【摘 要】
：
本文采用基于决策树和模糊推理系统相结合的故障诊断方法,利用汽轮机实验室中的转子试验台进行了试验研究。结合实验设备,拟设计转子正常运转(GOOD);质量不平衡(RNBM);动静碰
【机 构】
：
华北电力大学 能源与动力工程学院 北京 102206
【出 处】
：
2010年全国振动工程及应用学术会议(暨第十二届全国设备故障诊断学术会议、第二十三届全国振动与噪声控制学术会议)
论文部分内容阅读
本文采用基于决策树和模糊推理系统相结合的故障诊断方法,利用汽轮机实验室中的转子试验台进行了试验研究。结合实验设备,拟设计转子正常运转(GOOD);质量不平衡(RNBM);动静碰磨(MSCF);油膜振荡(ROFW)四种振动故障试验,并分别设计三种工作转速(1000,2000,4000rpm)工作状态.其振动信号可从涡流传感器结合DASP软件获取,然后使用统计特征参数进行分类提取。利用决策树方法中C4.5算法作为故障特征选择算法从数据集中提取相关特征,其推理输出结果作为产生清晰、简洁的if—then规则和隶属函数集的决策树。然后根据产生的隶属函数集来确定模糊推理分类结构。最后再用从转子试验台获得的转子振动信号评估本文使用的C4.5-FIS模型方法,以1000rpm为例说明,再分别计算对于2000和4000rpm三种不同工况条件下它们总分辨精度,结果表明其精度都很高，故C4.5-FIS的模型对于汽轮发电机组故障诊断具有很好的适用性。
其他文献
本文提出了一种基于独立分量分析(ICA)和微粒群优化(PSO)相结合的算法,该算法以分离信号的负熵为目标函数,采用微粒群优化算法进行全局、并行寻优。该算法针对微粒群算法在达
传统的基于单通道信号的旋转机械不对中故障的诊断主要依靠幅值谱和相位谱特征,易出现误诊和漏诊情况,很难对不对中类型做出准确诊断,对于不对中方向的确定也是一大难点。本
支持向量机在机械故障诊断中应用广泛,但传统的支持向量机在解决多类分类问题时存在拒识区域等问题。本文针对这些不足,提出一种支持向量机决策树(support VectorMachine—ba
小资料酢浆草是酢浆草科酢浆草属的多年生草本植物。地下部根茎为鳞状茎,茎基部稍具匍匐性。掌状复叶基生,具细长总柄;小叶三枚,倒心形,全缘,伞形花序着生在总花梗顶端,稍高
本文在小波变换的理论基础上,结合武广客专新南岭隧道爆破中振动监测数据，对振动信号在细节信号的处理、信号的分解与重构、信号能量分布方面进行了应用和效果分析。分析表明,
本文通过有限元计算结果与箱梁构造分析,确定疲劳测点的分布，基于桥梁的日应变时程记录的相似性,对疲劳损伤危险部位布置应变传感器进行连续24小时的短期疲劳监测,得到应变循
本文提出了一种特征优化选择的方法,并将其应用到齿轮早期故障诊断中。通过对齿轮早期振动信号的分析处理,根据类内类间距离比值最小化准则进行最有利于分类的特征优化选择,
提出用经验模态分解(EMD)的第一固有模态函数(IMF)分量自适应地提取发动机的冲击响应信号,再用基于复解析带通滤波器的优化解调方法提取冲击响应信号的包络,有效地提取出振动
离合器壳体工作状态与动力总成的弯曲振动特性有着密切的关系,动力总成弯曲共振极易引起离合器壳体的破坏。本文根据这一研究结论,针对某轻型卡车的离合器壳体投入使用前,通
本文针对有效特征信号确定的问题,将BP网络和最小二乘支持向量机(LS—SVM)综合运用于柴油机的工作状态评估中。BP网络可进行柴油机状态特征集约简,提取状态特征，LS—SVM可有效