时间,获得更高的故障诊断精度。4、提出一种杂草粒子群混合算法(HPSO)来优化BP网络参数的改进型分类模型。对三种典型电路进行仿真分析,并与IPSO-BP、AIWODE-BP、CS-BP和IWOBP以及PSO-BP分类模型进行对比,结果表明HPSO-BP分类模型能够获得最优的故障分类效果。本文工作是对智能化故障诊断方法的有益探索,在一定程度上丰富了模拟电路故障诊断的研究成果。
阮济民[2](2021)在《矩阵模型优化的模拟电路故障诊断方法研究》文中进行了进一步梳理随着时代在不停的进步,我国自主研发芯片越来越成为重中之重。芯片热也是近几年的关键词,但是在自主研发芯片的时候就会出现很多问题,因为现在的芯片越来越集成化了,所以当芯片一旦出现问题就会造成重大损失,并且在很多地方,投入电路测试中的成本也逐渐高于电路实际的研发成本;尤其是模拟电路集成芯片,被运用于医疗、航天、通讯等各种领域。尽管学者们对模拟电路故障诊断进行了深入研究与探讨,在未来仍将面临越来越多挑战,但是到目前为止,仍然没有一种成熟有效的方法能广泛的应用到实际电路中,因为模拟电路本身存在很多的制约条件,如:容差、阻差、非线性、有源和无源器件,这些条件都将会影响模拟电路本身;当模拟电路发生故障,没有一种能够有效的解决所有问题的方法。目前发表研究模拟电路故障诊断的论文有很多,人工智能方法居多,其主要依靠大量数据来完成模拟电路故障诊断。本文主要对输出电压进行测量,将测量的电压值作为矩阵模型来对电路进行故障诊断,以两个国际标准电路Sallen_key、CTSV电路以及对数放大器电路作为实验研究对象;通过时间的不同,测量输出电压值,利用电压值的不同组成输出矩阵,然后以矩阵为模型基础,对矩阵的优化进行一系列的研究,从矩阵的特性和矩阵的降维、分类两方面着手,这能够更好的对模拟电路进行故障诊断,并且故障能够精确定位。本文涉及的工作和方法创新如下:(1)针对现有模拟电路故障诊断方法的人工神经网络、支持向量机(SVM)等人工智能算法,这些人工智能算法需要大量的训练样本,如果训练样本不够多或者训练时间不够,则会导致故障诊断率下降,所以本文提出了一种利用矩阵特征分析进行模拟电路故障诊断方法。该方法建立了一个输出响应方阵,当电路发生故障时,方阵中的元素会发生变化。根据矩阵理论,在对矩阵理论深入研究发现,矩阵里面的元素发生变化时,矩阵的谱半径和最大奇异值也会随之而改变,但是也可能发生两个矩阵拥有相同谱半径的情况,所以本文使用谱半径和最大奇异值来寻找矩阵之间的差异,在谱半径和最大奇异值共同的作用下,描述矩阵的特性。Sallen_Key电路、对数放大器电路和CTSV电路的实验结果表明,该方法能够很好的判断模拟电路是否发生故障以及故障定位。本文中方法的有效性在Sallen_Key电路、对数放大器电路、CTSV电路上得到了验证,并且在这三个电路中,故障诊断率高达100%。(2)本文进一步提出了一种将矩阵模型与机器学习相结合的方法,与传统的机器学习相对比,诊断率有所提高,同时也验证了矩阵模型对模拟电路故障诊断方法的可行性与有效性。针对模拟电路故障诊断特征提取和特征分类问题,提出了一种基于优化矩阵随机森林算法(Random Forest algorithm,RF)的模拟电路故障诊断方法,该方法建立在优化矩阵基础上,然后通过三个激励建立特殊的优化矩阵模型。此外,在仿真软件中,根据不同时间测量输出节点的电压值,由测量的电压值共同构建一个输出电压值矩阵。当电路发生故障时,随着激励的输入,输出响应矩阵中的元素会随之发生变化,通过使用局部均值分解生成一个新的优化矩阵,然后将优化矩阵输入到随机森林算法(RF)中,利用多维向量能够具有不同的有效特征,将优化的矩阵模型通过bagging和决策树的共同作用,能够准确的进行单故障和多故障的模拟电路故障诊断的研究。这与其他类型的人工智能算法相比,优化矩阵随机森林算法(RF)不仅能够同时满足特征提取和特征分类的效果,而且故障诊断率达到99.5%。
蒋宇[3](2020)在《齿轮箱混沌特性与故障诊断研究》文中指出传动系统在机械设备中起到中流砥柱的作用,齿轮箱传动系统是机器非常关键的组成部分,揭示齿轮箱系统固有混沌特性并通过其开展齿轮箱健康状态的监测与诊断,对于延长机器的服役时间具有重要意义。吸引子理论作为研究相空间中系统动力学状态的理论越来越得到认识和应用,而混沌吸引子属于吸引子中的一种形态,自然可用来诠释混沌系统的混沌动力学特性和状态。齿轮箱系统是一个混沌系统,其振动信号中蕴涵着大量能够反映系统特征的信息。针对齿轮箱系统混沌特性尤其是探索高维空间中混沌吸引子的特性以及演化规律的研究相对匮乏,且齿轮箱故障特征提取缺乏挖掘混沌特性与故障之间存在的内在关系,有待进一步寻求有效的混沌特征指标实现表征与诊断。为此,本文应用相空间重构理论将一维振动信号推广到高维相空间中去将振动信号单变量时间序列中隐含的系统信息显现出来,探索研究高维空间中齿轮系统混沌吸引子的相轨迹、相点分布、递归特性,揭示齿轮箱系统的混沌特性,进而对齿轮箱系统在不同故障形式下的混沌吸引子特征提取进行表征计算和状态分析。本文深入地开展了齿轮箱混沌特性与故障诊断研究。首先,在齿轮箱故障模拟试验台上开展了振动信号采集实验,采集了不同工况条件下齿轮箱系统的振动信号,对其进行了时域和频域分析,发现齿轮箱振动信号中均含有大量的噪声,相似度较高,频域中均存在齿轮的啮合频率及其谐波成分,同时在啮合频率及其谐波两侧都会形成一系列边频带。应用小波分析法和自适应噪声集成总体经验模式分解方法,分别对采集到的齿轮箱振动信号进行了降噪分析与处理,发现两种方法降噪后高频成分得到了一定的抑制,同时保留了低频带中原有信号的特征信息。相比而言,自适应噪声集成总体经验模式分解方法更有利于消除环境噪声对振动信号的影响,且有助于突显系统本身固有的特征信息,为后续齿轮箱系统混沌特性分析和故障模式识别与诊断打下了坚实的基础。为了揭示齿轮箱运行中的混沌特性,开展了齿轮箱系统不同运行状态下的混沌特性证明研究。引入了基于相空间重构的定量判别方法,分别为关联维数、最大Lyapunov指数和Kolmogorov熵,以及功率谱定性判别方法。同时,为了验证这四种判别方法的有效性,对于Lorenz理论混沌系统首先开展了混沌特性验证研究,接着对于齿轮箱系统不同运行状态进行了混沌特性判别,发现齿轮箱系统在不同运行状态下,其关联维数均为分数值,最大Lyapunov指数和Kolmogorov熵均大于零,而功率谱均为连续宽带谱。通过联合关联维数、最大Lyapunov指数Kolmogorov熵以及功率谱的方法,共同证明了齿轮箱系统的混沌特性。为了探索齿轮箱系统混沌吸引子空间分布特性,根据相空间重构理论构造了齿轮箱不同运行状态下的混沌吸引子,并探讨了嵌入维数和延迟时间对齿轮系统混沌吸引子的影响,应用相轨迹图和相点三维直方图方法,呈现了齿轮系统混沌吸引子三维空间中相点分布形态和空间结构,并基于相点分布形态和空间结构开展了定性和定量的混沌特性表征研究。同时,采用关联维数、包含球半径、包含相点的盒子数和相点数量最大值指标,对齿轮混沌吸引子进行量化表征计算,进而对齿轮箱不同运行状态进行模式识别。结果表明,混沌吸引子的相轨迹图可直观定性地对齿轮箱不同运行状态进行识别,而包含球半径是一种基于相点分布有效的量化表征指标,可用于实现齿轮箱不同运行状态模式识别。针对齿轮箱实际工作过程中故障特征提取难的问题,引入递归思想和递归分析方法,从系统相空间中相点递归特性出发,探索递归模式与齿轮故障的映射关系,提出了将递归分析结合自适应噪声集成总体经验模式分解方法。从自相似特征角度研究递归模式与齿轮不同模式的映射关系,应用四个递归量化参数分别为递归度、确定性、分层率、熵,对齿轮箱不同运行状态进行特征提取进而故障诊断,发现这四个参数指标均能对齿轮箱不同运行状态进行有效地识别。另外,与基于混沌吸引子相轨迹进行诊断的表征参数相比较,发现递归度和熵这两个递归指标诊断效果更优。结果表明,递归分析结合自适应噪声集成总体经验模式分解方法是一种有效的特征提取用于实现齿轮箱故障识别与诊断的方法。针对目前齿轮动力学建模多以考虑单频激励作用因素为主,而实际应用中齿轮箱多为工作环境复杂恶劣,开展了考虑多频激励作用建立齿轮非线性动力学模型与故障诊断研究。定义了啮合刚度系数,探讨了多频激励参数对正常及裂纹故障模型主共振幅频特性的影响,采用增量谐波平衡法对齿轮动力学响应进行分析计算,研究了正常及裂纹故障模型的动力学特性,证实了考虑多频激励作用模型相比传统单频激励模型更能准确地描述其动力学特性,丰富了齿轮动力学建模理论。同时,利用齿轮箱混沌特性开展了裂纹齿轮不同故障程度的识别与诊断研究。通过计算混沌指标最大Lyapunov指数,发现了最大Lyapunov指数随着裂纹故障程度增加而增大的规律。本文揭示了齿轮箱系统的混沌特性,并以混沌吸引子为依据研究解决齿轮箱故障诊断问题。为机械设备状态识别与故障诊断提供了一种新的思路,具有一定的理论价值及工程应用意义。该论文有图98幅,表19个,参考文献170篇。
贾绍华[4](2020)在《基于冷启动SVDD技术的模拟电路模块级故障诊断方法研究》文中提出随着科技的不断进步,电子技术得到了快速的发展。在生活、工业、医疗等领域中电子系统发挥出越来越重要的作用,因此对设备可靠性的要求也逐渐提高,对电子系统可靠性检测技术也有了更高需求。众多国内外学者以模拟电路故障诊断为课题开展了丰富的研究。主要思路是利用被测系统的输出样本训练可以用来识别故障和定位故障的诊断模型。但在实际应用过程中,被测电子系统的负类样本数量较少且难以覆盖全部故障模式,导致正负类样本具有较强的非均衡性。这为建立准确有效的诊断模型带来相当大的难度,难以及时发现电路故障位置并对其进行有效维护。因此在电路样本具有较强非均衡性的情况下,对电路故障进行检测与定位,是模拟电路故障诊断领域的难题。为解决以上问题,本文以模拟电路模块级故障为研究对象,深入研究了电路模块故障的检测与定位方法。针对模块化的模拟电路系统,提出了一种基于冷启动支持向量描述的模拟电路模块级故障诊断的方法。首先根据模拟电路的模块划分原则将被测系统划分为具有特定功能和结构的电路模块。以响应相似性度量值为评价指数,为各模块确定用于特征提取的数据处理方法及具体参数。提出了基于冷启动SVDD的故障检测方法,使用电路模块正类样本和少量负类样本,训练得到可以识别电路模块状态的故障检测模型。为实现对电路故障模块的定位,使用图论理论实现对系统级模拟电路的模块级故障定位,在构建模拟系统的故障传播有向图后使用图论算法分别建立邻接矩阵、带权重的可达矩阵以及故障溯源置信矩阵,结合故障检测模型的模块状态识别结果最终确定故障电路模块的位置,完成模拟电路系统的故障诊断。为了验证提出方法的有效性,本文以Sallen-Key电路和Four-opamp电路为研究对象进行电路模块故障检测方法的验证,并在此基础之上以双带通滤波器电路为研究对象,对故障定位方法进行仿真验证。最后将本文提出的方法应用到控制系统模拟平台的故障诊断当中。结果表明,本文提出的方法对模拟电路模块级故障具有较好的诊断效果。
祝本超[5](2020)在《永磁同步电机故障诊断研究》文中进行了进一步梳理永磁同步电机因高功率密度和高转矩密度的特点而得到广泛应用,电机在传动控制系统中一般处于核心地位,若电机因故障意外停机而导致整个系统失效有可能造成巨大的经济财产损失,因此有必要对电机进行实时地故障诊断以确保电机安全可靠运行。匝间短路故障和轴承故障是永磁同步电机中最常见的两种故障,本文对这两种故障的诊断方法进行研究。本文首先对匝间短路故障和轴承故障的故障特征进行研究。对于匝间短路故障,首先对匝间短路的成因和故障时电机的等效电路进行了分析,建立了匝间短路永磁同步电机的数学模型。通过建立匝间短路故障永磁同步电机的有限元仿真模型,对匝间短路时电机电流的幅值、相位和特征频率分量进行了分析;通过建立故障电机MATLAB仿真模型,研究了di=0矢量控制策略以及转速、负载变化对电机的电压和电流中的故障特征的影响,提出使用坐标变换提取电压电流中负序分量的方法。根据MATLAB仿真结果,提出闭环控制时使用定子绕组的负序电压作为匝间短路的故障特征。对于轴承故障,首先对轴承故障引发的振动特征频率进行了分析。然后根据轴承故障时振动信号的复杂度增加特点,提出使用样本熵作为轴承故障的故障特征;根据轴承故障会引发电机高频谐振,并且谐振频率受故障特征频率调制的特点,提出使用信号能量在各个频段的分布作为轴承故障的故障特征。由于直接使用样本熵处理振动信号无法有效判断故障种类,对振动信号进行了小波包分解,将小波包分解后重构信号的样本熵和相对小波包能量作为故障特征。其次,根据提取出的故障特征,本文提出了闭环控制时基于负序电压的匝间短路故障诊断方法;提出了基于滑模状态观测器估计反电动势,以反电动势作为故障特征的匝间短路故障诊断方法;以及提出了基于支持向量机的轴承故障分类方法。再次,为了采集永磁同步电机在不同转速、不同负载转矩、不同负载惯量等条件下的电压、电流、转速、转矩、振动等数据,训练故障诊断算法并对故障诊断算法的有效性进行验证,本文设计了兼容多种负载条件的永磁同步电机故障诊断实验平台。最后,建立了实验平台的仿真模型,对匝间短路诊断方法的有效性进行了验证。本文共包含图76幅,表15个,参考文献79篇。
张振[6](2020)在《基于机电耦合模型的HXD2型机车齿轮故障诊断方法研究》文中提出随着近年来机车牵引重量与运行速度的不断提升,工程上对机车运行的平稳性和安全性提出了更高的要求。机车传动齿轮由于长期受到复杂轮轨激励的影响,极易在运行早期便发生故障,但在复杂的轮轨噪声影响下,由故障引起的齿轮振动响应通常十分微弱,对信号处理算法的性能要求较高,给故障诊断工作带来了极大的困难。基于此问题,考虑牵引电机-齿轮传动系统的相互作用,本文建立了机车牵引电机-齿轮箱机电耦合动力学模型。并考虑了轨道不平顺激励对机电耦合系统动态特性的影响,以齿轮不同健康状态下的时变啮合刚度作为系统内部激励,分别对负载恒定工况和轨道不平顺激扰工况下的机电耦合模型动态特性进行了研究,分析了齿轮故障特征在电气信号中的响应特性,研究了基于电气信号的机车齿轮故障诊断方法。本文的主要研究内容和结论包括:1、建立了机车牵引电机-齿轮箱机电耦合模型。其中电机模型为三相异步电动机在??静止坐标系下的数学模型;齿轮传动系统模型采用集中参数法建立,模型中考虑了支承、电机轴和轮对轴的柔性。2、仿真分析了不同负载工况下传动齿轮的振动特性。研究了不同故障类型和故障程度对齿轮振动响应特性的影响,并对轨道不平顺激扰工况下的齿轮振动特性进行了探究。3、仿真分析了机电耦合模型在不同负载工况下电机电气信号的响应特性。探究了齿轮故障特征在电气信号中的响应规律,研究了轨道不平顺激扰在电气信号时频域响应中的体现形式,并仿真分析了电气信号对齿轮故障程度变化的敏感性。4、研究了基于电气信号双树复小波的齿轮故障诊断方法,有效的解决了电气信号中由电流频率和时变负载所导致的幅值调制现象。研究结果表明,负载恒定工况下的电磁转矩信号不存在幅值调制现象,在其余负载工况下的电气信号双树复小波分解结果中,频谱中齿轮故障特征频率幅值最明显的均为第一层高频分量信号,该分量可以有效实现齿轮的故障诊断。5、探究了电机电气信号时频域特征在齿轮故障诊断中的应用。以不同劣化程度的齿根裂纹故障为内部激励,仿真计算了不同负载工况下的电气信号时频域特征,并设定评判指标对各项特征在齿轮故障程度表征中的稳定性进行评价。结果表明,相较于有量纲特征,电气信号无量纲特征表征齿轮故障程度的准确性受外部激扰和信号类型的影响最小,具有更好的稳定性。
吴波[7](2019)在《立井提升刚性罐道系统健康监测研究》文中进行了进一步梳理刚性罐道系统作为提升容器的导向装置,是立井提升装备的重要组成部分,其作用是限制容器在提升过程中产生的横向位移,保证容器沿井筒方向的安全稳定运行。由于处于矿山运输的咽喉部位,刚性罐道系统出现故障不仅会激发异常振动影响提升系统的正常运行,严重时故障引发的链式反应还将威胁到整个矿山的安全生产。传统的事后和定期维护方法不仅成本高、效率低、实时性差,而且容易受到人为主观因素的影响。因此,需要对刚性罐道系统进行健康监测,包括及时发现系统的故障、诊断故障的类型、预测关键部件的剩余使用寿命,从而动态合理地安排维护操作,保证刚性罐道系统运行的安全性和可靠性。立井提升刚性罐道系统包括刚性罐道和滚轮罐耳两个部分,本课题以刚性罐道和滚轮罐耳为研究对象,结合信号处理、特征提取、模式识别和寿命预测的理论和方法,开展刚性罐道系统的健康监测研究,形成基于振动信号分析的刚性罐道故障检测和诊断方法以及滚轮罐耳故障诊断和寿命预测方法,为保障刚性罐道系统的安全运行提供理论支撑和技术解决方案。首先,开展刚性罐道故障特性与影响因素研究。对刚性罐道不同故障模式的振动响应进行分析,通过与提升过程相对应,获得提升容器振动特性与故障种类之间的关系,为后续罐道故障诊断方法的提出奠定基础。对比分析了不同特性提升绳牵引下提升容器对罐道故障的振动响应,得到提升速度、提升质量和故障程度对容器振动的影响规律,为后续罐道故障检测方法的提出提供依据。其次,开展刚性罐道故障检测与诊断方法研究。针对提升容器的故障响应,利用尺度平均小波能量百分比表征罐道故障相关频率上的能量随提升过程的变化,从而削弱了随机噪声的干扰;通过Tukey控制图法自适应地设定健康监测阈值,消除了工况变化对检测效果的影响,实现了不同工况下罐道故障的有效检测。根据不同类型罐道故障下提升容器响应形式的差异,提出了基于动态时间规整的罐道故障诊断方法,消除了工况变化对诊断效果的影响,实现了不同工况下罐道故障的有效诊断。最后,开展滚轮罐耳故障诊断与寿命预测方法研究。为了充分利用罐耳故障振动数据,降低故障特征在不同时刻的波动现象,提出了基于随机平均算法的特征提取方法,结合集合经验模态分解和熵理论,构建了改进的排列熵作为故障特征,从而改善了样本特性,实现了滚轮罐耳故障信息的充分表达;借助支持向量机在分类上的优良性能,实现了滚轮罐耳故障的有效诊断。在对滚轮罐耳频谱演化规律分析的基础上,提出了敏感频带的概念,构建了以敏感频带能量为退化指标的罐耳性能退化曲线。针对噪声和随机干扰等因素在退化曲线中引起的波动现象,使用广义威布尔故障率函数对退化曲线进行拟合,达到了退化曲线与罐耳退化方向的严格一致。以RBF神经网络为预测模型,拟合后的特征为模型输入,罐耳的寿命百分比为模型输出,实现了滚轮罐耳的剩余使用寿命预测。该论文有图122幅,表23个,参考文献225篇。
杨芬[8](2019)在《矿井提升系统天轮轴承故障诊断及其智能润滑方法研究》文中认为落地式摩擦提升机在矿业立井生产系统中得到了越来越广泛的应用。与其它类型的提升机相比,落地式摩擦提升机的天轮轴承系统承载着整个提升载荷,几乎是连续运转,其状态好坏直接影响着矿山的生产效率和提升安全性。天轮轴承系统承受着几百吨的冲击载荷,并且工作环境温度变化范围大,甚至存在极端气候的影响,这些因素间接或直接导致天轮轴承系统得不到合理的润滑,从而引起一系列因润滑不足而导致的故障,如连接天轮轴和两端支承的滚动轴承工作表面发生剥落、游动轮与天轮轴之间的滑动轴承轴瓦磨损等。这些故障轻则导致停产维修,重则引发重大事故的发生。针对落地式摩擦提升机天轮轴承系统的重要性和存在的问题,本文通过建立轴承不同故障时的轴承力模型,研究了轴承故障对天轮系统响应的影响,并分析了天轮轴承的故障特征。为了能够及时发现故障,避免重大事故的发生,在此基础上开展了天轮轴承故障诊断方法的研究。利用故障诊断技术可以发现故障,但无法减少故障,因而进一步开展了天轮轴承系统智能润滑方法的研究。本文的主要研究内容如下:(1)基于天轮轴承的承载特点和常见故障,分析了轴承故障对天轮系统响应的影响和天轮轴承的故障特征。研究结果表明,对于轴承早期的剥落故障,滚动轴承发生故障的位置不同,天轮系统响应时的振动波形、强度和频谱也会随之改变。针对本文的研究发现,轴承内圈故障时引起的系统振动幅值是正常情况幅值的9.68倍,轴承外圈故障时引起的系统振动幅值是正常情况幅值的19.35倍。这说明轴承故障对系统的影响很大,因此通过诊断技术尽早发现故障和采取相应方法减少故障的研究对于确保煤矿安全生产意义重大。通过轴承故障对天轮系统响应影响的研究进一步表明了基于振动信号的轴承故障诊断方法是可靠的。(2)为了能够尽早发现故障,从而防止天轮轴承故障引发严重安全事故,从信号处理的角度开展了天轮轴承故障诊断的研究。针对天轮轴承故障信号微弱、背景噪声强、故障特征难以提取的问题,提出了基于最小熵反褶积(Minimum Entropy Deconvolution,MED)和改进的完备经验模态分解(Improved complete ensemble EMD with adaptive noise,ICEEMDAN)相结合的天轮轴承微弱故障特征提取方法。采用MED作为前置滤波器,减轻了噪声对ICEEMDAN的干扰。为了能够筛选出有效的模态分量,提出了一种基于互信息的样本熵(MI-SE)的有效分量筛选方法,能够在尽可能保留多的有用信号的前提下消除尽可能多的噪声成分,克服了传统信号处理方法在轴承微弱故障特征提取方面的局限性。最后通过实验验证了本文提出方法的有效性。(3)在振动信号故障特征提取方法研究的基础上,开展了基于支持向量机的天轮轴承故障诊断算法的研究。针对支持向量机(Support Vector Machine,SVM)模型中惩罚因子和径向基核参数难选取的问题,提出了基于人工鱼群算法(Artificial Fish-Swarm Algorithm,AFSA)优化的支持向量机(AFSA-SVM)故障诊断模型。通过对基于EMD能量熵、EEMD能量熵和ICEEMDAN能量熵三种轴承振动信号特征向量构建方法的诊断结果进行对比,发现基于ICEEMDAN能量熵构建的特征向量在相同的条件下能获得最高的故障诊断准确率。最后,利用基于ICEEMDAN能量熵的特征向量构建方法和AFSA-SVM的智能故障诊断模型对实验数据进行了分析,结果表明优化后的故障诊断模型的准确率比优化前的故障诊断模型准确率提高了10%,平均均方误差减小了74.4%。(4)以某煤矿落地式摩擦提升机天轮轴承为研究对象,构建了采集天轮轴承振动的软硬件系统。基于Labview和MATLAB联合编程设计了基于AFSA-SVM的智能故障诊断系统。针对现场采集到的故障信号,分别利用提出的信号处理的方法和设计的智能故障诊断系统对其进行了分析。结果表明诊断结果与实际情况相吻合,从而验证了所提方法的有效性。(5)利用故障诊断方法能够发现故障,但无法减少故障,所以研究减少故障发生的方法具有重要意义。鉴于润滑问题是导致天轮轴承故障的主要因素,为此本文开展了落地式摩擦提升机天轮轴承系统智能润滑方法的研究。以某煤矿落地式摩擦提升机天轮系统为对象,对其天轮轴承开展了智能润滑方法研究。针对实现智能润滑时存在的问题,提出了基于改进天轮轴的天轮轴承系统新型智能润滑方法。该方法通过设计新型天轮轴,可实现利用一套润滑系统同时对天轮系统的两个滚动轴承和三个滑动轴承进行智能润滑。基于三个滑动轴承处注油量基本相等的目标,根据理论计算与数值仿真相结合的方法对其天轮轴承系统中三个径向注油流道的尺寸进行了优化设计。结果表明当入口压力为30 Mpa,三个径向注油流道的直径分别设置为3 mm、4 mm和5 mm时,出油口的最小流量比最大流量少29.5%,与文中其他两种模型相比,从加工工艺和实际应用角度考虑,该模型是能满足需求的最优模型。
李浩洋[9](2019)在《三电平静止同步补偿器IGBT开路故障诊断与容错控制》文中提出静止同步补偿器(Static Synchronous Compensator,STATCOM)是柔性交流输电系统中的重要装置之一,与传统无功补偿装置相比,STATCOM可连续调节无功功率,调节速度更快,运行范围更宽,补偿电流谐波含量更少,因而得到越来越广泛的应用;三电平中点钳位式(3-Level Neutral-Point-Clamped,3LNPC)变换器因具有耐压高、输出电压谐波含量少和结构相对简单等优点,已被广泛应用于中低压、大容量的STATCOM中。电网对安全、可靠运行有着极高的要求,STATCOM发生故障会导致连接点电压闪变,线路功率振荡,给电网带来严重的负面影响。3LNPC变换器由于长时间工作在高电压大电流的环境下,是STATCOM中故障率最高的部分,采取适当的故障诊断和容错控制,保障装置在3LNPC变换器故障后能够继续稳定运行,是提高STATCOM可靠性,进而保证电网稳定运行的有效手段。本文将对3LNPC STATCOM在IGBT开路故障下的实时仿真、故障诊断和容错控制展开理论和实验研究,研究成果对于提高3LNPC STATCOM的可靠性和故障应变能力具有一定的理论意义和实际应用价值。提出了一种基于子模型切换的数学建模方法,建立了 IGBT开路故障情况下容错型3LNPC STATCOM的数字实时仿真模型,为安全高效地进行系统的控制和保护程序的开发奠定了基础。针对故障情况下系统的数学模型无法统一为一个表达式的问题,在详细分析故障对系统运行的影响后,将系统模型分解为三个子模型,并推导出各子模型间的切换条件,实现了故障情况下的系统统一建模。基于dSPACE平台建立了结合“快速控制原型”和“硬件在回路”的数字实时仿真模型,仿真步长缩短至1μs,对比实验表明,数字实时仿真模型与实际系统的相似度达到97.5%以上。针对3LNPC STATCOM的IGBT开路故障诊断问题,提出了一种基于网侧电流残差和均方根值的开路故障诊断方法,具有实时性高、诊断速度快和鲁棒性强的优点。该方法利用归一化电流残差值检测故障发生,定位故障IGBT所在的半桥;进而,通过将网侧电流进行分区,根据故障相电流在分区中的归一化均方根值诊断出具体的故障IGBT。实验结果表明:所提故障诊断算法可在10ms内准确定位故障IGBT位置,并对负载突变具有较强的鲁棒性。针对现有多电平STATCOM故障诊断算法存在的算法设计困难、适用性单一的问题,提出了一种采用复合特征提取和支持向量机的IGBT开路故障诊断方法,算法设计具有标准化,通用化的特点,且诊断准确度较高。该方法结合小波包能量谱法和归一化平均电流法,从频域和时域两方面提取网侧电流的故障特征,选用“一对一”多分类支持向量机,采用交叉验证和网格搜索法,建立了最优参数下的多类故障分类器。实时仿真与半实物仿真的结果表明:所提故障诊断方法的诊断准确度达到96%以上。针对3LNPC STATCOM在IGBT开路故障后的容错控制问题,设计了一种三相四桥臂结构的拓扑重构方案,可对单相和两相桥臂的IGBT开路故障进行拓扑重构,并对拓扑重构后带来的系统拓扑类型较多,导致控制器设计复杂的问题,提出了一种基于动态权重系数有限集模型预测控制的控制器设计方法,简化了容错控制算法,有效平衡了容错后系统直流侧的中点电位,并解决了有限集模型预测控制导致的系统开关频率不稳定问题,实现了开关频率的稳定控制。实验结果表明:所提出的容错控制策略可在故障诊断后无间断完成,容错控制后系统可正常稳定运行。本文针对“实时仿真模型的有效性、故障诊断算法的准确性与实时性、容错控制策略的可行性与稳定性”等提高3LNPC STATCOM装置可靠性的关键问题,以dSPACE实时仿真系统为实验平台,以容错型3LNPC STATCOM在IGBT开路故障情况下的实时仿真、故障诊断与容错控制为研究重点,进行了深入的理论与实验研究,实现了 3LNPC STATCOM在IGBT开路故障情况下的稳定运行,研究结果对于提高一类3LNPC并网变换器的可靠性具有一定的理论指导意义和工程应用价值。
何威[10](2019)在《基于时频特征的模拟电路故障诊断方法研究》文中指出模拟电路作为电子设备中的重要部件,其测试和故障诊断是目前研究的热点问题。但是由于模拟电路易受外界噪声干扰,元器件存在参数连续性、容差性以及高度非线性等问题,使得故障诊断理论及测试技术发展一直比较缓慢,远远不能满足电子工业对设备高可靠性的现实需求。本文针对模拟电路故障诊断方法,基于交叉小波时频分析技术,融合矩阵分解技术、图像特征分析、统计分类方法以及生成对抗网络等理论和技术,研究模拟电路故障诊断中的特征提取及故障分类策略,并探讨了深度学习技术在模拟电路故障诊断中的运用。本文的研究内容如下:·(1)提出基于交叉小波变换(XWT)与矩阵分解的模拟电路故障特征提取方法。通过研究交叉小波谱的时频特征,将奇异值分解与变分贝叶斯矩阵分解引入到模拟电路故障特征提取中,并由此提出了两种故障特征向量构建方法。首先通过采样正常状态与故障状态下电路输出响应信号,随后运用交叉小波技术将响应信号变换为二维时频谱,然后采用SVD和VBMF分解时频谱矩阵,最后计算出所有故障状态下SVD奇异值序列的信息熵和VBMF奇异值序列的统计参量,并构建为故障特征向量。仿真实验结果证明基于XWT和矩阵分解所构建的故障特征具有较高的区分度。(2)提出基于交叉小波变换与图像信息分析的模拟电路故障特征提取方法。通过研究交叉小波谱图像的几何矩特性和纹理结构信息,将Krawtchouk矩和局部二值模式(LBP)引入到模拟电路故障特征提取中,并以此构建故障特征向量。首先,获取所有状态下输出信号的交叉小波时频谱;随后,应用权重Krawtchouk矩和局部最优方向模式(LOOP)处理时频谱图像,最终生成故障特征向量。其中,权重Krawtchouk矩方法主要用来解决传统Krawtchouk矩中数值不稳定问题,而LOOP则旨在解决传统LBP方法过于依赖方向的缺点。仿真结果表明基于XWT和图像信息分析的方法具有较好的故障特征提取效果。(3)提出基于统计分类模型的模拟电路故障定位方法。在传统的故障分类中,一般是采用神经网络作为故障分类器,该方法属于经验风险最小化范畴,容易陷入局部最优点。考虑到统计分类模型在在模式识别方面的优异性能,提出了基于权重特征核线性判别分析,支持向量机和向量正则核函数逼近方法的模拟电路故障诊断方法。同时考虑花授粉算法(FPA)和量子粒子群算法(QPSO)良好的参数优化能力,分别采用花授粉算法优化支持向量机以及量子粒子群算法优化向量正则核函数逼近方法。通过仿真实验表明,这三种方法均取得较高的故障诊断正确率。(4)提出了基于生成对抗网络的模拟电路故障诊断方法。在传统的故障诊断方法中,在面对不同诊断任务时,需要人工选择不同的故障特征方法和分类策略,而深度学习方法却可以有效的避免上述问题,借助其强大的非线性映射能力,在不同网络层中实现特征提取和分类。本文在探讨生成对抗网络的基本原理后,提出采用深层卷积神经网络、sigmoid和softmax分类器对其进行改进,同时为了降低生成对抗网络的负担,并采用小波交叉谱和相干谱数据作为其输入向量。仿真实验表明该方法可以较好地实现故障诊断的任务。
二、基于模拟系统响应的小波变换故障诊断方法的仿真研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于模拟系统响应的小波变换故障诊断方法的仿真研究(论文提纲范文)
(1)模拟电路信号特征分析及故障诊断算法优化(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
§1.1 课题研究的背景与意义 |
§1.2 故障诊断发展历程与现状 |
§1.3 本文主要研究内容和结构安排 |
§1.3.1 本文主要研究内容 |
§1.3.2 本文结构安排 |
第二章 模拟电路信号特征分析及神经网络诊断算法 |
§2.1 引言 |
§2.2 基于小波包分析的故障特征提取 |
§2.2.1 小波包分析原理 |
§2.2.2 故障特征提取的小波包分析方法 |
§2.2.3 小波包基函数的选择 |
§2.3 BP神经网络诊断算法研究 |
§2.3.1 BP神经网络算法研究 |
§2.3.2 BP神经网络模型建立及其故障诊断方法 |
§2.4 仿真实例分析 |
§2.4.1 信号特征提取实例分析 |
§2.4.2 基于BP神经网络的软故障诊断实例分析 |
§2.5 本章小结 |
第三章 基于PSO算法优化神经网络的模拟电路故障诊断 |
§3.1 引言 |
§3.2 基于PSO-BP的模拟电路故障诊断模型 |
§3.2.1 粒子群优化算法(PSO) |
§3.2.2 PSO算法寻优性能测试 |
§3.2.3 PSO-BP诊断模型构建 |
§3.2.4 诊断实例 |
§3.3 基于IPSO-BP的模拟电路故障诊断 |
§3.3.1 改进的粒子群算法(IPSO) |
§3.3.2 IPSO算法寻优性能测试 |
§3.3.3 IPSO-BP模型构建及诊断实例 |
§3.4 本章小结 |
第四章 基于IWO算法优化神经网络的模拟电路故障诊断 |
§4.1 引言 |
§4.2 基于IWO-BP的模拟电路故障诊断模型 |
§4.2.1 入侵杂草算法(IWO) |
§4.2.2 IWO算法寻优性能测试 |
§4.2.3 IWO-BP诊断模型构建 |
§4.2.4 诊断实例 |
§4.3 基于AIWODE-BP的模拟电路故障诊断 |
§4.3.1 差分进化算法(DE) |
§4.3.2 自适应杂草混合算法(AIWODE) |
§4.3.3 AIWODE算法寻优性能测试 |
§4.3.4 AIWODE-BP模型构建及诊断实例 |
§4.4 本章小结 |
第五章 基于HPSO算法优化神经网络的模拟电路故障诊断 |
§5.1 引言 |
§5.2 基于HPSO-BP的模拟电路故障诊断模型 |
§5.2.1 杂草粒子群混合算法 |
§5.2.2 HPSO算法寻优性能测试 |
§5.2.3 HPSO-BP诊断模型构建 |
§5.3 诊断实例 |
§5.3.1 Sallen-key带通滤波电路 |
§5.3.2 CTSV滤波电路 |
§5.3.3 Leapfrog电路 |
§5.4 本章小结 |
第六章 总结与展望 |
§6.1 总结 |
§6.2 展望 |
参考文献 |
致谢 |
作者攻读硕士学位期间取得的的研究成果 |
(2)矩阵模型优化的模拟电路故障诊断方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
§1.1 模拟电路故障诊断研究背景及意义 |
§1.2 国内外研究现状 |
§1.2.1 国外研究现状 |
§1.2.2 国内研究现状 |
§1.3 本文研究内容和结构安排 |
§1.3.1 本文主要研究内容 |
§1.3.2 本文结构安排 |
§1.4 本章小结 |
第二章 模拟电路故障诊断概述 |
§2.1 模拟电路故障诊断理论 |
§2.1.1 模拟电路故障诊断的提出 |
§2.1.2 模拟电路故障分类 |
§2.2 模拟电路故障诊断难点与诊断方法研究 |
§2.2.1 模拟电路故障诊断SBT与 SAT方法 |
§2.2.2 模拟电路故障诊断传统方法与人工智能方法 |
§2.3 模拟电路故障诊断中的特征提取 |
§2.3.1 主成分分析 |
§2.3.2 小波分析 |
§2.3.3 多分辨分析 |
§2.4 模拟电路故障诊断中的特征分类 |
§2.4.1 神经网络在模拟电路故障诊断中的分类 |
§2.4.2 支持向量机在模拟电路故障诊断中的分类 |
§2.5 矩阵模型方法的可行性分析与有效性研究 |
§2.6 本章小结 |
第三章 基于输出响应矩阵特性分析的模拟电路故障诊断 |
§3.1 矩阵特性分析的模拟电路故障诊断提出 |
§3.2 矩阵特性分析 |
§3.2.1 输出响应矩阵 |
§3.2.2 矩阵的谱半径 |
§3.2.3 矩阵的奇异值概念 |
§3.2.4 故障诊断步骤 |
§3.3 Sallen_Key电路故障诊断 |
§3.3.1 Sallen_Key电路故障诊断与分析 |
§3.3.2 试验数据 |
§3.4 电路故障诊断 |
§3.4.1 CTSV电路以及对数放大电路介绍 |
§3.4.2 数据及对比 |
§3.5 本章小结 |
第四章 基于优化矩阵随机森林算法的模拟电路故障诊断 |
§4.1 局部均值分解 |
§4.1.1 局部均值分解概况 |
§4.1.2 局部均值分解原理 |
§4.2 随机森林算法 |
§4.2.1 随机森林算法介绍 |
§4.2.2 随机森林算法原理 |
§4.2.3 随机森林算法特征提取 |
§4.2.4 随机森林算法特征分类 |
§4.3 Sallen_Key电路故障诊断与实例分析 |
§4.3.1 故障诊断流程图 |
§4.3.2 Sallen_Key电路故障诊断 |
§4.3.3 Sallen_Key电路故障及特征提取 |
§4.3.4 Sallen_Key电路故障分类及诊断结果 |
§4.4 CTSV电路故障诊断与实例分析 |
§4.4.1 CTSV电路多故障诊断 |
§4.4.2 CTSV电路仿真结果 |
§4.5 对数放大电路故障诊断与实例分析 |
§4.5.1 对数放大器电路多故障诊断 |
§4.5.2 对数放大器电路仿真结果 |
§4.6 结论 |
第五章 总结与展望 |
§5.1 本文工作总结 |
§5.2 创新内容 |
§5.3 研究展望 |
参考文献 |
致谢 |
作者在攻读硕士期间的主要研究成果 |
(3)齿轮箱混沌特性与故障诊断研究(论文提纲范文)
致谢 |
摘要 |
abstract |
变量注释表 |
1 绪论 |
1.1 研究背景、意义及来源 |
1.2 国内外研究进展 |
1.3 尚需深入研究的问题 |
1.4 主要研究内容 |
2 试验信号采集与降噪分析处理研究 |
2.1 引言 |
2.2 齿轮振动信号采集试验分析 |
2.3 试验结果与分析 |
2.4 试验信号降噪分析与处理 |
2.5 本章小结 |
3 齿轮箱系统的混沌特性研究 |
3.1 引言 |
3.2 相空间重构理论 |
3.3 混沌系统的判别方法 |
3.4 理论混沌系统证明 |
3.5 齿轮系统混沌特性证明 |
3.6 本章小结 |
4 基于混沌吸引子相点分布特性表征诊断方法研究 |
4.1 引言 |
4.2 相轨迹图表征与诊断 |
4.3 相点三维直方图表征与诊断 |
4.4 本章小结 |
5 基于混沌吸引子递归特性表征诊断方法研究 |
5.1 引言 |
5.2 递归分析方法原理 |
5.3 齿轮故障递归图分析 |
5.4 齿轮故障定量递归分析 |
5.5 最优模式识别与诊断方法 |
5.6 本章小结 |
6 考虑多频激励齿轮动力学建模与诊断研究 |
6.1 引言 |
6.2 齿轮动力学模型构建 |
6.3 齿轮动力学模型特性与诊断 |
6.4 本章小结 |
7 全文总结 |
7.1 研究内容和主要结论 |
7.2 创新点 |
7.3 展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(4)基于冷启动SVDD技术的模拟电路模块级故障诊断方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究的背景和意义 |
1.2 模拟电路故障诊断的概念与过程 |
1.3 国内外研究现状分析 |
1.3.1 模拟电路特征提取的研究现状 |
1.3.2 故障检测与诊断方法的研究现状 |
1.3.3 不平衡数据挖掘方法研究现状 |
1.3.4 现状总结 |
1.4 本文主要研究内容和论文结构 |
第2章 基于相似性度量的特征提取算法的优选方法 |
2.1 引言 |
2.2 经典特征提取方法的原理 |
2.2.1 主成分分析原理 |
2.2.2 局部均值分解算法原理 |
2.2.3 小波包变换原理 |
2.2.4 总结与分析 |
2.3 基于响应相似性度量的特征提取算法优选方法 |
2.3.1 特征的相似性度量 |
2.3.2 高维空间映射与核函数 |
2.3.3 特征提取算法及参量的优选流程 |
2.4 仿真实验及验证 |
2.4.1 Four-opamp电路的仿真验证 |
2.4.2 Sallen-Key电路的仿真验证 |
2.4.3 仿真实验结果对比及分析 |
2.5 本章小结 |
第3章 基于冷启动SVDD的故障检测方法 |
3.1 引言 |
3.2 基于常规SVDD的模拟电路故障检测方法 |
3.2.1 SVDD的原理 |
3.2.2 基于SVDD的模拟电路故障检测流程 |
3.2.3 模型训练参数寻优方法 |
3.2.4 SVDD模型检测方法的总结与分析 |
3.3 基于冷启动SVDD模拟电路故障检测方法 |
3.3.1 粒子群优化算法原理 |
3.3.2 基于PSO的冷启动SVDD故障检测模型训练方法 |
3.4 仿真实验验证 |
3.4.1 Four-opamp电路故障检测模型训练与验证 |
3.4.2 Sallen-Key电路故障检测模型训练与验证 |
3.4.3 仿真实验结果对比及分析 |
3.5 本章小结 |
第4章 基于图论的系统级电路故障定位方法及应用 |
4.1 引言 |
4.2 系统级电路故障定位的基本思想 |
4.3 系统级电路的模块划分原则 |
4.4 基于图论的系统级电路故障定位方法 |
4.4.1 故障传播有向图模型 |
4.4.2 基于图论的故障定位算法 |
4.4.3 系统级电路故障定位方法的仿真验证 |
4.5 故障诊断方法的应用 |
4.6 本章小结 |
结论 |
参考文献 |
附录 |
致谢 |
(5)永磁同步电机故障诊断研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 课题背景及研究目的 |
1.2 永磁同步电机故障诊断的研究现状 |
1.2.1 永磁同步电机匝间短路故障诊断的研究现状 |
1.2.2 永磁同步电机轴承故障诊断的研究现状 |
1.3 主要研究内容 |
2 永磁同步电机故障特征分析 |
2.1 永磁同步电机故障诊断需求 |
2.2 匝间短路故障的故障特征分析 |
2.2.1 永磁同步电机匝间短路故障模型 |
2.2.2 匝间短路故障的有限元仿真与故障特征的研究 |
2.2.3 控制系统和负载大小对匝间短路故障特征的影响 |
2.3 轴承故障的故障特征分析 |
2.3.1 振动信号的频谱分析 |
2.3.2 基于样本熵的轴承故障特征提取 |
2.4 本章小结 |
3 永磁同步电机故障诊断方法 |
3.1 基于小波包分解的轴承故障特征提取方法 |
3.1.1 小波变换和多分辨率分析的基础理论 |
3.1.2 小波包分析的基础理论 |
3.1.3 小波包分解算法 |
3.1.4 轴承故障的振动信号的小波包分解 |
3.2 基于支持向量机的轴承故障分类方法 |
3.2.1 支持向量机的基本理论 |
3.2.2 多分类支持向量机 |
3.2.3 分类器性能的评估方法 |
3.2.4 基于支持向量机的轴承故障分类 |
3.3 基于负序电压的匝间短路故障诊断方法 |
3.4 基于反电动势的匝间短路故障诊断方法 |
3.5 本章小结 |
4 兼容多种负载条件的永磁同步电机故障诊断实验平台设计 |
4.1 系统总体设计方案 |
4.2 实验平台硬件系统设计 |
4.2.1 实验平台建模 |
4.2.2 电机的选型 |
4.2.3 飞轮的设计 |
4.2.4 传感器和采集卡的选型 |
4.2.5 控制板的设计 |
4.3 实验平台软件设计 |
4.3.1 LabVIEW界面设计 |
4.3.2 软件运行流程 |
4.4 本章小结 |
5 永磁同步电机故障诊断实验平台仿真 |
5.1 永磁同步电机故障诊断实验平台仿真 |
5.2 匝间短路实时故障诊断仿真 |
5.2.1 基于负序电压的诊断方法的仿真 |
5.2.2 基于反电动势的诊断方法的仿真 |
5.3 本章小结 |
6 结论 |
参考文献 |
作者简历及攻读硕士/博士学位期间取得的研究成果 |
学位论文数据集 |
(6)基于机电耦合模型的HXD2型机车齿轮故障诊断方法研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 齿轮传动系统动力学模型研究现状 |
1.2.2 变负载下的齿轮传动系统动力学特性研究现状 |
1.2.3 电机-齿轮箱机电耦合模型研究现状 |
1.2.4 基于电机系统的齿轮故障诊断方法研究现状 |
1.3 本文研究内容与研究方法 |
第2章 机车牵引传动系统机电耦合动力学模型 |
2.1 机车齿轮传动系统动力学模型建模 |
2.1.1 齿轮系统动力学 |
2.1.2 齿轮系统动态分析模型的建立方法 |
2.1.3 机车齿轮传动系统动力学模型 |
2.2 机车牵引电机数学模型建立 |
2.2.1 三相异步电机工作原理 |
2.2.2 三相异步电机数学模型 |
2.2.3 三相异步电机定子数学模型推导 |
2.3 机车牵引电机-齿轮箱机电耦合模型建立 |
2.4 本章小节 |
第3章 机电耦合模型的内外部激励仿真计算 |
3.1 齿轮常见的故障类型与特点 |
3.1.1 齿面剥落故障 |
3.1.2 齿根裂纹故障 |
3.1.3 断齿故障 |
3.2 基于势能法的齿轮时变啮合刚度计算 |
3.2.1 健康齿轮的时变啮合刚度计算 |
3.2.2 齿面剥落故障齿轮的时变啮合刚度计算 |
3.2.3 齿根裂纹故障齿轮的时变啮合刚度计算 |
3.2.4 断齿故障齿轮的时变啮合刚度计算 |
3.3 机车多体动力学建模及齿轮箱时变负载仿真计算 |
3.4 本章小结 |
第4章 牵引电机-齿轮箱机电耦合系统的动态特性分析 |
4.1 负载恒定工况下机车传动齿轮振动特性仿真分析 |
4.1.1 齿轮无故障下的机车传动齿轮振动特性分析 |
4.1.2 齿轮局部故障对机车传动齿轮振动特性的影响分析 |
4.2 轨道不平顺激扰下的机车传动齿轮振动特性分析 |
4.2.1 轨道不平顺激扰对机车传动齿轮固有振动特性的影响 |
4.2.2 轨道不平顺激扰对故障齿轮振动特性的影响仿真分析 |
4.3 齿轮振动特征与电气信号的耦合机理 |
4.3.1 齿轮振动特征与电磁转矩信号的耦合机理 |
4.3.2 齿轮振动特征与定子电流信号的耦合机理 |
4.4 负载恒定工况下的机电耦合系统动态特性 |
4.4.1 机电耦合系统在负载恒定工况下的固有特性分析 |
4.4.2 齿轮局部故障下的机电耦合系统动态特性 |
4.5 轨道不平顺激扰下的机电耦合系统动态特性 |
4.5.1 轨道不平顺激扰下齿轮无故障的机电耦合系统动态特性 |
4.5.2 轨道不平顺激扰下齿轮故障的机电耦合系统动态特性 |
4.6 电气信号对齿轮故障程度的敏感性仿真分析 |
4.6.1 定子电流对齿轮故障程度的敏感性仿真分析 |
4.6.2 电磁转矩对齿轮故障程度的敏感性仿真分析 |
4.7 本章小结 |
第5章 基于电气信号双树复小波的齿轮故障诊断方法 |
5.1 双树复小波算法简介 |
5.1.1 小波变换 |
5.1.2 双树复小波变换 |
5.1.3 双树复小波变换主要特性分析 |
5.2 基于定子电流双树复小波的齿轮故障诊断方法研究 |
5.2.1 负载恒定工况下定子电流的双树复小波分解 |
5.2.2 轨道不平顺激扰工况下定子电流的双树复小波分解 |
5.3 基于电磁转矩双树复小波的齿轮故障诊断方法研究 |
5.3.1 负载恒定工况下电磁转矩信号的响应特性 |
5.3.2 轨道不平顺激扰工况下电磁转矩的双树复小波分解 |
5.4 基于电气信号双树复小波的齿轮故障诊断方法实现流程 |
5.5 本章小结 |
第6章 电气信号特征参数在齿轮故障诊断中的应用研究 |
6.1 信号统计特征参数 |
6.1.1 时域特征参数 |
6.1.2 频域特征参数 |
6.2 定子电流信号的时频域特征提取与分析 |
6.2.1 负载恒定工况下的定子电流信号特征分析 |
6.2.2 轨道不平顺激扰工况下的定子电流信号特征分析 |
6.3 电磁转矩信号的时频域特征提取与分析 |
6.3.1 负载恒定工况下的电磁转矩信号特征分析 |
6.3.2 轨道不平顺激扰工况下的电磁转矩信号特征分析 |
6.4 定子电流与电磁转矩信号时频域特征的稳定性分析 |
6.5 基于电气信号时频域特征的齿轮故障诊断方法实现流程 |
6.6 本章小结 |
总结与展望 |
1 总结 |
2 展望 |
致谢 |
参考文献 |
攻读硕士学位期间发表的论文及科研成果 |
攻读硕士学位期间参与的研究项目 |
(7)立井提升刚性罐道系统健康监测研究(论文提纲范文)
致谢 |
摘要 |
abstract |
1 绪论 |
1.1 课题来源 |
1.2 选题背景及意义 |
1.3 国内外研究现状 |
1.4 研究内容和目标 |
1.5 技术路线和总体框架 |
1.6 本章小结 |
2 刚性罐道系统故障模拟实验平台 |
2.1 引言 |
2.2 刚性罐道系统常见故障概述 |
2.3 实验平台结构设计 |
2.4 数据采集系统 |
2.5 提升绳特性 |
2.6 实验方案设计 |
2.7 罐道正常状态下提升绳特性对容器振动的影响 |
2.8 本章小结 |
3 刚性罐道故障特性与影响因素分析 |
3.1 引言 |
3.2 故障类型对提升容器振动特性的影响 |
3.3 刚性绳提升下罐道故障振动特性分析 |
3.4 柔性绳提升下罐道故障振动特性分析 |
3.5 提升绳特性对容器振动幅值的影响 |
3.6 本章小结 |
4 刚性罐道故障检测与诊断 |
4.1 引言 |
4.2 基于尺度平均小波能量的刚性罐道故障检测 |
4.3 基于动态时间规整的刚性罐道故障诊断 |
4.4 实验分析 |
4.5 本章小结 |
5 滚轮罐耳故障诊断与寿命预测 |
5.1 引言 |
5.2 基于改进的排列熵和支持向量机的滚轮罐耳故障诊断 |
5.3 基于广义威布尔故障率函数和径向基函数神经网络的滚轮罐耳寿命预测. |
5.4 实验分析 |
5.5 本章小结 |
6 结论与展望 |
6.1 主要结论 |
6.2 主要创新点 |
6.3 研究展望 |
参考文献 |
作者简历 |
学位论文数据集 |
(8)矿井提升系统天轮轴承故障诊断及其智能润滑方法研究(论文提纲范文)
摘要 |
ABSTRACT |
符号说明 |
第一章 绪论 |
1.1 课题概况 |
1.1.1 课题来源 |
1.1.2 课题的研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 天轮系统结构及动力学研究现状 |
1.2.2 天轮轴承故障诊断研究现状 |
1.2.3 天轮轴承系统润滑研究现状 |
1.3 .存在的问题 |
1.4 本文研究内容与研究路线 |
1.4.1 研究内容 |
1.4.2 研究路线 |
第二章 落地式摩擦提升机天轮轴承故障对系统响应影响的研究 |
2.1 引言 |
2.2 落地式摩擦提升机天轮轴承故障机理 |
2.2.1 落地式摩擦提升机天轮系统受力分析 |
2.2.2 天轮轴承故障机理及其常见形式 |
2.3 轴承故障对天轮系统响应影响的研究 |
2.3.1 天轮系统运动微分方程的建立 |
2.3.2 滚动轴承力模型 |
2.3.3 天轮系统动力学响应仿真分析 |
2.3.4 实验研究 |
2.4 落地式摩擦提升机天轮轴承故障特征 |
2.4.1 天轮轴承故障振动的理论模型 |
2.4.2 天轮轴承故障特征频率 |
2.5 本章小结 |
第三章 天轮轴承故障特征提取方法研究 |
3.1 引言 |
3.2 基于MED-AMMF的提升机天轮轴承故障特征提取 |
3.2.1 基本理论 |
3.2.2 滚动轴承故障特征提取仿真分析 |
3.3 基于MED-ICEEMDAN的提升机天轮轴承故障特征提取 |
3.3.1 基本理论 |
3.3.2 基于MI-SE的有效模态分量的筛选 |
3.3.3 天轮轴承故障特征提取仿真分析 |
3.4 实验研究 |
3.5 本章小结 |
第四章 基于优化支持向量机的天轮轴承故障诊断 |
4.1 引言 |
4.2 支持向量机原理 |
4.2.1 线性支持向量分类机 |
4.2.2 非线性支持向量分类机 |
4.3 天轮轴承AFSA-SVM故障诊断模型 |
4.3.1 基于传统SVM的故障诊断模型 |
4.3.2 基于AFSA优化的SVM故障诊断模型 |
4.4 基于ICEEMDAN能量熵的轴承振动信号特征提取 |
4.5 故障诊断结果分析 |
4.5.1 SVM优化前的故障诊断结果 |
4.5.2 AFSA-SVM的故障诊断结果 |
4.6 本章小结 |
第五章 天轮轴承故障诊断的应用研究 |
5.1 引言 |
5.2 天轮平台监测系统设计 |
5.2.1 提升机天轮轴承感知系统硬件设计 |
5.2.2 提升机天轮轴承感知系统软件设计 |
5.3 提升机天轮轴承故障诊断 |
5.3.1 基于信号处理的故障诊断 |
5.3.2 基于AFSA-SVM智能诊断系统的故障诊断 |
5.4 本章小结 |
第六章 天轮轴承系统智能润滑方法研究 |
6.1 引言 |
6.2 天轮轴承系统智能润滑 |
6.2.1 天轮滚动轴承智能润滑 |
6.2.2 天轮滑动轴承智能润滑 |
6.3 天轮轴承系统新型智能润滑方法 |
6.3.1 新型智能润滑方法的总体方案 |
6.3.2 天轮轴承系统智能润滑模拟系统方案 |
6.4 注油流道理论设计 |
6.5 注油流道流场仿真分析 |
6.5.1 仿真模型的建立 |
6.5.2 网格无关性验证 |
6.5.3 结果分析 |
6.6 智能润滑监控系统设计 |
6.7 本章小结 |
第七章 结论与展望 |
7.1 研究工作结论 |
7.2 主要创新点 |
7.3 研究展望 |
参考文献 |
致谢 |
攻读博士学位期间参与的科研项目及发表的论文 |
(9)三电平静止同步补偿器IGBT开路故障诊断与容错控制(论文提纲范文)
摘要 |
ABSTRACT |
主要符号表 |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外相关工作研究进展 |
1.2.1 三电平变换器故障诊断技术 |
1.2.2 变换器容错控制技术 |
1.2.3 电力电子系统实时仿真 |
1.3 本文主要研究内容 |
2 容错型3LNPC STATCOM故障建模与数字实时仿真 |
2.1 引言 |
2.2 容错型3LNPC STATCOM的数学建模 |
2.3 IGBT开路故障情况下系统的数学建模 |
2.3.1 外侧IGBT开路故障情况下系统的数学建模 |
2.3.2 内侧IGBT开路故障情况下系统的数学建模 |
2.4 基于dSPACE的实时仿真 |
2.4.1 数字实时仿真平台的构建 |
2.4.2 数字实时仿真模型的建立 |
2.4.3 半实物仿真平台构建 |
2.4.4 实验结果 |
2.5 本章小结 |
3 基于电流残差与均方根值的IGBT开路故障诊断 |
3.1 引言 |
3.2 IGBT开路故障情况下系统运行分析 |
3.2.1 外侧IGBT开路故障分析 |
3.2.2 内侧IGBT开路故障分析 |
3.3 故障诊断策略 |
3.4 实时仿真实验 |
3.4.1 外侧IGBT开路故障诊断 |
3.4.2 内侧IGBT开路故障诊断 |
3.4.3 故障诊断方法的鲁棒性评估 |
3.4.4 开路故障诊断方法比较 |
3.5 本章小结 |
4 基于支持向量机的IGBT开路故障诊断 |
4.1 引言 |
4.2 IGBT开路故障特征的复合提取 |
4.2.1 小波变换 |
4.2.2 多分辨率分析 |
4.2.3 小波包能量谱 |
4.2.4 归一化平均电流法 |
4.3 基于支持向量机的故障分类器 |
4.3.1 线性支持向量机 |
4.3.2 非线性支持向量机 |
4.3.3 多分类支持向量机 |
4.4 实时仿真实验 |
4.4.1 故障诊断流程 |
4.4.2 故障特征提取 |
4.4.3 支持向量机训练与测试 |
4.5 本章小结 |
5 基于FSC-MPC的3LNPC STATCOM容错控制 |
5.1 引言 |
5.2 容错型3LNPC STATCOM的拓扑重构 |
5.2.1 单相桥臂发生故障的拓扑重构 |
5.2.2 两相桥臂发生故障的拓扑重构 |
5.3 基于FSC-MPC的容错控制器设计 |
5.3.1 容错型3LNPC STATCOM的模型预测控制 |
5.3.2 三相三桥臂拓扑的模型预测控制 |
5.3.3 三相八开关拓扑的模型预测控制 |
5.4 基于动态权重系数的开关频率稳定控制 |
5.5 实时仿真实验 |
5.5.1 动态权重系数的实验结果 |
5.5.2 单相桥臂故障的容错控制结果 |
5.5.3 两相桥臂故障的容错控制结果 |
5.6 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 创新点 |
6.3 展望 |
参考文献 |
攻读博士学位期间科研项目及科研成果 |
致谢 |
作者简介 |
(10)基于时频特征的模拟电路故障诊断方法研究(论文提纲范文)
致谢 |
摘要 |
abstract |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 模拟电路特性与故障分类 |
1.2.1 模拟电路自身特性 |
1.2.2 模拟电路故障分类 |
1.3 模拟电路故障诊断技术的研究现状 |
1.4 有待攻克的问题 |
1.5 本文的主要研究内容及结构安排 |
1.5.1 论文研究思路与主要内容 |
1.5.2 论文结构安排 |
第二章 信号预处理分析 |
2.1 引言 |
2.2 传统信号分析 |
2.2.1 时域分析法 |
2.2.2 频域分析法 |
2.3 时频分析方法 |
2.3.1 短时傅里叶变换 |
2.3.2 Wigner-Ville分布 |
2.4 小波分析 |
2.4.1 连续小波分析方法 |
2.4.2 离散小波分析方法 |
2.4.3 交叉小波分析方法 |
2.5 模拟电路信号时频分析 |
2.5.1 电路信号频域分析与小波分析 |
2.5.2 模拟电路信号交叉小波分析 |
2.6 模拟电路故障诊断与时频特征 |
2.7 本章总结 |
第三章 基于时频矩阵分解的特征提取方法研究 |
3.1 引言 |
3.2 基于奇异熵方法的故障特征提取方法 |
3.2.1 奇异值分解原理 |
3.2.2 信息熵理论 |
3.2.3 奇异熵提取过程 |
3.2.4 仿真分析 |
3.3 基于变分贝叶斯矩阵分解的特征提取方法 |
3.3.1 变分贝叶斯的矩阵分解算法 |
3.3.2 基于VBMF的统计特征分析 |
3.3.3 仿真分析 |
3.4 本章总结 |
第四章 基于时频图像的特征提取方法研究 |
4.1 引言 |
4.2 基于Krawtchouk矩的时频图像特征提取 |
4.2.1 图像矩的定义及其变换 |
4.2.2 几何矩定义及其性质 |
4.2.3 权重Krawtchouk矩 |
4.2.4 仿真分析 |
4.3 基于均值二值模式的时频图像特征提取 |
4.3.1 局部二值模式概述 |
4.3.2 局部方向模式 |
4.3.3 局部最优方向模式 |
4.3.4 仿真分析 |
4.4 本章总结 |
第五章 基于统计学习分类算法的故障诊断方法研究 |
5.1 引言 |
5.2 基于LDA方法的故障诊断 |
5.2.1 特征权重核线性判别分析 |
5.2.2 仿真分析 |
5.3 基于SVM方法的故障诊断 |
5.3.1 SVM的基本原理 |
5.3.2 花授粉算法 |
5.3.3 基于花授粉算法的参数优化过程 |
5.3.4 仿真分析 |
5.4 基于VVRKFA方法的故障诊断 |
5.4.1 VVRKFA的基本原理 |
5.4.2 量子粒子群算法 |
5.4.3 基于量子粒子群算法的参数优化过程 |
5.4.4 仿真分析 |
5.5 本章总结 |
第六章 基于深度学习的模拟电路故障诊断方法研究 |
6.1 引言 |
6.2 卷积神经网络 |
6.2.1 卷积层 |
6.2.2 池化层 |
6.2.3 全连接层 |
6.2.4 激活函数 |
6.2.5 代价函数 |
6.2.6 优化算法 |
6.3 深度卷积生成对抗网络 |
6.3.1 判别式与生成式模型 |
6.3.2 生成对抗网络 |
6.4 基于生成对抗网络的多分类器 |
6.4.1 sigmod与softmax函数 |
6.4.2 双分类器的生成对抗网路 |
6.4.3 双分类器的深度卷积生成对抗网络 |
6.5 交叉小波张量特征结合GANs的故障诊断 |
6.5.1 基于交叉小波张量特征预处理 |
6.5.2 故障诊断流程 |
6.5.3 仿真分析 |
6.6 本章总结 |
第七章 论文总结与展望 |
7.1 工作总结 |
7.2 研究展望 |
参考文献 |
攻读博士学位期间的学术活动及成果情况 |
四、基于模拟系统响应的小波变换故障诊断方法的仿真研究(论文参考文献)
- [1]模拟电路信号特征分析及故障诊断算法优化[D]. 迮良佳. 桂林电子科技大学, 2021(02)
- [2]矩阵模型优化的模拟电路故障诊断方法研究[D]. 阮济民. 桂林电子科技大学, 2021(02)
- [3]齿轮箱混沌特性与故障诊断研究[D]. 蒋宇. 中国矿业大学, 2020
- [4]基于冷启动SVDD技术的模拟电路模块级故障诊断方法研究[D]. 贾绍华. 哈尔滨工业大学, 2020(01)
- [5]永磁同步电机故障诊断研究[D]. 祝本超. 北京交通大学, 2020(03)
- [6]基于机电耦合模型的HXD2型机车齿轮故障诊断方法研究[D]. 张振. 西南交通大学, 2020(07)
- [7]立井提升刚性罐道系统健康监测研究[D]. 吴波. 中国矿业大学, 2019(04)
- [8]矿井提升系统天轮轴承故障诊断及其智能润滑方法研究[D]. 杨芬. 太原理工大学, 2019
- [9]三电平静止同步补偿器IGBT开路故障诊断与容错控制[D]. 李浩洋. 大连理工大学, 2019(08)
- [10]基于时频特征的模拟电路故障诊断方法研究[D]. 何威. 合肥工业大学, 2019