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

一种轴流通风机故障诊断方法

胡韶华 谷振宇 金迪文

胡韶华,谷振宇,金迪文.一种轴流通风机故障诊断方法[J].工矿自动化,2018,44(5):58-63..  doi: 10.13272/j.issn.1671-251x.2017100023
引用本文: 胡韶华,谷振宇,金迪文.一种轴流通风机故障诊断方法[J].工矿自动化,2018,44(5):58-63..  doi: 10.13272/j.issn.1671-251x.2017100023
HU Shaohua, GU Zhenyu, JIN Diwen. A fault diagnosis method for axial flow fa[J]. Industry and Mine Automation, 2018, 44(5): 58-63. doi: 10.13272/j.issn.1671-251x.2017100023
Citation: HU Shaohua, GU Zhenyu, JIN Diwen. A fault diagnosis method for axial flow fa[J]. Industry and Mine Automation, 2018, 44(5): 58-63. doi: 10.13272/j.issn.1671-251x.2017100023

一种轴流通风机故障诊断方法

doi: 10.13272/j.issn.1671-251x.2017100023
基金项目: 

重庆市教委科研项目(KJ1603205)

重庆工程职业技术学院科研重点项目(KJA2015-01)

详细信息
  • 中图分类号: TD635

A fault diagnosis method for axial flow fa

  • 摘要: 针对现有基于谱分析的轴流通风机故障诊断方法只将故障类型和频谱特征值进行简单关联而导致诊断效果较差的问题,提出了一种基于矢椭谱和隐Markov模型的轴流通风机故障诊断方法。该方法首先将轴流通风机同一截面内互相垂直的2个振动信号在时域上直接融合为复信号,并对该复信号进行快速Fourier变换,获得多个特征频率下振动信号的全谱幅值;然后用不同故障状态下振动信号的全谱幅值训练隐Markov模型;最后以实时振动信号的全谱幅值作为隐Markov模型输入量,采用Viterbi算法计算隐Markov模型输出的似然概率,根据最大似然概率对数判断故障类型,避免了将振动幅值和故障类型进行简单关联。试验结果表明,该方法的故障诊断正确率达90%以上。

     

  • 加载中
计量
  • 文章访问数:  71
  • HTML全文浏览量:  1
  • PDF下载量:  6
  • 被引次数: 0
出版历程
  • 刊出日期:  2018-05-10

目录

    /

    返回文章
    返回