考虑结构调整的加权k/N系统视情维修决策

1

作者 孙俊峰 曾建潮 +1 位作者 张晓红 郭铸锋 《太原科技大学学报》 2025年第6期535-542,共8页

加权k/N系统是提高系统可靠性经常采用的冗余结构。由于系统累积权重空间维数大,且对于同一累计权重可能存在不止一种组合,增加了加权k/N系统视情维修建模的复杂性。考虑到退化程度相同的设备在系统不同位置对系统的可靠性影响不同,可... 加权k/N系统是提高系统可靠性经常采用的冗余结构。由于系统累积权重空间维数大,且对于同一累计权重可能存在不止一种组合,增加了加权k/N系统视情维修建模的复杂性。考虑到退化程度相同的设备在系统不同位置对系统的可靠性影响不同,可通过调整退化设备位置改善系统可靠性。以系统累积权重为预防维修阈值,提出了考虑结构调整的预防维修策略,运用马尔可夫决策过程构建了在可用度约束下长期平均期望成本最小的视情维修决策模型。以PLC控制系统为对象进行实验,结果表明系统维修成本在多数情形下降低了约3%~10%. 展开更多

关键词 加权k/N系统 结构调整 马尔科夫决策过程 视情维修

在线阅读 下载PDF 职称材料

基于频域信号的稀疏编码在机械故障诊断中的应用 被引量：10

2

作者 朱会杰 王新晴 +2 位作者 芮挺 李艳峰 李立平 《振动与冲击》 EI CSCD 北大核心 2015年第21期59-64,共6页

提出了一种使用稀疏编码对机械频谱信号自学习并识别故障的方法。首先分别对每类频谱信号进行字典学习得到每类信号的字典,然后依次计算测试样本在各个类别的字典上的稀疏重构系数,利用稀疏重构系数与对应类别的字典重构测试样本。最后... 提出了一种使用稀疏编码对机械频谱信号自学习并识别故障的方法。首先分别对每类频谱信号进行字典学习得到每类信号的字典,然后依次计算测试样本在各个类别的字典上的稀疏重构系数,利用稀疏重构系数与对应类别的字典重构测试样本。最后将重构残差作为识别依据,对机器状态进行判断。通过将振动信号从时域转化到频域,将复杂的移不变稀疏编码问题转化为普通的稀疏编码,并且得益于高效的K-SVD字典学习算法,计算效率得到了大幅提高。所提方案直接使用原始频谱信号作为训练集,不仅省去了特征提取过程,而且保留了更丰富的信息。经实验验证,该方案较基于时域的移不变稀疏编码具有更高的计算效率、准确率和稳定性。相对于常规诊断算法,除了有准确率的优势外,不易受负载变化的影响,所需人工干预较少。 展开更多

关键词 故障诊断 特征提取 稀疏编码 K-SVD 字典学习

在线阅读 下载PDF 职称材料

多尺度移不变稀疏编码及其在机械故障诊断中的应用 被引量：7

3

作者 朱会杰 王新晴 +2 位作者 芮挺 李艳峰 王东 《北京理工大学学报》 EI CAS CSCD 北大核心 2016年第1期19-24,共6页

提出了一种融合多尺度信息的高效移不变稀疏编码算法,并用于机械故障诊断.将移不变稀疏编码作为分类器应用于故障诊断,直接对振动信号进行训练和识别,不需要提取特征和预处理.为进一步提升效果,将不同尺度的移不变稀疏编码分类器融合在... 提出了一种融合多尺度信息的高效移不变稀疏编码算法,并用于机械故障诊断.将移不变稀疏编码作为分类器应用于故障诊断,直接对振动信号进行训练和识别,不需要提取特征和预处理.为进一步提升效果,将不同尺度的移不变稀疏编码分类器融合在一起.经实验验证,即使在训练样本和测试样本负载不同的情况下,文中方案仍然能够以较高的准确率识别出轴承的故障位置和程度.与其他方法相比,文中方法的准确率、鲁棒性更高,具有一定的工程应用价值. 展开更多

关键词 移不变稀疏编码 多尺度 故障诊断 字典学习

在线阅读 下载PDF 职称材料

基于VMD与小波变换的广播电视发射机故障诊断方法

4

作者 卢炜 《移动信息》 2025年第2期82-84,共3页

传统广播电视发射机故障诊断方法的信号幅值变化较小,诊断准确率低.为解决该问题,文中提出了一种基于VMD与小波变换的方法来提取信号信息,并通过排列熵来量化VMD分解后的信号的噪声水平,应用RET线性时频分布方法进行故障诊断.实验结果表... 传统广播电视发射机故障诊断方法的信号幅值变化较小,诊断准确率低.为解决该问题,文中提出了一种基于VMD与小波变换的方法来提取信号信息,并通过排列熵来量化VMD分解后的信号的噪声水平,应用RET线性时频分布方法进行故障诊断.实验结果表明,在检测时间达到4 s时,信号的时域波形复杂,整体幅值显著增加,幅值在[-10,10]之间,从而识别出此处为故障;当信噪比在[-2,6]范围内时,不同样本的诊断准确率范围为98%~99%,能更精确地诊断出发射机中的故障. 展开更多

关键词 VMD 小波变换 广播电视 发射机

在线阅读 下载PDF 职称材料

基于双图转换和融合CRNN网络的轴承故障诊断 被引量：12

5

作者 李喆 吐松江·卡日 +4 位作者 范想 范志鹏 万容齐 白新悦 吴俣潼 《振动与冲击》 EI CSCD 北大核心 2023年第19期240-248,共9页

针对一维振动序列输入制约卷积神经网络性能,且单一数据处理方法限制实际复杂工况下轴承故障特性的深层挖掘等问题,提出了一种基于双图转换与多卷积循环神经网络融合的滚动轴承故障诊断方法。分别利用格拉姆角差场和马尔可夫转移场编码... 针对一维振动序列输入制约卷积神经网络性能,且单一数据处理方法限制实际复杂工况下轴承故障特性的深层挖掘等问题,提出了一种基于双图转换与多卷积循环神经网络融合的滚动轴承故障诊断方法。分别利用格拉姆角差场和马尔可夫转移场编码方法将一维序列信号转换为二维图像。将转换后的两种模态图像同时输入多CRNN融合的Fu-CRNN网络模型,充分汲取两种转换方法优点并提高CRNN模型特征表达能力。实现轴承信号特征自适应提取及端到端诊断。为验证该方法的可靠性与优越性,选用凯斯西储大学滚动轴承数据集进行轴承故障诊断试验,并比较分析诊断性能。结果表明,所提模型识别准确率和泛化效果均优于单一模态样本输入模型,相较于其他常用算法表现更出色,可为样本构建和轴承故障诊断方法提供参考。 展开更多

关键词 滚动轴承 故障诊断 格拉姆角差场 马尔可夫转移场 融合卷积循环神经网络(CRNN)

在线阅读 下载PDF 职称材料

基于退化状态空间划分的风电机组视情维修决策 被引量：9

6

作者 张晓红 曾建潮 +1 位作者 石冠男 张欣 《控制与决策》 EI CSCD 北大核心 2019年第9期1909-1916,共8页

风场的运维成本约占其收入的三分之一之多,风电机组的最优维修问题一直是风电系统降低运维成本的主要途径.针对同一风场多台风力机组成的系统,制定基于状态检测的视情机会维修策略,提出基于退化状态空间划分的多设备系统状态维修决策建... 风场的运维成本约占其收入的三分之一之多,风电机组的最优维修问题一直是风电系统降低运维成本的主要途径.针对同一风场多台风力机组成的系统,制定基于状态检测的视情机会维修策略,提出基于退化状态空间划分的多设备系统状态维修决策建模方法,在此基础上建立维修成本最小的解析模型,以决策风力机最优的状态检测周期和维修阈值.实验结果表明,基于状态监测的风力机视情维修机会方案可以很好地节约系统运维成本. 展开更多

关键词 风电机组 视情机会维修 退化状态空间划分 运维成本 最优决策

原文传递

基于平移不变CNN的机械故障诊断研究 被引量：25

7

作者 朱会杰 王新晴 +2 位作者 芮挺 张欲保 李艳峰 《振动与冲击》 EI CSCD 北大核心 2019年第5期45-52,共8页

常规机械故障诊断方法需要信号预处理、特征提取、特征选择、模式识别等多个步骤,过程复杂,通用性差。卷积神经网络(Convolutional Neural Network, CNN)是一种自学习性能好、抗干扰能力强的深度神经网络。为了简化步骤、提高效率,将CN... 常规机械故障诊断方法需要信号预处理、特征提取、特征选择、模式识别等多个步骤,过程复杂,通用性差。卷积神经网络(Convolutional Neural Network, CNN)是一种自学习性能好、抗干扰能力强的深度神经网络。为了简化步骤、提高效率,将CNN引入到机械故障诊断,直接使用传感器测得的原始数据进行故障识别。由于机械振动信号的特征具有典型的时移性,CNN需要大量数据才能自我学习到这种特性。结合故障信号的冲击特点和CNN的不足,提出了权值求和和大尺度最大值池化策略,有效解决了特征的平移不变性,增强了小样本时的泛化能力。通过对单点和多点故障的轴承进行诊断,验证了平移不变CNN的有效性。与常规故障诊断方法和其他机器学习算法对比显示,平移不变CNN不仅准确率高,而且使用简单,为故障诊断提供了一种新的途径。 展开更多

关键词 故障诊断 卷积神经网络 深度学习

在线阅读 下载PDF 职称材料

基于VMD的故障特征信号提取方法 被引量：68

8

作者 赵昕海 张术臣 +2 位作者 李志深 李富才 胡越 《振动．测试与诊断》 EI CSCD 北大核心 2018年第1期11-19,共9页

变模式分解(variational mode decomposition,简称VMD)能够将多分量信号一次性分解成多个单分量调幅调频信号(variational intrinsic mode function,简称VIMF),但对噪声比较敏感。利用VMD对噪声的敏感特性,提出了一种基于VMD的降噪方法... 变模式分解(variational mode decomposition,简称VMD)能够将多分量信号一次性分解成多个单分量调幅调频信号(variational intrinsic mode function,简称VIMF),但对噪声比较敏感。利用VMD对噪声的敏感特性,提出了一种基于VMD的降噪方法。利用排列熵定量确定VMD分解后各分量的含噪程度,对高噪分量直接剔除,对低噪分量进行Savitzky-Golay平滑处理,然后重构信号。运用该方法降噪后,对重构信号进行变模式分解,能够有效提取故障特征信号。仿真和实例分析表明,基于VMD的降噪方法的降噪效果优于小波变换降噪方法,VMD能有效提取故障特征信号。 展开更多

关键词 降噪 变模式分解 排列熵 故障特征提取

在线阅读 下载PDF 职称材料

基于深度学习的风机故障智能诊断 被引量：4

9

作者 吕志远 马笑潇 《江苏科技信息》 2019年第2期45-48,共4页

风力发电场往往建设在地方人稀的地区,分布范围很广,而且由于安装高度很高,导致很难直接实施观测与故障诊断。通过安装在线传感器,可以对数据进行实时监测,然而风机结构复杂,信号包含了大量噪声,对其进行高效的故障监测是一个难点。针对... 风力发电场往往建设在地方人稀的地区,分布范围很广,而且由于安装高度很高,导致很难直接实施观测与故障诊断。通过安装在线传感器,可以对数据进行实时监测,然而风机结构复杂,信号包含了大量噪声,对其进行高效的故障监测是一个难点。针对此,文章将深度学习引入故障识别中,通过使用堆栈式自动编码器建立智能识别网络,将信号频谱直接输入网络,不需要人工提取特征,实现风机的智能诊断。这种方式有效减少了人工工作量,大大提高了诊断的效率。 展开更多

关键词 深度学习 故障诊断 风机

在线阅读 下载PDF 职称材料

一维改进LeNet-5及机械故障诊断应用 被引量：2

10

作者 吴定海 曹进华 +1 位作者 张云强 唐香珺 《机械科学与技术》 CSCD 北大核心 2022年第5期688-694,共7页

针对往复机械设备故障诊断容易受到转速波动影响和深度网络诊断模型复杂、鲁棒性差的问题,提出了一种一维改进型LeNet-5的机械故障诊断方法,并对比分析了滑动窗和阶次采样的数据样本构造方法的效果。在经典模型LeNet-5基础上构建了结构... 针对往复机械设备故障诊断容易受到转速波动影响和深度网络诊断模型复杂、鲁棒性差的问题,提出了一种一维改进型LeNet-5的机械故障诊断方法,并对比分析了滑动窗和阶次采样的数据样本构造方法的效果。在经典模型LeNet-5基础上构建了结构简单紧凑的一维卷积神经网络诊断模型,模型仅包含了两个卷积模块、单一全连接层和输出层,卷积模块结合批规范化层和Relu层,提高训练速度和网络泛化能力,利用重叠池化窗口和随机失活来缓解网络出现过拟合现象。利用凯斯西储大学开源轴承数据集进行验证,12种工况下的故障识别率能够达到99.82%。针对往复机械的转速波动性影响,采用阶次采样的数据样本构建方法,提高网络模型的训练样本数据质量,柴油机阶次采样条件下可以实现小样本条件下取得良好的训练效果。 展开更多

关键词 故障诊断 卷积神经网络 阶次采样 往复机械

在线阅读 下载PDF 职称材料

一种基于对称极坐标优化的轴承深度迁移诊断方法 被引量：1

11

作者 吴定海 王怀光 +1 位作者 宋彬 张云强 《机械强度》 CAS CSCD 北大核心 2022年第3期541-546,共6页

针对一维机械振动信号的图形化特征表示问题,引入了对称极坐标表示法,同时结合卷积神经网络强大的图像分类识别能力,提出了一种基于对称极坐标和残差网络迁移学习的轴承故障诊断方法。为突显轴承振动信号故障特征并兼顾计算效率,利用对... 针对一维机械振动信号的图形化特征表示问题,引入了对称极坐标表示法,同时结合卷积神经网络强大的图像分类识别能力,提出了一种基于对称极坐标和残差网络迁移学习的轴承故障诊断方法。为突显轴承振动信号故障特征并兼顾计算效率,利用对称极坐标表示法将一维机械振动信号快速转换成镜面对称雪花图,利用NSGA-II同步优化了数据采样长度和对称极坐标表示法的参数,获取可区分性更好的极坐标对称图像特征,然后利用残差网络进行迁移学习的训练和分类,结合美国西储大学轴承公开数据集对此方法进行验证,取得了良好的识别效果。 展开更多

关键词 故障诊断 对称极坐标 特征提取 迁移学习 残差网络

在线阅读 下载PDF 职称材料