导读:本文包含了故障特征向量论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:特征,向量,故障诊断,变换器,故障,观测器,凝汽器。
故障特征向量论文文献综述
王文澜,帕孜来·马合木提[1]（2019）在《基于多源特征向量的微电网双向变换器故障诊断》一文中研究指出针对微电网变流器相关故障诊断研究的不足,文中对微电网常用的共直流母线型双向多端口直流-直流变换器进行故障诊断方法的研究。通过仿真分析并结合变换器电路中的电流电压特性,提出用于微电网双向多端口变换器并能够同时满足两种工作模式下的小波包变换-多源特征向量-极限学习机故障诊断方法,即采用小波包变换频谱分析法获得的电流与电压构造多源联合故障特征向量,结合ELM(极限学习机)对其实现故障诊断分类,定位其故障元件。此方法诊断精度高、泛化性能好,可以作为微电网逆变系统故障单元定位和健康管理(PHM)设计的参考和基础。(本文来源于《现代电子技术》期刊2019年21期）
鲁锦,刘汉金,刘娟,蔡文,卢冬冬[2]（2018）在《1000 MW机组凝汽器低真空故障特征向量的提取及应用》一文中研究指出针对某1000 MW机组的低真空问题,确定故障集和征兆集,在判别引起真空急剧下降与缓慢下降的基础上,分类建立各征兆参数状态量化值的计算模型,并通过该机组仿真机的模拟试验得出了机组的凝汽器低真空故障特征向量。据此应用BP神经网络建立该机组的凝汽器故障诊断模型,对机组的低真空故障进行诊断。结果表明根据仿真机试验得出的1000 MW机组凝汽器故障领域特征向量,在实际机组运行中可用于凝汽器故障诊断。(本文来源于《江西电力》期刊2018年10期）
叶金义,谢小平,梁烊炀,张福运[3]（2018）在《基于精细复合多尺度熵特征向量相关系数在滚动轴承故障诊断中应用》一文中研究指出复合多尺度熵(CMSE)是在多尺度熵(MSE)基础上提出来的,它改善了MSE存在的熵值不精确、波动较大等,但不能解决样本时间序列太短引起未定义熵问题。精细复合多尺度熵(Refined Composite Multi-scale Entropy,RCMSE)通过改进算法使熵估计的准确性得到提高,并能降低诱导未定义熵的概率。以此为基础,提出基于RCMSE特征向量关系数的轴承故障识别分类方法。该方法首先利用RCMSE对数据样本生成多尺度熵,计算测试样本与已知故障状态的训练样本的RCMSE相关系数,从而判断测试样本的状态类型。对轴承信号数据进行试验表明,该方法能100%准确的对轴承正常,内圈,外圈和滚动体故障信号识别分类。因此,该方法是一种有效的识别故障特征,可为实际轴承故障诊断提供参考。(本文来源于《噪声与振动控制》期刊2018年05期）
毛向德,梁金平[4]（2018）在《机车控制电源故障特征向量维数约简方法研究》一文中研究指出通过对电力机车控制系统中控制电源的电路结构特点分析,进行故障特征值提取,对所造成的高维数据无法进行模式识别这一特点。通过对传统的流形学习算法中LE理论进行改进,提出了基于马氏距离的LE算法理论,对LE算法中的邻域选择问题进行了深入的研究,使K具有自适应性,而且利用关联维数理论克服了非线性电路的故障特征提取中所造成的维数灾难,对其高维数据进行本征维数的估计,去除了不相关的信息维数,解决了流形学习理论中d的选取难点。最后通过验证得出该方法的有效性与准确性。(本文来源于《计算技术与自动化》期刊2018年03期）
魏晓莹,宋仕江,郭谋发,卢国仪[5]（2016）在《基于振动信号二维特征向量的配变铁心故障诊断》一文中研究指出配电变压器油箱表面蕴含着丰富的铁心振动信号,能够直接体现铁心的工作状况。通过希尔伯特黄(Hilbert-Huang Transform,HHT)带通滤波提取配电变压器铁心振动信号主成分,而后利用HHT二次带通滤波对配变铁心振动信号进行时频分解,分别求取各子频带所对应的能量值和重心频率,构成振动信号的二维特征向量。通过空载试验测得配变铁心在铁心正常、两点接地、铁心松动、接地不良等4种典型情况下的振动信号,对所测多组振动信号的二维特征向量做SVM分类。结果表明该特征向量能够准确、有效地表征配变铁心的各种状态。(本文来源于《电气技术》期刊2016年01期）
欧璐,于德介,王翠亭[6]（2014）在《拉普拉斯特征向量相关谱及其在滚动轴承故障诊断中的应用》一文中研究指出为了将谱方法的模式识别能力应用于机械故障诊断领域,提出了拉普拉斯特征向量相关谱,并应用于滚动轴承故障诊断。拉普拉斯特征向量相关谱定义为拉普拉斯矩阵特征向量之间夹角余弦的绝对值,由特征集的拉普拉斯矩阵进行标准正交分解后得到,具有计算过程简单、运算速度快等特点。基于拉普拉斯特征向量相关谱的滚动轴承故障诊断方法首先在时域、频域和能量熵域对滚动轴承振动信号进行特征提取,组成特征集;然后对特征集的拉普拉斯矩阵进行标准正交分解,计算拉普拉斯特征向量相关谱;最后通过相关谱矩阵实现滚动轴承不同故障类型的识别。应用实例表明,该方法能有效识别滚动轴承故障。(本文来源于《振动工程学报》期刊2014年05期）
刘明,张新燕,王维庆,孟瑞龙[7]（2012）在《风力发电机组故障振动信号特征向量的提取》一文中研究指出为了准确分析风力发电机组故障的振动特性,给出了基于多种函数变换方式的振动信号特征向量提取方法。运用EMT690D机械设备故障诊断系统对模拟直驱风力发电机组故障振动信号进行提取。利用傅立叶变换、小波变换和小波包变换分别对振动信号进行分析,提出了不同类型的提取振动信号特征向量的方法,通过变换得到了数组故障振动信号的特征向量.结果表明这叁种变换方式各有优势,能够从不同的角度分析振动信号。(本文来源于《电力学报》期刊2012年06期）
晏杰,闫英敏,赵霞,赵志宁[8]（2012）在《小波分析提取伺服驱动器故障特征向量的仿真研究》一文中研究指出本文以伺服驱动器为研究对象,对其功率主电路中开关管开路故障特征向量的提取方法进行仿真研究。提出一种通过小波多分辨率分析从伺服驱动器的输出电流信号中提取开关管开路故障特征向量的方法。在Matlab/Simulink中对某型伺服驱动器进行建模,并对所提出的故障特征向量提取方法进行仿真验证,仿真结果表明所采用方法的可行性和有效性。(本文来源于《现代仪器》期刊2012年06期）
陈晨,周玉国,朱志伟[9]（2010）在《观测器特征向量配置的方法在控制系统故障诊断中的应用》一文中研究指出本文运用特征值配置的方法设计了一种用于故障诊断的观测器,通过对观测器进行特征向量的配置使得残差与干扰分布方向正交,从而使得故障检验残差与未知输入干扰间的传递函数阵为零,这样就使得残差与干扰直接解耦。通过这种方法,残差信号对干扰具有鲁棒性,使故障诊断算法不受系统不确定性干扰的影响,提高系统故障诊断的可靠性和精度。同时通过残差信号估计故障,能在线辨识故障的形态,数值仿真验证了该方法的有效性。(本文来源于《煤矿现代化》期刊2010年02期）
祝晓燕,王继选,刘小贞,赵冉[10]（2008）在《基于小波包特征向量弹性BP算法的故障诊断》一文中研究指出为精确诊断转子故障,采用了基于小波包能量特征向量的弹性BP神经网络和最速下降BP算法神经网络的故障诊断方法,对采集到的信号进行3层小波包分解,构造小波包特征向量,对样本进行3层BP网络训练,实现智能化故障诊断。结果表明采用改进的BP算法优于最速下降BP算法,训练的网络可以很好地诊断转子故障。(本文来源于《汽轮机技术》期刊2008年06期）
故障特征向量论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对某1000 MW机组的低真空问题,确定故障集和征兆集,在判别引起真空急剧下降与缓慢下降的基础上,分类建立各征兆参数状态量化值的计算模型,并通过该机组仿真机的模拟试验得出了机组的凝汽器低真空故障特征向量。据此应用BP神经网络建立该机组的凝汽器故障诊断模型,对机组的低真空故障进行诊断。结果表明根据仿真机试验得出的1000 MW机组凝汽器故障领域特征向量,在实际机组运行中可用于凝汽器故障诊断。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
故障特征向量论文参考文献
[1].王文澜,帕孜来·马合木提.基于多源特征向量的微电网双向变换器故障诊断[J].现代电子技术.2019
[2].鲁锦,刘汉金,刘娟,蔡文,卢冬冬.1000MW机组凝汽器低真空故障特征向量的提取及应用[J].江西电力.2018
[3].叶金义,谢小平,梁烊炀,张福运.基于精细复合多尺度熵特征向量相关系数在滚动轴承故障诊断中应用[J].噪声与振动控制.2018
[4].毛向德,梁金平.机车控制电源故障特征向量维数约简方法研究[J].计算技术与自动化.2018
[5].魏晓莹,宋仕江,郭谋发,卢国仪.基于振动信号二维特征向量的配变铁心故障诊断[J].电气技术.2016
[6].欧璐,于德介,王翠亭.拉普拉斯特征向量相关谱及其在滚动轴承故障诊断中的应用[J].振动工程学报.2014
[7].刘明,张新燕,王维庆,孟瑞龙.风力发电机组故障振动信号特征向量的提取[J].电力学报.2012
[8].晏杰,闫英敏,赵霞,赵志宁.小波分析提取伺服驱动器故障特征向量的仿真研究[J].现代仪器.2012
[9].陈晨,周玉国,朱志伟.观测器特征向量配置的方法在控制系统故障诊断中的应用[J].煤矿现代化.2010
[10].祝晓燕,王继选,刘小贞,赵冉.基于小波包特征向量弹性BP算法的故障诊断[J].汽轮机技术.2008
论文知识图
