基于矢谱和模糊Petri网的旋转机械故障诊断研究

doi:10.3778/j.issn.1002-8331.2010.18.069

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (18): 224-227.DOI: 10.3778/j.issn.1002-8331.2010.18.069

基于矢谱和模糊Petri网的旋转机械故障诊断研究

董辛旻^1，2，韩捷²，石来德¹，郝伟²

1.同济大学机械工程学院，上海 200092
2.郑州大学振动工程研究所，郑州 450002

收稿日期:2008-12-16 修回日期:2009-02-16 出版日期:2010-06-21 发布日期:2010-06-21
通讯作者: 董辛旻

Study on fault diagnosis for rotary machinery based on vector spectrum and Petri net

DONG Xin-min^1，2，HAN Jie²，SHI Lai-de¹，HAO Wei²

1.School of Mechanical Engineering，Tongji University，Shanghai 200092，China
2.Vibration Engineering Research Institute，Zhengzhou University，Zhengzhou 450002，China

Received:2008-12-16 Revised:2009-02-16 Online:2010-06-21 Published:2010-06-21
Contact: DONG Xin-min

摘要/Abstract

摘要： 讨论了矢谱融合技术和模糊Petri 网的相关理论，提出了基于矢谱和模糊Petri网的旋转机械故障诊断方法，建立了基于矢谱的旋转机械常见故障诊断Petri网模型。模拟实验结果表明：与基于单通道数据的诊断结果对比，矢谱和模糊Petri网应用于旋转机械常见故障进行诊断，可有效提高旋转机械故障诊断的准确率。

关键词: 旋转机械, 故障诊断, 矢谱, Petri网

Abstract: The vector spectrum and the fuzzy Petri net are discussed，the fault diagnosis method for rotary machinery based on vector spectrum and the fuzzy Petri net is put forward，and the diagnosis Petri net model is established.Engineering practice indicates that the fault diagnosis accuracy based on vector spectrum and the fuzzy Petri net is higher than that based on the information of single channel and the fuzzy Petri net.

Key words: rotary machinery, fault diagnosis, vector spectrum, Petri net

中图分类号:

董辛旻^1，2，韩捷²，石来德¹，郝伟². 基于矢谱和模糊Petri网的旋转机械故障诊断研究[J]. 计算机工程与应用, 2010, 46(18): 224-227.

DONG Xin-min^1，2，HAN Jie²，SHI Lai-de¹，HAO Wei². Study on fault diagnosis for rotary machinery based on vector spectrum and Petri net[J]. Computer Engineering and Applications, 2010, 46(18): 224-227.

[1]	林荣来，汤冰影，陈明. 适用于轴承故障诊断的数据增强算法[J]. 计算机工程与应用, 2021, 57(7): 269-278.
[2]	倪明，钱思源，杨善林. 废旧智能手机回收再利用业务流程仿真与优化[J]. 计算机工程与应用, 2021, 57(5): 258-263.
[3]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[4]	李雅，侯彦东，刘畅. 基于故障程度的自适应优化容错控制[J]. 计算机工程与应用, 2021, 57(23): 295-302.
[5]	钱文博，熊建斌，岑健，王颀，余得正，吴润杰. 建筑电气系统故障诊断综述[J]. 计算机工程与应用, 2021, 57(16): 27-39.
[6]	唐登平，蔡文嘉，邹立，胡翔，丁黎，王雪. 改进卷积神经网络在互感器故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(11): 239-247.
[7]	陆文星，王琥珀，王彬有. 基于赋时Petri网的景区游客分流研究[J]. 计算机工程与应用, 2020, 56(8): 241-248.
[8]	衷路生，刘东东. 多级神经网络的轴承故障诊断研究[J]. 计算机工程与应用, 2020, 56(7): 193-199.
[9]	杜小磊，陈志刚，许旭，张楠. 改进深层小波自编码器的轴承故障诊断方法[J]. 计算机工程与应用, 2020, 56(5): 263-269.
[10]	余萍，曹洁. 深度学习在故障诊断与预测中的应用[J]. 计算机工程与应用, 2020, 56(3): 1-18.
[11]	毛彪，杨松，李英顺. 改进动态因果图与模糊推理融合故障诊断方法[J]. 计算机工程与应用, 2020, 56(3): 259-265.
[12]	唐魏，郑源，潘虹，徐晶珺. 引入动态调节学习率的SAE轴承故障诊断研究[J]. 计算机工程与应用, 2020, 56(20): 264-269.
[13]	王卉，李英顺. 改进型证据更新规则的动态故障诊断算法[J]. 计算机工程与应用, 2020, 56(2): 261-265.
[14]	曹洁，赵伟吉，余萍，王进花. 改进鸟群算法优化PF的双馈发电机故障诊断[J]. 计算机工程与应用, 2020, 56(18): 229-237.
[15]	杨宇，曾国辉，黄勃. 基于双树复小波包和改进SVM的轴承故障诊断[J]. 计算机工程与应用, 2020, 56(17): 231-235.

基于矢谱和模糊Petri网的旋转机械故障诊断研究

Study on fault diagnosis for rotary machinery based on vector spectrum and Petri net

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics