基于HHT和RBF神经网络的故障检测——第二篇论文读后感
故障诊断主要包括三部分:
1、故障信号检测方法(定子电流信号检测 [ 定子电流幅值和电流频谱 ] ,振动信号检测,温度信号检测,磁通检测法,绝缘检测法,噪声检测法)
2、故障信号的处理方法,即故障特征提取(FFT,Hilbert 变换,小波变换,Hilbert-Huang变换)。
3、故障识别技术
- 基于解析模型法(建立良好的电机模型并对隔状态参数进行估计,需要较好的专业知识)
- 基于人工智能法(基于专家系统:建立对比数据库;基于神经网络来做故障分类和识别;基于SVM,可处理分类时实现现有样本的最优解)
异步电动机构成:定子,转子,轴承,机座,扇叶和空气间隙
工作原理:通电流引起旋转磁场,旋转磁场和感应电流相互作用,形成电磁转矩,达成了从电能到机械能的转换。
故障类型:
1、定子部分故障(12.9%)
- 定子铁心短路与松动故障:(定、转子相互摩擦),会导致局部过热、空载电流过大、振动和噪声加强。
- 定子绕组短路故障:(负载过载,过压,欠压,绝缘材料有问题),较高热量,短路电流,异常振动。
- 定子绕组接地故障:(绝缘线损坏,线圈直接与铁心或者机座相连)
2、转子部分故障(10%)
- 转子断条(电流增加而且不稳定,发热严重),产生原因:
电机启动时突然增加的电流和温度,受到冲击性负载,转子质量不好都会对转子有很大的冲击。
3、气隙偏心(原本定子和转子应是同心)
这种状况会导致振动和噪声,严重的话会是定子和转子互相摩擦而导致电流过大,情况可分为:
- 静态偏心:制作不规范或者安装不到位
- 动态偏心:机械共振,轴承磨损或者移位
4、轴承故障
- 磨损(振动和噪声加大)
- 疲劳脱落(产生冲击载荷,振动和噪声也会加剧)
- 塑性变形(振动和噪声加剧)
- 腐蚀(电流通过引起电腐蚀,水分或化学液体引起的化学腐蚀)
- 断裂故障(安装不合理和工作中的热应力)
- 胶合(润滑不够或者高速重载):温度会急速升高
- 保持架损坏
电流故障特征频率:
1、定子绕组匝间短路
其中f1为供电电源频率
2、转子断条故障
其中f为供电电源频率
3、气隙偏心
4、轴承故障
故障特征提取的方法:
1、基于窗口傅里叶变换
主要分为两步,第一步是在时间上加窗来截取时间段的信号,第二步是对截取后的信号进行傅里叶变换分析。
对于时域和频域来说,均有一个中心点,窗函数就是围绕中心点来添加一个矩形框。
参考链接:https://blog.csdn.net/yuejiang_li/article/details/78762201
其缺陷在于:窗函数选定之后局部分辨率也确定了,不能随着信号的变换更改分辨率,自适应性较差;他的时间分辨率和频率分辨率只能二选一,但是有些时候需要时间分辨率较高,有些时候需要频率分辨率较高,窗函数难以达到。
2、小波变换
参考链接:https://blog.csdn.net/cqfdcw/article/details/84995904
从上述可以看出,a控制位移,b控制伸缩。
当a变大时,时域观察范围变宽,频域观察会变窄,中心向低频移动;当a变小时,时域观察范围变窄,频域观察会变宽,中心向高频移动。对于陡峭和尖脉冲而言,变化迅速,需要良好的时间分辨率。对于低频段信号而言,变换缓慢,需要较好的频率分辨率。因此,小波变换适合非平稳信号,但是它的局限是只针对低频信号做分解。
由此引入了小波包分解,小波包可对低频和高频同时做分解,每次分解均会有小波系数,这些系数可用来做最后的小波重构。
小波变换的局限性有两个,第一个是小波基的选择对最后结果的影响比较大;第二个是基函数比较固定,选定之后无法根据信号调节。
3、Hilbert-Huang变换
基于EMD的HHT
上式可看出变换后幅值与瞬时频率均与时间有关,因此可得到频段中幅值的时频信息。
T为信号总长,边际谱反应的是每个频率的累积幅值分布,可看出有哪些频率出现,通过Hilbert变换可知道频率对应的时间点。
以HHT为基础的故障特征提取的步骤是:
- 利用EMD方法分别对原始故障信息进行分解,看信息的特点,选取n个分量为对象作为特征提取。计算故障特征的频率,对比IMF分量的边际谱图,查看故障特征在哪些IMF分量中的表现最好,就选取哪些。
- 例如电流选取第二、三、四、五个IMF分量作为特征量。
- 求取这四个特征量的边际谱,将边际谱作为特征向量
- 将特征向量做还原处理后作为神经网络的输入值
神经网络:
神经网络模型的不同主要集中在神经元的特性,网络的拓扑结构和学习规则上。文中主要采用RBF神经网络。
故障诊断网络结构确定的过程为:
- 分别在异步电动机正常、轴承故障、转子断条、转子断条和轴承故障并发状态下采集电流信号
- 对采集完的信号通过HHT做特征处理,提取能够体现故障信息的特征量
- 将处理好的数据作为神经网络的输入,进行训练,当误差满足要求时,神经网络结构被确定。
- 在实际过程中采集定子电流信号,经过处理后作为特征向量输入神经网络进行实时判别,神经网络输出相应状态。
用图表示为:
基于HHT和RBF神经网络的故障检测——第二篇论文读后感的更多相关文章
- 基于GBT28181:SIP协议组件开发-----------第二篇SIP组件开发原理
原创文章,引用请保证原文完整性,尊重作者劳动,原文地址http://www.cnblogs.com/qq1269122125/p/3937590.html,qq:1269122125. 上一节中讲的S ...
- 三——第二部分——第二篇论文 计划建设SQL Server镜像
本文接着前面的章节:SQL Server镜像简单介绍 本文出处:http://blog.csdn.net/dba_huangzj/article/details/27203053 俗话说:工欲善其事必 ...
- RBF神经网络学习算法及与多层感知器的比较
对于RBF神经网络的原理已经在我的博文<机器学习之径向基神经网络(RBF NN)>中介绍过,这里不再重复.今天要介绍的是常用的RBF神经网络学习算法及RBF神经网络与多层感知器网络的对比. ...
- RBF神经网络——直接看公式,本质上就是非线性变换后的线性变化(RBF神经网络的思想是将低维空间非线性不可分问题转换成高维空间线性可分问题)
Deeplearning Algorithms tutorial 谷歌的人工智能位于全球前列,在图像识别.语音识别.无人驾驶等技术上都已经落地.而百度实质意义上扛起了国内的人工智能的大旗,覆盖无人驾驶 ...
- RBF神经网络通用函数 newrb, newrbe
RBF神经网络通用函数 newrb, newrbe 1.newrb 其中P为输入向量,T为输出向量,GOAL为均方误差的目标,SPREED为径向基的扩展速度.返回值是一个构建好的网络,用newrb ...
- RBF神经网络的matlab简单实现
径向基神经网络 1.径向基函数 (Radial Basis Function,RBF) 神经网络是一种性能良好的前向网络,具有最佳逼近.训练简洁.学习收敛速度快以及克服局部最小值问题的性能,目前已经证 ...
- 基于 SoC 的卷积神经网络车牌识别系统设计(1)概述
NOTES: 这是第三届全国大学生集成电路创新创业大赛 - Arm 杯 - 片上系统设计挑战赛(本人指导的一个比赛).主要划分为以下的 Top5 重点.难点.亮点.热点以及创新点:1.通过 Arm C ...
- python-列表、字典、元组的员工信息处理接口(第二篇(五):基于列表、字典和元组的员工信息处理接口)
Python之旅]第二篇(五):基于列表.字典和元组的员工信息处理接口 python 列表 字典 元组 员工信息处理接口 摘要: 1.基本需求 编写一个查询员工信息表的程序,实现如下功能: ( ...
- 基于Python的卷积神经网络和特征提取
基于Python的卷积神经网络和特征提取 用户1737318发表于人工智能头条订阅 224 在这篇文章中: Lasagne 和 nolearn 加载MNIST数据集 ConvNet体系结构与训练 预测 ...
随机推荐
- Mysql 1864 主从错误解决方法
故障描述: 在mysql 主库上增加了一个主键操作,没过5分钟就接受到zabbix报警mysql主从同步异常停止信息,一首凉凉送给自己.... 查看现在主从状态 (root@192.168.1.2) ...
- JS的 try catch 前端使用场景(尽管不多还是会用到)
try{ //正常执行 }catch(e/*你感觉会出错的 错误类型*/){ // 可能出现的意外 eg:用户自己操作失误 或者 函数少条件 不影响下面的函数执行 // 有时也会用在 比如 focus ...
- 用docker部署zabbix
官方文档 https://www.zabbix.com/documentation/3.4/zh/manual/installation/containers 1 启动一个空的Mysql服务器实例 d ...
- svn both sides of the move must be committed together
从一个模块移动文件到另一个模块下,提交的时候报错. 选择2个模块工程,team-与资源库同步 选择2个模块下,2份文件,一份减号图标,一份加号图标,同时提交. 还有种情况,当你重名文件后,提交报错 打 ...
- Asp.net Core Jenkins Docker 实现一键化部署
写在前面 在前段时间尝试过用Jenkins来进行asp.net core 程序在IIS上面的自动部署.大概的流程是Jenkins从git上获取代码 最开始Jenkins是放在Ubuntu的Docker ...
- line-height影响排版
父级div设置了line-height值,子级div会继承line-height.如果不想子级元素继承,给子级元素设置line-height:normal.
- java 模拟简单搜索
Java 模拟简单搜索 实体类 package org.dennisit.entity; /** * * * @version : 1.0 * * @author : 苏若年 <a href=& ...
- 后缀自动机SAM
某神犇:"初三还不会后缀自动机,那就退役吧!" 听到这句话后,我的内心是崩溃的. 我还年轻,我还不想退役--于是,我在后来,努力地学习后缀自动机. 终于,赶在初三开学前,我终于学会 ...
- day65作业
有 红.黄.蓝 三个按钮,以及一个200x200矩形框box,点击不同的按钮,box的颜色会被切换为指定的颜色 <body> <div id="app"> ...
- CSS3 进阶
background-clip指定了背景可以覆盖到什么范围.background-origin指定了背景从什么位置开始.在例子中设置背景平铺应该可以看得清楚些. CSS3之前的背景,按规定是不会进入到 ...