智能监测与诊断PPT

1、风力发电机远程状态监测和诊断系统开发，报告员：蔡京，主要内容，1。应用目的和审查，1 .应用目的和探讨，2008年，后，小波神经网络在风电齿轮箱故障诊断中的应用研究。该方法利用小波变换的时频分析特性和神经网络的自学习功能，利用小波函数作为神经网络的隐式层，提高了诊断精度，减少了神经网络的层数，加快了收敛速度。2009年，barszcz等提出了利用光谱峰度进行行星齿轮箱故障诊断的方法。光谱峰度对冲击信号有敏感特性，可以使用光谱峰度检测信号冲击成分，诊断故障。2009年，inalpolat等研究了行星变速箱的建模和动力学行为，为解释其复合变速引起的故障互调和耦合等故障机制提供了依据。2010年，沃

2、森等通过连续小波变化分析了输入功率信号，确定了发动机转子偏心故障和轴承故障。1 .应用目的和审查，系统的完整框架图，主要内容，2。传感器，主要内容，3。数据收集方法、和数据收集卡usb6218的主要性能指标如下：模拟输入：16、32位32位模拟输入；数字输入输出：8位数字输入，8位数字输出；采样率：单通道采样率250 ks/s；分辨率：16位分辨率；输入范围：每个通道4个可编程输入范围0.2v-10v；数据采集卡ni9234的主要性能指标包括：模拟输入：4路同步采样模拟输入；采样率：每个通道的采样率2-51.2 ks/s；合并输入：ac合并(0.5hz)和iepe始终可用，主要内容，4。信号处

3、理方法，4。信号处理方法，函数f(t)的连续小波变换被定义为信号f(t)和基于小波的函数的内部乘积：a0，函数表示分析小波是可接受的条件：3。小波变换，a必须满足扩展系数。b表示转换系数，小波函数的多分辨率表示：主要内容，5。解决问题的方法，小波神经网络故障诊断系统，第一步是正向传播过程。设定网络结构参数和先前迭代的权重和阈值，通过输入学习样本从一楼向后计算每个神经元的输出。第二步是错误的反向波过程。权重和阈值从最后一个级别开始向前计算。也就是说，级别的阈值和权重计算总误差的渐变。样式：输出层中的每个单位错误；中间层输出；网络的实际输出；中间层的单位错误；目标向量，主要内容，5 .通过总结、智

4、能监控和诊断原理，我学到了很多。具有智能监控诊断系统的特定知识，如传感器、数据收集模块、数据处理模块等。这门课程的学习也扩展了我的知识面，对科学研究有了新的认识，邱先生是用自己的科学研究经验向我们说明科学研究和今后就业问题的很好的教学手段。参考文献j.ribrant，l . m . bertling . survey of failures in wind power systems with focus on swedish wind power plants during 1997-2005wind turbine blades via cwt-based approachs j . ieee trans . energy conversion，2006，21 (3kiss moto k、inoue h、hamada m、shibuya t . time frequency analysis of dispersive waves by means of wavelet transform . j appl mech 1995；62: 841-6。马东，风力发电机远程状态监测和故障诊断系统开发，硕士学位论文。华北电力大学