导读:本文包含了故障模式识别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:故障,神经网络,向量,模型,宁都,单点,故障诊断。
故障模式识别论文文献综述
廖且根,何清华,张大文,罗林广[1]（2019）在《基于故障模式、影响与危害性分析的宁都黄鸡养殖环节质量安全关键控制点识别》一文中研究指出运用故障模式、影响与危害性分析(FMECA)识别宁都黄鸡养殖过程中风险因子关键控制点,找到引起产品安全危害可能原因。在合理划分宁都黄鸡养殖环节基础上,分析了每个环节的危害模式、危害原因、危害影响、危害的检测方法、可选择的预防措施、危害处理等因素,建立基于风险优先数值为指标关键控制点识别模型。利用FMECA方法,通过数据计算准确识别宁都黄鸡养殖环节的关键控制点,有效地避免识别的盲目性,从而科学指导宁都黄鸡安全养殖,实现宁都黄鸡绿色、无公害生产。(本文来源于《中国家禽》期刊2019年10期）
丁其[2]（2019）在《基于振动信号分析的断路器机械故障模式识别研究》一文中研究指出断路器是电力系统设备中至关重要的一环。断路器在运行过程中如果出现故障,直接威胁电网的稳定运行,对社会的经济发展带来隐患,因此对于断路器的可靠性有着非常严苛的要求。断路器振动信号包含着丰富的机械运行状态特征,传统的时频分析技术由于一些固有原因往往不能精确的获取振动信号中的特征参量,需要更加快速、精确的故障诊断方法代替。首先,本文以Z65型断路器作为对象,搭建硬件平台,主要采集了拒分、拒合、机构卡滞、基座螺栓松动以及正常运行状况下的振动信号,用作后续特征提取以及故障识别使用。其次,本文以经验模态变换(Empirical Mode Decompositon,EMD)作为对比,为了解决模态混迭等固有问题,改善信号高频特征的提取性能,提高故障识别速度,本文提出了一种基于改进变分模态分解(Variational Mode Decomposition,VMD)的断路器故障诊断方法。利用弗雷歇距离和VMD的改进方法对断路器不同故障类型的振动信号进行分解处理,避免产生过分解,并得到数个具有中心频率和有限带宽的模态;其次,求取每个模态的奇异值作为输入相关向量机(RVM)的特征向量。最后,通过与基于经验模态分解的故障诊断方法和支持向量机(SVM)结合的方法对比,本文方法表现出更好的特征提取性能,有效地提高了断路器机械故障诊断的正确率和识别速度,在微弱故障的检测上也有更精准的表现。(本文来源于《华北电力大学》期刊2019-03-01）
刘鲲鹏,苏涛,赵磊,白云川,李泽华[3]（2018）在《滚动轴承故障模式识别方法研究现状分析》一文中研究指出滚动轴承广泛是应用于各类机械设备的旋转部件,同时也是导致机器故障频繁发生的重要原因。论文对现有滚动轴承故障模式识别方法进行了系统梳理,从神经网络、聚类分析和支持向量机叁个方面总结了各种方法的特点。结果表明支持向量机表现得最为先进,可作为智能故障诊断的重点研究方向。(本文来源于《内燃机与配件》期刊2018年23期）
程静,王维庆,何山[4]（2018）在《基于KF-PP分析的风电轴承故障模式识别》一文中研究指出针对风力发电机组滚动轴承动态信号呈非正态、非线性,故障特征提取和初期故障诊断困难的问题,提出了基于核函数的投影寻踪分析故障模式识别方法。从轴承关键部位采集振动信号,经消噪预处理后,建立能够有效表述轴承运行状态的10特征指标数据空间,以基于核函数的投影寻踪方法构建故障评价体系,将待评估样本与评价体系进行对比分析,实现轴承故障的分类与识别。利用Matlab软件平台对实验数据进行仿真验证,结果表明,基于核函数的投影寻踪分析方法是一种有效的故障模式识别方法,能够实现轴承正常运行及故障类型的准确判断,具有良好的可靠性和可行性。(本文来源于《可再生能源》期刊2018年09期）
杜党党,贾晓亮,王卓[5]（2018）在《基于故障彩色图谱的航空发动机故障模式识别》一文中研究指出为了从系统层面快速、精准地识别航空发动机海量监测数据中隐含的故障模式,提出一种基于故障彩色图谱的发动机故障模式识别方法。针对航空发动机状态参数和故障机理的特点,将监测数据映射至相应的阈值空间,进而构造出故障彩色图谱。研究了故障彩色图谱的特征提取方法和标准故障彩色图谱库的构建方法。通过计算待检测故障彩色图谱与标准故障彩色图谱库中各元素之间的相似度,输出故障类型,实现了航空发动机故障模式的精准、快速、直观识别。结合应用实例验证了所提方法的有效性和实用性。(本文来源于《计算机集成制造系统》期刊2018年09期）
谢春丽,张继洲,王宇超[6]（2018）在《基于可拓理论的发动机失火故障模式识别研究》一文中研究指出为提高发动机的安全性,提出一种基于可拓理论的发动机失火故障诊断方法.建立发动机尾气成分物元模型,然后通过计算待诊断尾气成分与故障状态的可拓关联度,根据可拓关联度的大小,可以识别发动机的故障状态,并利用EQ6102发动机进行了故障诊断测试.结果显示,该方法不仅能够给出正确的故障诊断结果,且能够根据可拓关联度的变化对发动机运行状态的变化趋势进行预测.通过理论建模分析及实验验证表明可拓故障诊断方法是有效可行的.(本文来源于《武汉理工大学学报(交通科学与工程版)》期刊2018年03期）
时广华[7]（2018）在《开关柜局部放电带电检测与故障模式识别》一文中研究指出高压开关柜是高压配电网的重要组成部分之一,其稳定的运行对配网系统稳定可靠的供电具有重要意义。开关柜故障主要是由局部放电(Partial Discharge,简称PD)引起的。暂态地电压(Transient Earth Voltages,简称TEV)检测法是开关柜局部放电检测中较为有效的方法之一,但在线监测方式运用在数量众多的开关柜上将导致检测成本较高、数据量太大。基于以上问题本论文设计一种基于无线方式的低功耗局部放电带电检测装置。论文对开关柜局部放电的产生机理和TEV检测的理论进行分析。采用Ansoft Maxwell软件对局部放电进行瞬态电场仿真,并在实验室建立开关柜典型局部放电缺陷模型,采集TEV信号为故障类型识别提供数据基础。通过对开关柜局部放电检测与故障类型识别的研究做了以下工作:(1)采用小波包分析得到TEV信号的小波包能量谱以及采用分形维数算法得到TEV信号的分形维数和截距,将两者相结合提取PD信号特征,论文称其为小波包能量谱分形特征法。经证实相同模型下TEV信号的小波包能量谱特征及分形特征都具有相似性,不同模型下信号特征都不同。(2)对开关柜缺陷信号进行小波包分解求出小波系数进行比较得出:在消失矩阶数为8的情况下,sym8小波基提取效果较好。(3)分别采用小波包能量谱特征以及分形特征单独分类,结果表明:单一特征提取方法识别效果平均值在82%左右,识别准确率不高。(4)提出了采用小波包能量谱分形特征法再结合径向基函数(RBF)神经网络分类器进行局部放电故障模式识别的总体设计方案。经证实该方案分类效果较好识别率高达98%以上。(5)以小波包能量谱分形特征为输入量分别选用RBF网络及BP网络进行模式识别,结果表明:在识别准确率和算法效率上,RBF网络都比BP网络优越。将PD检测装置置于35KV开关柜中进行现场测试,验证表明:检测装置工作稳定,性能良好,达到检测要求。(本文来源于《东华理工大学》期刊2018-06-03）
李惠,陈蔚芳,商苏成[8]（2018）在《基于EEMD_BP网络的滚珠丝杠副故障模式识别》一文中研究指出针对在机械故障诊断领域,对信号的时频域处理分析提取特征值往往不能准确判断机械故障状态的问题。在对数控机床滚珠丝杠副振动信号研究中,提出了利用集合经验模态(EEMD)方法分析受到噪声干扰的3种不同状态的滚珠丝杠副振动信号。利用BP神经网络理论,以振动信号的时频域特征值及EEMD分解得到内禀模态函数(IFM)特征值作为输入,建立BP神经网络模型,并通过实验验证诊断网络模型的可靠性。(本文来源于《机械与电子》期刊2018年04期）
角淑媛,李福秋,张锐,杨静[9]（2018）在《航天产品单点故障模式识别分析方法研究》一文中研究指出通过对航天产品单点故障模式规范化识别分析方法的国内外现状进行调研,总结了航天产品单点故障模式识别过程中存在的问题,研究提出了单点故障模式识别的流程及规范化识别注意事项,为单点故障模式分类统计分析、采取有效控制措施、降低航天产品发射风险提供有力支撑。(本文来源于《质量与可靠性》期刊2018年02期）
杨奕飞,冯静[10]（2018）在《基于HMM-SVR的船舶动力设备故障模式识别与状态预测研究》一文中研究指出船舶动力设备因故障监测信号样本少、变化缓慢且数据特征呈非线性,使得设备故障模式的准确识别和状态预测比较难。鉴于此,文章研究了基于隐马尔科夫模型的故障模式识别方法,利用该模型将微弱变化的信号特征转换为变化较大的对数似然概率对故障模式实现有效识别。在此基础上进一步提出基于HMM-SVR的设备状态预测模型,将遗传算法用于支持向量回归模型参数寻优,并结合隐马尔科夫模型,实现对设备状态的预测。对船用柴油机进行仿真,结果表明上述模型具有较高的识别率,能准确预测船舶动力设备的当前状态。(本文来源于《船舶工程》期刊2018年03期）
故障模式识别论文开题报告
（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：
断路器是电力系统设备中至关重要的一环。断路器在运行过程中如果出现故障,直接威胁电网的稳定运行,对社会的经济发展带来隐患,因此对于断路器的可靠性有着非常严苛的要求。断路器振动信号包含着丰富的机械运行状态特征,传统的时频分析技术由于一些固有原因往往不能精确的获取振动信号中的特征参量,需要更加快速、精确的故障诊断方法代替。首先,本文以Z65型断路器作为对象,搭建硬件平台,主要采集了拒分、拒合、机构卡滞、基座螺栓松动以及正常运行状况下的振动信号,用作后续特征提取以及故障识别使用。其次,本文以经验模态变换(Empirical Mode Decompositon,EMD)作为对比,为了解决模态混迭等固有问题,改善信号高频特征的提取性能,提高故障识别速度,本文提出了一种基于改进变分模态分解(Variational Mode Decomposition,VMD)的断路器故障诊断方法。利用弗雷歇距离和VMD的改进方法对断路器不同故障类型的振动信号进行分解处理,避免产生过分解,并得到数个具有中心频率和有限带宽的模态;其次,求取每个模态的奇异值作为输入相关向量机(RVM)的特征向量。最后,通过与基于经验模态分解的故障诊断方法和支持向量机(SVM)结合的方法对比,本文方法表现出更好的特征提取性能,有效地提高了断路器机械故障诊断的正确率和识别速度,在微弱故障的检测上也有更精准的表现。
（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。
故障模式识别论文参考文献
[1].廖且根,何清华,张大文,罗林广.基于故障模式、影响与危害性分析的宁都黄鸡养殖环节质量安全关键控制点识别[J].中国家禽.2019
[2].丁其.基于振动信号分析的断路器机械故障模式识别研究[D].华北电力大学.2019
[3].刘鲲鹏,苏涛,赵磊,白云川,李泽华.滚动轴承故障模式识别方法研究现状分析[J].内燃机与配件.2018
[4].程静,王维庆,何山.基于KF-PP分析的风电轴承故障模式识别[J].可再生能源.2018
[5].杜党党,贾晓亮,王卓.基于故障彩色图谱的航空发动机故障模式识别[J].计算机集成制造系统.2018
[6].谢春丽,张继洲,王宇超.基于可拓理论的发动机失火故障模式识别研究[J].武汉理工大学学报(交通科学与工程版).2018
[7].时广华.开关柜局部放电带电检测与故障模式识别[D].东华理工大学.2018
[8].李惠,陈蔚芳,商苏成.基于EEMD_BP网络的滚珠丝杠副故障模式识别[J].机械与电子.2018
[9].角淑媛,李福秋,张锐,杨静.航天产品单点故障模式识别分析方法研究[J].质量与可靠性.2018
[10].杨奕飞,冯静.基于HMM-SVR的船舶动力设备故障模式识别与状态预测研究[J].船舶工程.2018
论文知识图
