电气设备的故障与诊断（PPT知识讲稿）

一、故障诊断专家系统简介 二、人工神经元网络

统计分析法 逻辑运算分析法 故障树分析法

针对装备各类故障样本分布不平衡、现有算法故障诊断精度较低的问题，通过引入p范数约束多核极限学习机和基于AdaBoost的集成学习策略，定义了一种p范数约束下正则化加权多核集成极限学习机的故障诊断模型。首先，在p范数约束下，基于各类故障样本自身规模，分别进行了两种自适应的样本权重分配；其次，在每层分类器的优化中，将多核学习的多源数据融合能力和极限学习机运算高效的特点相结合，同时，将样本的权重$ {\\boldsymbol{W}} $

一、掌握丰田车系读取故障码的方法 二、掌握捷达汽车故障码的读取

介绍了一种多输入、多输出系统的故障诊断参数选择方法,该方法以可观参数集的信息熵为标准,进行启发性诊断参数集的划分,先以系统状态决定的启发性诊断多数子集作为驱动数据,实施正向推理,缩小目标集合;再以故障目标集合为对象,进行反向推理以确定最终故障集合;最后将故障集合的元素所对应的可测诊断参数作为系统的诊断参数进行测量。该方法构成了诊断型专家系统的一子部分

针对矿山破碎机的声音故障诊断受复杂现场环境制约、确诊率低的难题,结合独立分量分析(ICA)在自然图像和连续语音信号中特征提取的方法,采用两层ICA分别用于从混杂声音中提取各采集通道(部位)的统计独立声音信号和进一步提取该信号的特征基.训练阶段生成的特征基系数序列用来生成矢量量化(VQ)的码书,设计出ICA-VQ破碎机故障诊断系统.现场采集数据的实验中系统的故障诊断准确率达到96.8%,表明系统的高效性

1.1机械可靠性 1.2机械维修性 1.3机械故障的定义、分类及其模式 1.4机械故障特征及其发生规律 1.5机械故障迹象及其特征参量

在深入研究APT-2神经网络结构的基础上,提出了一种基于神经网络的自适应故障模式分类方法,并应用在轴承故障诊断中,结果表明:该方法对轴承故障模式具有自学习、快速稳定的识别能力

在轴承疲劳试验机上对圆锥、圆柱轴承进行了真实故障试验,监测温度信号和振动信号,从信号处理方法、诊断参数选择、时域及频域分析等方面进行研究,得到了许多有价值的结论,找到了圆锥圆柱轴承故障诊断的有效方法