智能异构模型在电机故障诊断中的研究

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

智能异构模型在电机故障诊断中的研究

刘建成, 蒋新华, 吴今培

文章导航 > 电子科技大学学报 > 2003 > 32(2): 212-216

刘建成, 蒋新华, 吴今培. 智能异构模型在电机故障诊断中的研究[J]. 电子科技大学学报, 2003, 32(2): 212-216.

引用本文:

刘建成, 蒋新华, 吴今培. 智能异构模型在电机故障诊断中的研究[J]. 电子科技大学学报, 2003, 32(2): 212-216.

Liu Jianchen, Jiang Xinhua, Wu Jinpei. Research of Intelligent Various Structure Models in Motor Faults Diagnosis[J]. Journal of University of Electronic Science and Technology of China, 2003, 32(2): 212-216.

Citation:

Liu Jianchen, Jiang Xinhua, Wu Jinpei. Research of Intelligent Various Structure Models in Motor Faults Diagnosis[J]. Journal of University of Electronic Science and Technology of China, 2003, 32(2): 212-216.

智能异构模型在电机故障诊断中的研究

1.
中南大学信息工程学院长沙 410075

基金项目:

湖南省自然科学基金资助项目,01JJY2063;湖南省专项资金资助项目,OOJCY2008

作者简介:
刘建成男 39岁副教授主要从事智能信息处理、设备状态监测与故障诊断方面的研究

中图分类号: TM307.1

Research of Intelligent Various Structure Models in Motor Faults Diagnosis

1.
School of Information Engineering,Central South University ChangSha 410075

摘要: 提出以测试电机的三相电流噪声为电机故障特征信号的诊断方法,建立电机电流噪声多元时序模型,将时序模型的多元残差序列化为一元序列作为故障总体检测指标。针对多元时序模型参数φi的特点,提出了多层NN的故障类型识别模型,应用APEX网络提取初始模式向量的分类信息,利用前馈网络建立其识别函数,实践证明该诊断方法是正确的。
- 故障诊断 /
- 时序模型 /
- 神经网络 /
- 模式向量
Abstract: The paper puts forward a set of faults diagnosis methods of testing the noise of the three-phase motor current which shows the characteristics of the motor faults. and multi-varieties time series models of the noise is established, the multi-varieties residual series is changed to the monistical as the fault detection index. In the fight of trait of the model parameter φi, presenting a faults classification recognition model based on the multi -layer NN structure, using APEX network extracts classification Information of the initial pattern vector,making use of feedforward network establishes the classification function. The diagnosis way is correct by practising.
- faults diagnosis /
- time series model /
- neural network /
- pattern vector

[1]	巩彬, 安爱民, 石耀科, 杜先君. 一种基于IMODA自适应深度信念网络的复杂模拟电路故障诊断方法 . 电子科技大学学报, 2024, 53(): 1-18. doi: 10.12178/1001-0548.2023047
[2]	王磊, 孙志成, 王磊, 陈端兵, 蒋家玮. 基于DRSN-CW和LSTM的轴承故障诊断 . 电子科技大学学报, 2022, 51(6): 921-927. doi: 10.12178/1001-0548.2021385
[3]	李享, 黄洪钟, 黄鹏, 李彦锋. 基于动态贝叶斯网络的电源系统可靠性分析与故障诊断 . 电子科技大学学报, 2021, 50(4): 603-608. doi: 10.12178/1001-0548.2020416
[4]	杜娟, 刘志刚, 宋考平, 杨二龙. 基于卷积神经网络的抽油机故障诊断 . 电子科技大学学报, 2020, 49(5): 751-757. doi: 10.12178/1001-0548.2019205
[5]	邵继业, 谢昭灵, 杨瑞. 基于GA-PSO优化BP神经网络的压缩机气阀故障诊断 . 电子科技大学学报, 2018, 47(5): 781-787. doi: 10.3969/j.issn.1001-0548.2018.05.023
[6]	周启忠, 谢永乐, 毕东杰, 李西峰. 种模拟电路参数型故障诊断新方法 . 电子科技大学学报, 2017, 46(2): 386-391. doi: 10.3969/j.issn.1001-0548.2017.02.012
[7]	姜书艳, 罗刚, 夏登明, 李琦, 宋国明. 片上网络互连线延迟故障测试方法研究 . 电子科技大学学报, 2016, 45(4): 557-563. doi: 10.3969/j.issn.1001-0548.2016.04.008
[8]	闫涛, 赵文俊, 胡秀洁, 宋家友. 基于信息融合技术的航空电子设备故障诊断研究 . 电子科技大学学报, 2015, 44(3): 392-395. doi: 10.3969/j.issn.1001-0548.2015.03.013
[9]	李旻, 咸卫明, 龙兵, 王厚军. 基于特征优选模拟电路故障诊断方法 . 电子科技大学学报, 2014, 43(4): 557-561. doi: 10.3969/j.issn.1001-0548.2014.04.015
[10]	张健, 徐红兵, 王情. 多重分形谱在集成电路动态电流故障诊断中的应用 . 电子科技大学学报, 2011, 40(4): 544-548.
[11]	徐戎, 王文杰, 周四新. 神经网络与领域知识结合的纳税评估预警模型 . 电子科技大学学报, 2009, 38(1): 122-125.
[12]	陈世杰, 连可, 王厚军. 采用多信号流图模型的雷达接收机故障诊断方法 . 电子科技大学学报, 2009, 38(1): 87-91.
[13]	雷霖, 代传龙, 王厚军, 赵旭. 粗糙集-神经网络集成的WSN节点故障诊断 . 电子科技大学学报, 2008, 37(4): 565-568.
[14]	杨俊华, 尚志恩, 吕锋. 基于布尔差分的数字逻辑电路故障诊断 . 电子科技大学学报, 2005, 34(4): 517-520.
[15]	徐军, 张春凤, 钟守铭. 一类神经网络模型的解及其渐近性态 . 电子科技大学学报, 2002, 31(5): 534-538.
[16]	冯兰君, 李建, 吕炳朝. 燃气轮机故障诊断专家系统的设计与实现 . 电子科技大学学报, 2000, 29(3): 278-281.
[17]	李艾华, 张西宁, 屈梁生. 印刷电路板诊断信息流模型及其应用 . 电子科技大学学报, 2000, 29(1): 49-53.
[18]	王厚军, 陈相富, 陈光. 基于总线观测的微机故障诊断专家系统研究 . 电子科技大学学报, 1998, 27(2): 161-165.
[19]	孟相如, 虞厥邦. 电流模式神经网络分类器的CMOS实现技术 . 电子科技大学学报, 1997, 26(5): 453-456.
[20]	潘中良, 陈光. 模拟电路故障诊断的神经网络专家系统方法 . 电子科技大学学报, 1997, 26(4): 405-408.

WeChat

点击查看大图

计量

文章访问数: 3389
HTML全文浏览量: 117
PDF下载量: 54
被引次数: 0

智能异构模型在电机故障诊断中的研究

1. 中南大学信息工程学院长沙 410075

基金项目:

湖南省自然科学基金资助项目,01JJY2063;湖南省专项资金资助项目,OOJCY2008

作者简介:
刘建成男 39岁副教授主要从事智能信息处理、设备状态监测与故障诊断方面的研究

收稿日期: 2002-08-28
刊出日期: 2003-04-15

中图分类号: TM307.1

关键词:

摘要: 提出以测试电机的三相电流噪声为电机故障特征信号的诊断方法,建立电机电流噪声多元时序模型,将时序模型的多元残差序列化为一元序列作为故障总体检测指标。针对多元时序模型参数φi的特点,提出了多层NN的故障类型识别模型,应用APEX网络提取初始模式向量的分类信息,利用前馈网络建立其识别函数,实践证明该诊断方法是正确的。

English Abstract

刘建成, 蒋新华, 吴今培. 智能异构模型在电机故障诊断中的研究[J]. 电子科技大学学报, 2003, 32(2): 212-216.

引用本文:

刘建成, 蒋新华, 吴今培. 智能异构模型在电机故障诊断中的研究[J]. 电子科技大学学报, 2003, 32(2): 212-216.

Liu Jianchen, Jiang Xinhua, Wu Jinpei. Research of Intelligent Various Structure Models in Motor Faults Diagnosis[J]. Journal of University of Electronic Science and Technology of China, 2003, 32(2): 212-216.

Citation:

Liu Jianchen, Jiang Xinhua, Wu Jinpei. Research of Intelligent Various Structure Models in Motor Faults Diagnosis[J]. Journal of University of Electronic Science and Technology of China, 2003, 32(2): 212-216.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发