为了快速准确地识别轴承故障,研究了轴承振动信号时域特征和小波包能量特征提取方法,通过实验分析最终选择的轴承故障特征为无量纲时域特征和小波包能量特征,并采用"一对多"支持向量机分类算法对轴承的正常、外圈故障、内圈故障和滚动体故障四类数据进行了故障诊断实验,诊断准确率为96%。
2021-04-28 20:29:54
542KB
1
本课题是针对油田边远井、孤立井能够更方便的进行故障诊断，创新的采用手持终端与自组织竞争神经网络相结合的方法进行油井故障诊断。以抽油机作为研究对象，从油井的示功图入手，利用自组织竞争神经网络对抽油井示功图进行智能识别分类，实现油井故障的自动诊断。实验表明，基于神经网络的故障诊断系统在手持android终端能够成功实现，并且诊断正确率在97.3%以上。
2021-04-28 16:20:04
905KB
1
国际标准振动信号分析方法在齿轮箱故障诊断中的应用，本文分析了齿轮箱常见的故障及振动信号的时域及频谱的特征，为诊断分析工程师提供有效帮助。
2021-04-26 14:37:29
1.49MB
1
为了提高煤矿通风机故障诊断的准确性,提出了基于证据理论的混合诊断算法。即先用灰色建模方法实现故障特征量的累加处理,以增强数据的规律性。然后,采用2个并联的灰色BP网络进行故障局部诊断,获得彼此独立的证据。最后,再用证据理论融合算法对各证据进行融合,最终实现通风机的故障诊断。实例结果表明,该方法可有效提高诊断的可信度。
2021-04-24 21:08:44
209KB
1