针对齿轮箱振动信号的非平稳特性和在现实条件下难以获得大量故障样本的实际情况,提出一种经验模态分解和支持向量机相结合的故障诊断方法。运用经验模态分解方法对齿轮箱故障的振动信号进行分析,进行EEMD分解得到相对平稳的本征模态IMF,并计算每个IMF的能量熵,将其作为支持向量机的输入特征向量以判断齿轮箱的工作状态和故障类型。

【故障诊断分析】基于BP神经网络实现三相逆变器故障诊断研究含Matlab源码

神经网络的电网故障诊断资料.doc

英文资料神经网络的电网故障诊断资料.doc

小波频带能量累加法主要利用小波包将信号中不同分量无冗余、无疏漏、正交地分解到独立的频带内,根据各频带内能量变化来判断机械系统技术状况。发动机气门出现磨损故障时,会对缸体振动信号的各频率成分产生不同的抑制或者增强效果,与正常状态相比就是某些频带能量会增加,而有些频带的能量会减少,因此在信号各频率成分的能量包含着丰富的故障信息,某个或某几个频带的能量改变代表着某种故障状态,利用这一特征可以建立振动信号各频带能量与异响各故障状态间的映射关系,通过各频率成分能量的变化进行故障诊断。 具体方法步骤如下 (1)振动信号采集:诊断对象为斯太尔实车发动机一缸进气门、排气门故障,振动传感器放置在一缸缸盖上,通过调整气门间隙来模拟气门异响故障。采样频率为128kHz,采集转速为800r/min、1300r/min,采集点数为16384点。 (2)小波分解:将振动信号进行4层小波分解,得到高频信号的小波系数S1低频小波系数S2、S3、S4、S5。 (3)计算频段能量:将分解得到的5个频段信号的小波系数平方后求和,再进行归一化得到E1、E2、E3、E4、E5,作为信号特征参数。

如何减少各冲击信号间的干扰,使得信号特征突显出来是问题的关键。小波包分解可以对检测信号进行多通道滤波,通过不同频率的小波与检测信号相互作用,将信号划分成不同的频段,减少了信号间的干扰,同时,AR谱估计具有外推功能,可以有效地分析短样本信号。 通过上述分析,在分析小波包分解原理和AR谱估计特点的基础上,对6种不同磨损状况下的东风EQ2102汽车变速器轴承振动信号进行小波包分解,重构各频段信号并进行AR谱估计,最后计算故障轴承与新轴承的散度值,有效地提取出变速器轴承信号的故障特征信息。 (1)振动信号的采集。 (2)小波包分解。 (3)分频段重构时域信号。 (4)AR谱分析。对每一频段重构的信号进行AR谱估计,得到仅含特定频率信息的AR谱。 (5)计算小波包-AR谱频带能量,分析各频带能量与轴承间隙变化的规律。

麻雀算法为2020年的新算法，这里用麻雀算法（SSA）优化支持向量机，并以滚动轴承故障诊断为例子，代码注释较全，适合新手，可以跑出来，本人亲自测试过，绝对可以。

利用短时Fourier变换分析柴油机漏油故障。诊断实例为斯太尔实车发动机漏油故障，振动传感器放置在第3、第4缸中间，设置故障为第3缸油路漏油，同时采集振动信号和第4缸喷油压力信号，采样频率为12.8kHz，发动机转速为1300r/min，Sig1.txt是正常工况下第4缸上止点后两个工作循环的振动信号，Sig2.txt是第3缸漏油工况下的振动信号。 从时频分布图上可以明显看出，正常工况下，由于振动传感器的放置依照发动机“1-5-3-6-2-4”的做功顺序，第3缸和第4缸的能量高于其他缸；当第3缸发生漏油故障后，第3缸的能量明显降低，由此可以得到诊断结果。

第二版 网络课件介绍.pdf 第二版 网络测试和故障诊断1.pdf 第二版 网络测试和故障诊断2.pdf 第二版 网络测试和故障诊断3.pdf 第二版 网络测试和故障诊断4.pdf 第二版 网络测试和故障诊断5.pdf 第二版 网络测试和故障诊断6.pdf 第二版 网络测试和故障诊断7.pdf 第二版 网络测试和故障诊断8.pdf

第二版 网络课件介绍.pdf 第二版 网络测试和故障诊断1.pdf 第二版 网络测试和故障诊断2.pdf 第二版 网络测试和故障诊断3.pdf 第二版 网络测试和故障诊断4.pdf 第二版 网络测试和故障诊断5.pdf 第二版 网络测试和故障诊断6.pdf 第二版 网络测试和故障诊断7.pdf 第二版 网络测试和故障诊断8.pdf