基于区间电流的SRM功率变换器短路故障诊断

功率变换器是开关磁阻电机（SRM）调速系统的核心部件之一，也是系统可靠性最弱的环节。针对传统功率变换器短路故障诊断需增加额外硬件、控制器负担大、诊断范围有限等问题，以非对称半桥式功率变换器为研究对象，在深入分析短路故障模式的基础上，为提取明显的故障特征，对电流传感器进行了重新排布，提出了基于特定转子位置区间内电流的功率变换器故障诊断方法。在某相单独励磁区间内，通过另外两相电流传感器输出值之差与前一相输出值的比值，即可快速定位故障器件。所提方法不受电机相数和控制方式限制，控制器负担小，且无需增加额外硬件。仿真和实验验证了方法的有效性。      

基于电感特征的开关磁阻电机电流斩波控制策略

开关磁阻电机（SRM）运行在基速以下时常采用电流斩波控制（CCC），针对传统电流斩波控制中电流动态跟踪能力弱、换相区内转矩脉动大及功率器件开关频率不固定的问题，根据电感曲线的变化特征进行区间分段，提出一种基于参考电流补偿的电流斩波控制策略。在低电感区段内根据电机转速、负载的大小对参考电流进行补偿，提高相绕组在换相过程中的转矩输出能力和动态响应能力；在电感曲线的线性上升阶段，采用固定频率的脉冲宽度调制(PWM)波进行控制，使输出转矩更平滑。搭建三相12/8极开关磁阻电机仿真模型及硬件在环实验平台，考虑电机在不同转速、负载下的运行工况，选取转矩脉动指标进行对比。仿真与实验结果表明：所提控制策略能有效减小开关磁阻电机的转矩脉动，提高电机的运行性能。     

基于最优角度自适应TSF的SRM直接瞬时转矩控制

针对开关磁阻电机（SRM）在换相区转矩脉动大、运行效率低的问题,提出了一种基于最优角度自适应转矩分配函数（TSF）的SRM直接瞬时转矩控制（DITC）方法。首先,在电机全速范围内选取部分代表性转速,获得相应转速下最大平均转矩对应的最优开关角;然后,用离散的最优开关角数据训练改进的BP神经网络,获得全速范围内的最优开关角,从而使TSF根据不同转速动态地调整其形状,获得自适应能力,达到抑制换相区转矩脉动的目的。为验证所提方法的有效性,以一台3相6/4极SRM搭建仿真模型和实验平台,结果表明,所提方法有效抑制了换相区的转矩脉动,并提升了系统的运行效率。      

基于AE-BN的发电机滚动轴承故障诊断

为解决风力发电机在复杂工况及耦合性、不确定性条件下故障识别的准确性问题，提出了一种基于自动编码器(AE)与贝叶斯网络(BN)的AE-BN故障诊断方法。采用AE对电流信号进行特征提取，得到能够高度表征信号的特征分量；基于故障与特征之间的因果关系，建立由故障位置、故障状态和故障特征搭建的三层BN；将AE的特征分量与BN的拓扑结构相结合建立风力发电机故障诊断模型，解决故障诊断中的不确定性问题，提高多故障诊断的准确性。实验结果表明：所提方法能够对故障特征信号进行分析及诊断，精确辨识不同故障类型，相比K近邻算法等具有明显优势。     

基于DWNN的机电作动器渐变性故障诊断

飞机飞行控制系统机电作动器（EMA）的渐变性故障很难准确预判,若不能及早发现而任其发展就会影响到飞机的飞行安全性。针对EMA的渐变性故障,提出一种基于动态小波神经网络（DWNN）的故障诊断方法。首先,利用EMA在电机电枢绕组匝间短路、传动装置丝杆和滚珠磨损等多种渐变性故障状态下的运行数据来训练DWNN故障诊断模型;然后,利用训练好的DWNN模型对EMA渐变性故障进行诊断。创新之处在于DWNN模型利用小波分解算法去除了传感器测量信号中高频分量的影响,利用反馈神经网络的记忆能力融合了过去输入的信息和过去预测的信息,提高了对EMA渐变性故障诊断的准确性。通过对某型EMA进行故障诊断实验,仿真结果表明所提出的DWNN方法可以实现对EMA部件渐变性故障的准确诊断。      

基于参数估计和FuzzyARTMAP的直流电动机故障诊断

为提高电机质量和实现系统监控,提出用方波脉冲函数变换法估计电动机参数和用模糊自适应谐振网络(Fuzzy ARTMAP)进行电动机故障诊断.该方法可以在线获得电动机的机电参数,从而了解电动机的工作情况.充分利用Fuzzy ARTMAP网络的模式分类能力,不但可以诊断出故障的类型,还可以诊断出故障的严重程度.仿真及实验结果证明了所提方法的有效性.      

基于EMD与切片双谱的轴承故障诊断方法

针对轴承故障诊断问题,提出一种基于经验模态分解(EMD,Empirical Mode Decomposition)与切片双谱分析相结合的新方法.将原始信号分解成不同尺度的固有模态函数(IMF,Intrinsic Mode Function),求取IMF分量的包络,计算其对角切片双谱,提取由于二次相位耦合产生的非线性特征,得到轴承的故障特征频率.通过对仿真信号进行分析,表明该方法克服了传统的基于EMD的包络功率谱方法不能抑制噪声的缺点,同时较传统高阶谱方法计算量更小.给出了6205-2RS JEM SKF轴承诊断实例,说明了该方法的可用性.     

小卫星多级故障诊断系统设计

提出一种基于模糊神经网络的小卫星多级故障诊断系统,利用多级的方式对小卫星的故障进行诊断。其中第一级采用模糊聚类的方法,将故障定位于模块级;第二级采用模糊径向基神经网络,完成故障的部件级定位。最后用该故障诊断方法针对卫星故障仿真系统做了实验,对其预设故障进行了诊断,诊断结果与仿真系统预设故障完全一致。实验表明:多级故障诊断结构提高了故障诊断的系统性、准确性并大大降低了故障诊断中的计算量。     

小样本下基于孪生神经网络的柱塞泵故障诊断

针对目前基于深度神经网络的柱塞泵故障诊断方法在小样本条件下精度低、模型欠拟合问题,提出一种小样本条件下基于孪生神经网络的柱塞泵故障诊断方法。搭建了柱塞泵故障实验台,采集柱塞泵在不同健康状态下的壳体振动信号;使用由卷积层和池化层组成孪生子网络自适应地从原始振动信号中提取低维特征,使用欧式距离判定输入样本对的特征相似度;通过相似度对比的方法扩大训练样本数量并训练孪生神经网络模型;最后,对测试样本进行健康状态识别。实验结果表明：与传统深度神经相比,所提方法在小样本情况下具有更高的准确率。同时,多通道数据融合实验表明：所提方法能够从不同通道的信号中学习到有关故障信息,多通道数据融合可以进一步提高诊断准确率。     

基于小波包和Elman神经网络的液压泵故障诊断

针对液压泵出口故障检测信号信噪比低、难以进行故障特征提取的特点,及 传统的BP网络进行故障诊断时网络学习具有收敛速度慢和学习、记忆不稳定的缺陷,提出了 一种将小波包变换和改进Elman神经网络相结合,进行液压泵故障诊断的新方法.利用具有 紧支结构的小波函数对信号进行分解,削减小波系数以滤除信号中的噪声;单支重构以有效 提取各频带的故障特征,并以频带能量作为识别故障的特征向量;应用改进的Elman神经网 络建立从特征向量到故障模式之间的映射,实现液压泵故障分类.试验结果表明,采用小波 包和改进Elman神经网络相结合的方法可有效的实现液压泵故障的诊断.      

基于峭度熵与分层极限学习机的动量轮轴承故障诊断研究

动量轮是卫星姿态控制系统的关键部件，其可靠性直接关系到整星寿命与安全。作为动量轮的核心组件，轴承易于发生故障，且独特结构和复杂运行环境导致监测信号信噪比低，早期故障诊断困难。针对这种情况，对变分模态分解和峭度熵结合的特征提取方法进行研究，获得动量轮轴承监测信号中的微弱故障特征，并建立特征向量。引入分层极限学习机，对结构和编码方法进行优化后用于轴承故障的识别。最后，将提出的方法用于实际故障的诊断，并通过与传统ELM方法比较，得出提出的方法在动量轮轴承故障诊断中具有更高的诊断精度，达到98.5%。     

基于单极性PWM的开关磁阻电机转矩控制策略

开关磁阻电机(SRM)转矩脉动过大的特性，一直是该型电机发展进程中重点研究的问题。为抑制SRM转矩脉动，提高系统转矩控制能力，本文对SRM的直接瞬时转矩控制策略(DITC)进行了研究与改进，以滞环DITC为基础，通过结合PWM的调制特性，提出了单极性PWM-DITC控制策略。系统仿真结果表明，单极性PWM-DITC控制策略相较于滞环DITC控制策略，可有效地抑制换相区转矩脉动，使SRM调速控制系统的转矩控制性能得到了提升。     

航空液压泵柱塞游隙增大故障诊断

柱塞游隙增大是航空液压泵典型的渐进性故障之一,其故障特征模糊,样本有限,故障数据充满噪声,对其进行精确的故障诊断十分困难,因此提出了一种基于简约支持向量机的故障诊断方法.利用粗糙集对故障特征变量进行简约,去除冗余信息,在保证分类质量不变的前提下寻求覆盖系统故障特征的最小属性集合;将简约后的数据样本用来训练支持向量机进行故障分类.使用训练完成后的简约支持向量机进行故障诊断的实验结果表明,此种诊断方法适合于航空液压泵柱塞游隙增大的高精度故障诊断.     

基于NMF的SVM故障诊断方法

针对大维数系统故障诊断中存在特征提取困难和识别率低的问题,提出基于非负矩阵分解(NMF,Non-negative Matrix Factorization)的支持向量机(SVM,Support Vector Machine)诊断方法,避免了直接对故障特征的选择和提取,实现特征降维,提高故障模式分类的准确性和速度;对于NMF中的结果随机性问题,提出用前次分解所得系数矩阵求解样本降维特征矩阵的方法,保证多次NMF分解尺度一致.实验表明该方法能对故障特征有效降维,并具有较高的诊断效率和故障识别率.     

基于深度残差网络的模拟电路软故障诊断方

航天电子电路的故障诊断一直是航天领域可靠性与安全性的一个热点研究课题，航天电子电路的故障将直接影响航天任务是否成功。提出了一种基于深度残差网络的模拟电路故障诊断方法。该方法使用短时傅里叶变换将电路的时域输出信号转换为二维电路图像，并将其作为神经网络的输入，再利用ResNet提取模拟航天电子电路的性能特征，确定元件的故障类型，完成电路的故障诊断。通过仿真验证了该方法的故障诊断性能。仿真结果表明，该方法能够实现高达99.1%的诊断准确率。     

基于最小偏差LS-SVR的模电系统多故障诊断

为解决支持向量分类机多分类存在的样本重复训练、训练模型过多的问题,保证模拟电子系统在整体和局部多故障模式上的诊断正确率,提出基于最小偏差的最小二乘支持向量回归机多故障诊断方法.通过引进样本各维度拟合误差相对于平均拟合误差的偏差平方项,最小化维度间的拟合误差间距,得到能够输出多维变量及具有高分辨率的最小二乘支持向量回归机模型.将模型多维输出值与预设的各个多故障模式值相乘,所得结果集中最大值所对应的多故障模式即为最终诊断结果.仿真结果表明:提出的方法在简化训练过程的同时,能够保持良好的整体和局部多故障诊断正确率.     

一种磁悬浮开关磁阻电机用轴向径向磁轴承

为了克服现有永磁偏置轴向径向磁轴承的缺陷,研究了一种新型结构的磁悬浮开关磁阻电机用永磁偏置轴向径向磁轴承.分析其结构及工作原理,利用等效磁路法进行分析,得出了轴向悬浮力及径向悬浮力的数学模型,并对数学模型进行了线性化处理,得出了其轴向、径向位移刚度和电流刚度.给出了磁极面积、控制线圈安匝数、定转子结构等主要参数的设计方法,给出了样机参数,用有限元对样机进行了三维仿真分析.理论研究和仿真分析表明:该永磁偏置轴向径向磁轴承结构紧凑,轴向控制磁通和径向控制磁通彼此解耦,控制更加容易,适用于高速、低功耗等场合.