期刊文献+
共找到74,461篇文章
< 1 2 250 >
每页显示 20 50 100
基于PLC的电源故障诊断系统开发
1
作者 轩克辉 李金方 《通信电源技术》 2025年第7期109-111,共3页
为提升电源系统故障诊断的准确性和实时性,设计一种基于电力线通信(Power Line Communication,PLC)的电源故障诊断系统。通过分析PLC的基本原理,设计一种融合通信、故障检测与定位算法以及数据交互功能的系统架构。系统包括通信模块设... 为提升电源系统故障诊断的准确性和实时性,设计一种基于电力线通信(Power Line Communication,PLC)的电源故障诊断系统。通过分析PLC的基本原理,设计一种融合通信、故障检测与定位算法以及数据交互功能的系统架构。系统包括通信模块设计、故障检测与定位算法开发以及接口与数据交互优化。实验结果表明,该系统在复杂电力环境下具有较高的稳定性,能够实现对电源故障的快速定位与诊断,显著提高诊断效率和通信性能,为智能电网和电力系统的可靠运行提供支持。 展开更多
关键词 电力线通信(PLC) 电源故障诊断 系统架构 故障诊断算法
下载PDF
基于LabVIEW的拖拉机电气故障诊断系统设计 被引量:1
2
作者 张扬 《农机化研究》 北大核心 2025年第2期239-243,248,共6页
设计了一种基于LabVIEW的拖拉机电气故障诊断系统,其采用模块化设计,可以自动检测和诊断拖拉机的电气故障,并提供可视化的诊断结果。系统由数据采集模块、信号处理模块、故障诊断模块和用户界面模块组成。数据采集模块负责采集拖拉机各... 设计了一种基于LabVIEW的拖拉机电气故障诊断系统,其采用模块化设计,可以自动检测和诊断拖拉机的电气故障,并提供可视化的诊断结果。系统由数据采集模块、信号处理模块、故障诊断模块和用户界面模块组成。数据采集模块负责采集拖拉机各个部件的电气参数数据,信号处理模块对采集到的数据进行处理和分析,故障诊断模块通过分析处理后的数据来判断拖拉机是否存在故障,并给出相应的诊断结果,用户界面模块提供友好的交互界面。试验结果表明:系统可以准确地诊断拖拉机的电气故障,具有良好的应用前景和推广价值。 展开更多
关键词 拖拉机 电气故障诊断 LABVIEW 数据采集 模块化设计
下载PDF
基于CNN-BiLSTM-Transformer的舰船中压直流全电推进系统故障诊断设计
3
作者 张建良 韩涛 季瑞松 《实验技术与管理》 北大核心 2025年第1期11-18,共8页
针对舰船中压直流全电推进系统结构复杂度高、单元耦合性强、运行环境多变等特点造成的故障诊断准确性低和实时性差等问题,开展了基于CNN-BiLSTM-Transformer的故障诊断设计。首先,基于卷积神经网络CNN构建单点特征级联网络,开展单一时... 针对舰船中压直流全电推进系统结构复杂度高、单元耦合性强、运行环境多变等特点造成的故障诊断准确性低和实时性差等问题,开展了基于CNN-BiLSTM-Transformer的故障诊断设计。首先,基于卷积神经网络CNN构建单点特征级联网络,开展单一时刻下故障信号空间特征的深入提取,以提升故障特征提取的有效性;其次,以双向长短期记忆网络BiLSTM为核心设计多点特征依赖网络,利用门控机制和双向时序学习机制,实现故障信号在多个时刻之间特征依赖关系的有效学习,以提升故障诊断的准确性;然后,以Transformer为核心建立序列特征并行处理网络,通过自注意力机制实现对故障特征上下文关系的精确刻画,进而利用多头注意力机制实现特征序列的并行处理,以提升故障诊断的实时性;最后,设计舰船中压直流全电推进系统故障诊断实验方案,并开展不同故障模式下的诊断性能评估。该文方法在多种故障模式下诊断准确率和实时性均优于现有的主流故障诊断方法,有助于为舰船中压直流全电推进系统的安全运行提供更有力的技术保障。 展开更多
关键词 舰船 中压直流 全电推进系统 故障诊断 TRANSFORMER
下载PDF
基于半监督学习的抽油机井故障诊断方法研究
4
作者 何岩峰 王相 +2 位作者 褚宪翔 邵志伟 李明 《钻采工艺》 北大核心 2025年第1期228-237,共10页
近年来,基于深度学习的油井故障诊断方法取得了显著进展,但这类方法的性能高度依赖标注样本集的数量和质量,且深度学习模型经过训练后可诊断的故障类型被固定,增加新类型需要重新收集样本并进行再训练,灵活性不足。为解决上述问题,文章... 近年来,基于深度学习的油井故障诊断方法取得了显著进展,但这类方法的性能高度依赖标注样本集的数量和质量,且深度学习模型经过训练后可诊断的故障类型被固定,增加新类型需要重新收集样本并进行再训练,灵活性不足。为解决上述问题,文章提出了一种基于半监督学习的抽油机井故障诊断方法。该方法利用VGG19与小批量K均值相结合对大量示功图进行自动聚类分析,通过对聚类结果实施批量标注,能够有效提升样本分类的科学性及标注效率。在此基础上,构建基于欧氏距离的K近邻算法实现故障诊断,避免了深度学习方法中繁琐的模型训练及参数调优过程,同时支持样本集动态更新。基于矿场实际数据的实验结果显示,所提出的半监督学习诊断方法可达到与深度学习方法相当的准确率(均超过90%),但在前期准备阶段所需的时间成本减少了90%以上。更重要的是,当面对新出现的故障类型时,本方法能够快速响应并适应,极大地增强了抽油机井故障诊断系统的灵活性。 展开更多
关键词 抽油机井 故障诊断 示功图 机器学习 半监督学习
下载PDF
基于ISDP和膨胀胶囊网络的风电机组齿轮箱故障诊断
5
作者 李俊卿 韩小平 +4 位作者 黄涛 张承志 刘若尧 何玉灵 刘雨田 《智慧电力》 北大核心 2025年第3期27-34,共8页
针对风电机组齿轮箱故障信号受多噪声、多转速影响难以处理的问题,提出一种基于优化变分模态分解(VMD)的改进对称点图(ISDP)和膨胀胶囊网络(DCapsNet)结合的故障诊断方法。首先,提出利用均方根误差和皮尔逊相关系数优化VMD最佳分解数量... 针对风电机组齿轮箱故障信号受多噪声、多转速影响难以处理的问题,提出一种基于优化变分模态分解(VMD)的改进对称点图(ISDP)和膨胀胶囊网络(DCapsNet)结合的故障诊断方法。首先,提出利用均方根误差和皮尔逊相关系数优化VMD最佳分解数量和惩罚因子的方法,并利用优化后的VMD对故障信号降噪;其次,将去噪后的故障信号转化为多通道多间隔的ISDP;最后,将ISDP输入DCapsNet进行训练。实验结果表明,所提ISDP-DCapsNet方法相比于其他故障诊断方法,具备良好的精确性和有效性。 展开更多
关键词 齿轮箱 故障诊断 变分模态分解 胶囊网络 对称点图
下载PDF
优化数据生成算法的往复压缩机故障诊断研究
6
作者 王鹏 李颖 +1 位作者 王金东 巴鹏 《噪声与振动控制》 北大核心 2025年第1期133-138,共6页
为解决实际生产中存在的往复压缩机故障信息样本缺失、样本不平衡等引起的长尾分布所造成故障诊断不准确的问题,提出一种基于经优化的对抗生成网络(Generative Adversarial Network,GAN)的方法,该方法在既保证样本质量又增强样本数量的... 为解决实际生产中存在的往复压缩机故障信息样本缺失、样本不平衡等引起的长尾分布所造成故障诊断不准确的问题,提出一种基于经优化的对抗生成网络(Generative Adversarial Network,GAN)的方法,该方法在既保证样本质量又增强样本数量的情况下,应用改进的卷积神经网络(Convolutional Neural Networks,CNN)进行故障诊断分类。首先对往复压缩机一维故障数据进行整理并通过小波变换生成故障时频图;然后构建适应于样本的LS-SAGAN框架模型并利用原始故障时频图训练模型,生成满足实验数量的时频图;最后通过经天鹰算法优化CNN进行快速准确的故障诊断。将实验方法与其他方法进行效果对比验证,结果表明,所提方法在故障诊断中的平均准确率达到99.6%,相较其他分类方法分类效果明显提高。 展开更多
关键词 故障诊断 往复压缩机 LS-SAGAN 卷积神经网络
下载PDF
小样本下基于原型域增强的Meta-DAE故障诊断
7
作者 马萍 梁城 +2 位作者 王聪 李新凯 张宏立 《华南理工大学学报(自然科学版)》 北大核心 2025年第1期62-73,共12页
滚动轴承作为一种精密的机械元件,已广泛运用于现代工业机械设备中。在轴承运行时,采用合理的方法诊断轴承的故障具有重大的意义。但在实际复杂多变环境下,采集振动信号不仅面临样本量少的问题,还受到噪声干扰、工况变换等因素的影响,... 滚动轴承作为一种精密的机械元件,已广泛运用于现代工业机械设备中。在轴承运行时,采用合理的方法诊断轴承的故障具有重大的意义。但在实际复杂多变环境下,采集振动信号不仅面临样本量少的问题,还受到噪声干扰、工况变换等因素的影响,导致故障诊断的准确率低。因此,针对噪声干扰和变工况下的小样本滚动轴承故障诊断问题,该文提出了一种基于原型域增强的元学习去噪模型(Meta-DAE)。首先,构造基于时频图的小样本故障样本集,引入深度卷积生成对抗网络并对数据进行预处理,生成相似分布的伪样本集;然后,将故障样本集输入Meta-DAE模型进行自适应特征提取,Meta-DAE模型采用原型域增强策略,使同类别原型点在嵌入空间中凝聚更紧密;同时,构建了具有降噪性能的编码器,设计了基于原型域增强和去噪的目标函数,通过在小样本下进行模型微调,以提高小样本下模型的噪声鲁棒性和分类准确率。噪声及变工况下小样本故障诊断实验结果表明,相比于其他模型,所提模型在-8dB强噪声干扰下,仅用10个样本微调模型,分类准确率提高了35.78~57.25个百分点,具有较强的噪声鲁棒性。 展开更多
关键词 小样本 故障诊断 元学习 原型域增强 去噪自编码器
下载PDF
基于不同故障传播路径差异化的故障诊断方法
8
作者 谭帅 王一帆 +2 位作者 姜庆超 侍洪波 宋冰 《自动化学报》 北大核心 2025年第1期161-173,共13页
针对工业过程中故障发生源与故障信息在传播过程中的差异性问题,提出了一种基于不同故障传播路径差异化(Fault propagation path-aware network,FPPAN)的故障诊断方法.该方法分别从故障源邻域信息关系和故障信息传播两个角度出发,设计... 针对工业过程中故障发生源与故障信息在传播过程中的差异性问题,提出了一种基于不同故障传播路径差异化(Fault propagation path-aware network,FPPAN)的故障诊断方法.该方法分别从故障源邻域信息关系和故障信息传播两个角度出发,设计了基于k近邻筛选(k-nearest-neighbor,k-NN)和基于剪枝的k跳可达路径选择(Pruning-based k-hop reachable path selection,k-PHop)的两种故障源图的构建方式,构建“故障源图”.从故障在变量间的差异化表现着手,将基于特征的分类问题转换为基于结构关系的图匹配问题,利用该结构化信息优化过程特征,提升模型故障诊断性能.最后,通过田纳西−伊斯曼(Tennessee-Eastman,TE)过程和某海底盾构掘进施工过程进行仿真验证,实验结果证明了所提方法的有效性. 展开更多
关键词 故障诊断 图神经网络 故障源图 故障根源 故障传播路径
下载PDF
基于BNN-RA模型的风电机组轴承故障诊断研究
9
作者 余萍 宋紫琼 +1 位作者 曹洁 陈息良 《太阳能学报》 北大核心 2025年第3期643-651,共9页
针对风电机组轴承故障诊断中特征提取困难,模型迭代速度慢,精度低的问题,该文提出一种基于改进二值化神经网络(BNN)的风电机组轴承故障诊断方法。首先采用格拉姆角场(GAF)将轴承振动信号转换为二维图像,以提高特征提取精度,然后结合深... 针对风电机组轴承故障诊断中特征提取困难,模型迭代速度慢,精度低的问题,该文提出一种基于改进二值化神经网络(BNN)的风电机组轴承故障诊断方法。首先采用格拉姆角场(GAF)将轴承振动信号转换为二维图像,以提高特征提取精度,然后结合深度残差网络和注意力机制构建BNN-RA(BNN+Residual Network+Spatial attention network structure)故障诊断模型,实现轴承的高效故障诊断,最终通过美国凯斯西储大学(CWRU)与江南大学(JNU)公开的轴承数据集进行方法有效性验证。结果表明,该方法可有效提高网络迭代速度和诊断精度,模型在CWRU轴承数据集单一工况下迭代11次可达到收敛,故障诊断准确率达到99.20%,在两数据集的不同工况下平均准确率可达98.46%与97.6%。 展开更多
关键词 风电机组 故障诊断 轴承 二值化神经网络 格拉姆角场
原文传递
基于改进RCMDE与优化随机森林的掘进机截割头故障诊断
10
作者 马天兵 杨婷 +3 位作者 李长鹏 杜菲 史瑞 于平平 《科学技术与工程》 北大核心 2025年第9期3629-3636,共8页
针对掘进机截割振动信号故障特征不易提取和识别困难等问题,提出了一种精细复合多尺度模糊散布熵(refined composite multiscale fuzzy dispersion entropy,RCMFDE)与河马优化随机森林(hippo optimized random forest,HORF)的掘进机截... 针对掘进机截割振动信号故障特征不易提取和识别困难等问题,提出了一种精细复合多尺度模糊散布熵(refined composite multiscale fuzzy dispersion entropy,RCMFDE)与河马优化随机森林(hippo optimized random forest,HORF)的掘进机截割头故障诊断新方法。首先,利用RCMFDE全面表征掘进机截割头故障特征信息,构建故障特征数据集;其次,采用HORF对故障类型进行训练和测试,实现掘进机截割头的故障模式识别;最后,将所提方法运用在掘进机截割头实验数据分析中,并将其与现有的多尺度模糊熵、精细复合多尺度散布熵故障特征提取方法做比较。实验结果显示:RCMFDE在挖掘故障特征信息方面优于其他两种熵方法,而河马随机森林在故障分类方面优于极限学习机和支持向量机等分类器,所提故障识别模型可以更加精确地识别掘进机截割头的故障类型,且识别准确率达到100%。 展开更多
关键词 掘进机 截割振动信号 特征提取 故障诊断 精细复合多尺度模糊散布熵
下载PDF
基于CEEMDAN和熵特征的滚动轴承故障诊断
11
作者 高淑芝 陈雪峰 +1 位作者 张义民 石烁 《机械设计与制造》 北大核心 2025年第1期99-102,共4页
针对滚动轴承的故障诊断与分类,提出了一种基于自适应噪声完全集合经验模态分解(CEEMDAN)、模糊测度熵(FME)和粒子群优化算法-概率神经网络(PSO-PNN)的故障诊断方法。首先,CEEMDAN被用于分解振动信号,由于自适应噪声的加入,分解效果得... 针对滚动轴承的故障诊断与分类,提出了一种基于自适应噪声完全集合经验模态分解(CEEMDAN)、模糊测度熵(FME)和粒子群优化算法-概率神经网络(PSO-PNN)的故障诊断方法。首先,CEEMDAN被用于分解振动信号,由于自适应噪声的加入,分解效果得到最大改善。其次,基于FME,对包含故障的模式进行特征提取。最后,将特征向量输入到经过PSO优化的PNN中进行故障分类,优化后的PNN具有更准确的分类精度。通过实验案例验证,该方法的诊断能力得到验证,且分别与使用经验模态分解(EMD)和集合EMD(EEMD)分解方法进行对比,进一步体现了该方法的优越性。 展开更多
关键词 噪声辅助 模态分解 滚动轴承 故障诊断
下载PDF
一种自适应残差卷积自编码网络及其故障诊断应用
12
作者 潘天成 陈龙 +1 位作者 蒲春雷 陈志强 《机电工程》 北大核心 2025年第3期529-538,共10页
针对传统卷积自编码器(CAE)会将不同故障产生的相似信号进行相同的非线性变换,导致故障诊断准确率下降的问题,提出了一种自适应残差卷积自编码网络(ARCAE),并将其应用于滚动轴承故障诊断中。首先,在残差模块的基础上,引入了自适应参数... 针对传统卷积自编码器(CAE)会将不同故障产生的相似信号进行相同的非线性变换,导致故障诊断准确率下降的问题,提出了一种自适应残差卷积自编码网络(ARCAE),并将其应用于滚动轴承故障诊断中。首先,在残差模块的基础上,引入了自适应参数化修正线性单元(APReLU),建立了自适应残差模块(ARM),ARM可以对相似的输入特征进行自适应非线性变换,避免了特征的错误识别;其次,在CAE中嵌入多级ARM,构建了ARCAE,增加了CAE的深度,提取了更具鉴别性的深层次特征,同时有效防止了网络加深而造成的性能退化;最后,基于ARCAE建立了针对一维信号的故障诊断新方法,将其应用于无监督滚动轴承故障诊断中,并通过两个不同类型的实验,对上述方法的有效性进行了验证。研究结果表明:在恒定转速工况下,ARCAE的诊断准确率最高,平均准确率达到了97.05%,且标准差仅为0.007,远低于其他几种传统CAE网络;在变转速工况下,ARCAE模型诊断准确率仍然是最高的,平均准确率达到了93.25%,由此说明ARCAE具有较高的特征提取能力和分类准确率;此外,变转速工况下,由于转速变化导致不同状态的振动信号特征差异变大,诊断难度加大,但与其他几种传统CAE网络相比,ARCAE诊断准确率下降最少,仅为5.37%,说明ARCAE具有更强的鲁棒性和稳定性。 展开更多
关键词 滚动轴承 自适应残差卷积自编码网络 自适应参数化修正线性单元 自适应残差模块 无监督故障诊断 特征提取
下载PDF
轻量化卷积神经网络在调门油动机故障诊断中的应用
13
作者 姜万录 杨旭康 +2 位作者 赵永会 唐恩宇 吴凤和 《液压与气动》 北大核心 2025年第2期58-68,共11页
针对调门油动机故障诊断困难、检修效率低的问题,利用ShuffleNetV2网络结构高并行和低碎片化的特点,将其特征提取基本模块一维化,并针对调门油动机故障诊断10分类的任务,构建了一种1D_ShuffleNetV2轻量化网络。基于调门油动机一维振动信... 针对调门油动机故障诊断困难、检修效率低的问题,利用ShuffleNetV2网络结构高并行和低碎片化的特点,将其特征提取基本模块一维化,并针对调门油动机故障诊断10分类的任务,构建了一种1D_ShuffleNetV2轻量化网络。基于调门油动机一维振动信号,将1D_ShuffleNetV2与1D_MobileNetV3、1D_ShuffleNetV1以及传统的一维残差网络模型进行对比试验。结果表明,1D_ShuffleNetV2的轻量化程度最高、训练时收敛速度最快、稳定性最高,且能够在保持高分类精度的同时,有效地提升数据处理速度。这为调门油动机的健康监测和故障诊断提供了一种新的技术方案,可在保证调门油动机诊断精度的同时,降低对边缘端设备的硬件资源需求。 展开更多
关键词 1D_ShuffleNetV2 轻量化 调门油动机 故障诊断
下载PDF
双通道交叉密集连接的滚动轴承故障诊断
14
作者 王庆荣 王媛 +1 位作者 朱昌锋 周禹潼 《机械科学与技术》 北大核心 2025年第2期262-270,共9页
针对传统卷积网络学习关键故障能力不足、诊断准确率低下的问题,提出一种融合并行ECA模块的双通道交叉密集连接故障诊断模型(DCCNN)。该模型在密集连接网络的基础上搭建双通道结构,设计了多卷积残差模块和多尺度密集连接网络对故障特征... 针对传统卷积网络学习关键故障能力不足、诊断准确率低下的问题,提出一种融合并行ECA模块的双通道交叉密集连接故障诊断模型(DCCNN)。该模型在密集连接网络的基础上搭建双通道结构,设计了多卷积残差模块和多尺度密集连接网络对故障特征进行提取,实现故障信息的交互与整合;网络内嵌并行通道注意模块,通过通道注意力机制重赋权重,形成的多权重特征能够从多个角度抑制噪声以及无关信号的干扰;最后在凯斯西储大学的轴承数据和齿轮数据上进行训练;实验结果表明:轴承故障识别准确率为99.31%,验证了模型具有自适应诊断能力;在噪声和负载的工况环境中,网络模型也保持较好的诊断性能,相比于其他方法,所提方法具有良好的泛化性和抗噪性。 展开更多
关键词 密集连接网络 注意力机制 故障诊断 残差模块
下载PDF
一种面向旋转机械多传感器故障诊断的模态融合深度聚类方法
15
作者 伍章俊 许仁礼 +1 位作者 方刚 邵海东 《电子与信息学报》 北大核心 2025年第1期244-259,共16页
针对单传感器和单模态信号特征信息不足的问题,该文提出一种基于多模态融合的端到端深度聚类旋转机械多传感器故障诊断方法(EDCM-MFF)。首先,利用门控递归单元自编码模块提取多传感器故障信号的深度时序特征。然后,应用短时傅里叶变换(S... 针对单传感器和单模态信号特征信息不足的问题,该文提出一种基于多模态融合的端到端深度聚类旋转机械多传感器故障诊断方法(EDCM-MFF)。首先,利用门控递归单元自编码模块提取多传感器故障信号的深度时序特征。然后,应用短时傅里叶变换(STFT)将故障信号转换为时频图像,并通过卷积自编码器提取这些图像的深度空间特征。接着,设计了一种模态融合注意力机制,通过计算不同模态深度特征之间的亲和矩阵,实现模态特征的融合。最后,采用Kullback-Leibler(KL)散度聚类,以端到端方式实现故障类型的识别。实验结果显示,该方法在东南大学齿轮箱和轴承数据集上的识别准确率分别为99.16%和98.63%。与现有的无监督学习方法相比,所提方法能够更有效地实现多传感器和多模态的旋转机械故障诊断。 展开更多
关键词 旋转机械 故障诊断 多模态融合 深度聚类
下载PDF
电动汽车交流慢充不充电故障诊断研究 被引量:1
16
作者 黄建湘 谌雪媛 蒋庆来 《汽车实用技术》 2025年第3期31-37,共7页
作为电动汽车检修工作中的常见故障,电动汽车交流慢充不充电故障能否被有效诊断及快速修复,对于提升用户体验及保障电动汽车充电安全至关重要。文章围绕充电控制导向电路这一关键环节,深入分析了电动汽车慢充系统的工作原理,紧密结合实... 作为电动汽车检修工作中的常见故障,电动汽车交流慢充不充电故障能否被有效诊断及快速修复,对于提升用户体验及保障电动汽车充电安全至关重要。文章围绕充电控制导向电路这一关键环节,深入分析了电动汽车慢充系统的工作原理,紧密结合实际检修经验,总结了电动汽车交流慢充不充电故障的常见原因,设计了一套故障诊断流程和检修步骤,涵盖了从故障定位到故障排除的全过程,为技术人员快速、准确地解决电动汽车交流慢充系统故障提供参考与借鉴。 展开更多
关键词 电动汽车 交流慢充 充电故障 故障诊断
下载PDF
基于广义Dice系数改进SAMP算法的轴承故障诊断
17
作者 于春霞 王峰伟 +1 位作者 张建国 李明 《机械设计与制造》 北大核心 2025年第2期183-186,191,共5页
轴承是机械传动装置中不可或缺的零件之一,其信号存在干扰和冗余成分的问题。为了进一步提高振动阶段的故障诊断效果,设计了一种基于广义Dice系数改进自适应匹配追踪(SAMP)算法的轴承故障诊断方法。SAMP算法采用分段迭代方式实现支撑集... 轴承是机械传动装置中不可或缺的零件之一,其信号存在干扰和冗余成分的问题。为了进一步提高振动阶段的故障诊断效果,设计了一种基于广义Dice系数改进自适应匹配追踪(SAMP)算法的轴承故障诊断方法。SAMP算法采用分段迭代方式实现支撑集的自主调整,广义Dice系数可以显著增强信号重建品质。通过实验进行了验证,研究结果表明:原始信号中混杂多种干扰元素,导致啮合频率和边频带被掩盖,无法准确识别故障特征。经过SAMP重构形成的故障频谱清晰显示了啮合频率和频,边频带被有效覆盖,可以有效反映故障信号。外圈和内圈故障信号呈现出规律性周期波动特点,以SAMP算法处理后的故障信号依然保持周期性特点,频率附近产生了相应的边频带,由此实现对故障信号特征的准确识别。 展开更多
关键词 轴承 故障诊断 自适应匹配追踪算法 实验验证
下载PDF
基于改进深度残差网络的轴承故障诊断方法
18
作者 高淑芝 韩晓亮 张义民 《机械设计与制造》 北大核心 2025年第3期241-244,249,共5页
针对卷积神经网络结构因深度的增加导致的网络退化以及准确率饱和问题,本文改进深度残差网络应用于故障诊断。首先,改进的残差网络包含三个残差单元模块,改进后的残差结构去掉了不必要的非线性层,在模块首尾都加入批量归一化层提升了网... 针对卷积神经网络结构因深度的增加导致的网络退化以及准确率饱和问题,本文改进深度残差网络应用于故障诊断。首先,改进的残差网络包含三个残差单元模块,改进后的残差结构去掉了不必要的非线性层,在模块首尾都加入批量归一化层提升了网络性能;其次,采集的轴承故障样本分为训练集与测试集,将训练集数据样本输入到网络模型中进行训练优化,输入测试集数据到诊断模型中得出诊断结果;最后,利用t-SNE可视化方法对模型中每一个残差模块学习特征的过程进行分析。经轴承寿命试验台数据结果表明,本方法对滚动轴承发生故障的诊断识别率均达到100%。可见该模型具有非常好的诊断识别效果。 展开更多
关键词 滚动轴承 故障诊断 深度残差网络 t-SNE可视化
下载PDF
基于转频脊线的滚动轴承阶次分析故障诊断
19
作者 张小丽 范攀锋 +3 位作者 李贤耀 王保建 梁旺 王芳珍 《噪声与振动控制》 北大核心 2025年第1期139-145,共7页
针对变转速状况下部分设备难以安装转速计而导致转速信息缺失的问题,提出基于阶次分析的无转速计滚动轴承故障诊断方法。同时针对振动信号处理中时频脊线提取精度不高、轴承转频脊线识别困难等问题,提出基于快速路径优化算法的多时频脊... 针对变转速状况下部分设备难以安装转速计而导致转速信息缺失的问题,提出基于阶次分析的无转速计滚动轴承故障诊断方法。同时针对振动信号处理中时频脊线提取精度不高、轴承转频脊线识别困难等问题,提出基于快速路径优化算法的多时频脊线提取方法和基于脊线拟合优度指标的转频脊线识别方法。首先,利用快速路径优化算法可以抑制相邻时刻频率跳变的特点,提高时频脊线提取精度;其次,通过计算脊线拟合优度值的方法从所提取的多条时频脊线中识别出转频脊线;最后利用识别的转频脊线结合阶次分析,对滚动轴承故障实验振动信号进行分析,验证所提滚动轴承故障诊断方法的可行性。 展开更多
关键词 故障诊断 滚动轴承 脊线识别 阶次分析 变转速工况
下载PDF
基于单片机的智能热水器自动控制系统故障诊断研究 被引量:1
20
作者 刘新 《家电维修》 2025年第1期16-18,6,共4页
智能热水器作为现代家居生活中不可或缺的一部分,其自动控制系统的稳定性和可靠性至关重要。本文针对智能热水器在长时间运行中可能出现的故障,研究了基于单片机的故障诊断方法。利用PID算法对水温和流量进行实时精确控制,并结合阈值检... 智能热水器作为现代家居生活中不可或缺的一部分,其自动控制系统的稳定性和可靠性至关重要。本文针对智能热水器在长时间运行中可能出现的故障,研究了基于单片机的故障诊断方法。利用PID算法对水温和流量进行实时精确控制,并结合阈值检测法、ARIMA模型和SVM算法对温度传感器、流量传感器和执行机构的故障进行诊断。实验结果表明,所提出的诊断方法能够有效检测故障,具有较高的检测精度和较低的误报率,从而可显著提高智能热水器自动控制系统的稳定性和可靠性。 展开更多
关键词 智能热水器 自动控制系统 单片机 故障诊断
下载PDF
上一页 1 2 250 下一页 到第
使用帮助 返回顶部