导读:本文包含了多重故障论文开题报告文献综述及选题提纲参考文献，主要关键词:风力机,轴承,多重分形,去趋势波动分析
多重故障论文文献综述
李洋,李春,杨阳[1]（2019）在《基于多重分形去趋势波动分析的风力机轴承故障诊断》一文中研究指出风力机传动轴轴承振动信号具有典型的非平稳和非线性特征,传统状态监测及故障诊断方法难以同时满足故障程度识别及部位诊断的需求。为此,针对定速轴承故障数据及变速的风力机轴承故障数据,采用多重分形去趋势波动分析方法,分析轴承在正常和不同故障状态下振动信号的多重分形特征,采用3种多重分形谱参数以表征振动信号的分形特征,结果表明:多重分形去趋势波动分析方法对于定速轴承和变速轴承均能进行有效的故障状态识别;轴承振动信号具有典型的多重分形特性,且较之正常状态,故障状态下多重分形特性更为明显,多重分形谱函数峰值对应的奇异指数更小,且当轴承处于内环故障时最小时,说明该参数可有效判断轴承运行状态及故障位置。因此,通过多重分形去趋势波动方法可获取故障特征参数,为风力机轴承故障诊断提供理论基础和实现途径。(本文来源于《太阳能学报》期刊2019年11期）
俞凯君,许子非,李春[2]（2019）在《单一分形与多重分形轴承故障识别算法的研究》一文中研究指出分形维是一种可以量化表征事物非线性特性的参数。本文首先介绍了单分形维数和多重分形维数。然后对采集到的高速轴承正常状态、内环及外环故障时振动信号作小波去噪处理;最后,利用编写的盒维数、关联维数及多重分形去趋势波动法算法,对去噪后的信号进行单一分形与多重分形轴承故障识别分析。结果表明:振动信号具有强多重分形特征,采用多重分形去趋势波动算法能良好识别轴承故障;对比分析可知,单一分形维在描绘非线性特征方面有局限性,多重分形在刻画动力学非线性特征方面具有一定的优点。(本文来源于《软件》期刊2019年10期）
许子非,李春,张万福,邓允河[3]（2019）在《基于自适应变分模态分解及多重分形谱的风力机轴承故障分析》一文中研究指出风力机齿轮箱轴承故障信号具有典型非线性及非平稳特性,采用自适应变分模态法对4种状态下振动信号进行分解,提出基于分形盒维数-峭度阈值法(Adaptived Variational Mode Decomposition,AVMD)对处理所得分量进行筛选,选取富含故障信息的分量进行信号重构,采用多重分形去趋势波分析方法,分析重构信号的分形特征并识别其工作状态,结果表明:基于多重分形去趋势波分析法对非稳定轴承可进行有效地故障识别;轴承振动信号具有典型分形特征,在不同时间尺度下,标度指数、广义Hurst指数与多重分形谱均可反应轴承工作状态;3种多重分形谱参数对故障类型敏感度不同,谱函数最大值对应的奇异指数对内圈故障较为敏感,峰值占比对外圈故障较为敏感,分形谱宽对滚珠故障较为敏感。(本文来源于《热能动力工程》期刊2019年09期）
姚琦[4]（2019）在《光纤管道多重故障的网络生存力》一文中研究指出本文研究了光纤管道的多重故障。我们研究了它们对网络和几种通用弹性方案的影响,并得出结论,这种影响是显着的,特别是对大型网络。在网络设计和运行中需要考虑多重故障。为此,我们开发了一个框架来分类多个故障的恢复。(本文来源于《通讯世界》期刊2019年08期）
陈文彬[5]（2019）在《基于DTS仿真系统的电网多重故障仿真研究与应用》一文中研究指出电网多重性故障是指电网同时或者相继发生多个故障,多重性故障的发生对电网的冲击较大,这就要求调度人员能够在较短的时间内处理故障,维持电网的稳定运行。因此电网多重性故障仿真也成为调度日常培训的重要环节之一。研究以惠州电网调度员仿真系统(以下简称DTS系统)建设的实际历程为背景,对电网多重性故障仿真过程中涉及的故障类型、保护维护、稳控配置以及时序设定等问题进行阐述和剖析,并以电网实际案例在DTS仿真系统仿真加以论证。(本文来源于《自动化应用》期刊2019年07期）
马占友,曹建,于向然,郭闪闪,陈利[6]（2019）在《带不耐烦顾客和工作故障的多重休假排队系统》一文中研究指出【目的】为了拓展随机排队理论,在M/M/1多重休假排队模型的基础上,引入不耐烦顾客和工作故障策略,建立了一个新的排队模型。【方法】构建系统稳态下的平衡方程,运用母函数法求解,推导出服务台处于不同状态时系统中顾客数的概率母函数,进而得到系统稳态下平均队长等性能指标的表达式,通过数值举例分析系统参数与系统性能指标的关系。基于博弈论知识,构建效用函数优化模型,分析顾客的均衡策略以及社会最优策略。【结果】建立并分析了带有不耐烦顾客和工作故障的多重休假排队系统。【结论】为现实排队中服务商和顾客提供风险预测和决策评估。(本文来源于《重庆师范大学学报(自然科学版)》期刊2019年04期）
张鑫,赵建民,倪祥龙,李海平,宋卫星[7]（2019）在《基于多重分形降趋算法与改进的K均值聚类滚动轴承故障诊断》一文中研究指出针对滚动轴承振动信号非线性、非平稳的特点,提出采用多重分形降趋算法计算多重分形谱参数作为特征参数,对比分析了多重分形降趋波动分析法及多重分形降趋移动平均法提取轴承故障特征的优劣性.并提出改进的K均值聚类分析对多重分形降趋算法提取的特征参数进行分类,从而实现轴承故障诊断的目的.运用滚动轴承公开数据对方法进行验证,提取时域特征与多重分形谱参数进行对比分析,并对两种多重分形降趋算法的效果进行对比分析,验证了多重分形降趋波动分析法与改进K均值聚类相结合对轴承故障诊断的有效性,为轴承故障诊断方法提供了一种新的尝试.(本文来源于《北京理工大学学报》期刊2019年05期）
杨俊杰,刘思扬,孙旭,杨其宇,徐维超[8]（2019）在《多重交错并联开路电路故障检测》一文中研究指出多重交错并联电路被广泛用于风机、光伏发电、电动汽车等领域。该拓扑结构具有电流波纹小、传输效率高以及功率因数小等优点。但该结构中的支路一旦发生开路故障,系统的性能则严重下降。为有效识别出该电路的开路故障以便进行容错控制,该文提出一种能同时判别出多个故障支路的故障诊断算法,将传统的单相故障检测推广到多相。该算法根据多重交错并联电路的结构特点预测出支路电流,使用最小二乘法对输入电流和预测的支路电流进行求解,可以得到每一相支路的工作状态,从而识别出电路的故障位置。实验以及仿真结果证明了该算法的有效性,以及对噪声的鲁棒性。(本文来源于《中国电机工程学报》期刊2019年11期）
杜力,王祯[9]（2019）在《一起小电流接地系统多重故障的分析》一文中研究指出针对一起小电流接地系统单相接地引起的多重故障,着重分析了故障的发生的原因,发现在改造过程中,检修人员未能正确理解TV二次回路接线原理,造成误接线,产生了寄生回路,35 kV长信变出现接地点,引起JS变电站母线接地,在出现接地现象后,运维人员在检查现场设备情况时,未能在第一时间发现35 kVⅡ母TV高压保险B相熔断的情况,给故障处理增加了困难,拖延了故障处理的进程,应加强改建二次设备的审查和验收,及时更换老旧设备强化变电设备状态检修等方法,对同类设备的运维管理有较强的借鉴意义。(本文来源于《农村电气化》期刊2019年02期）
金明亮,李会新,谢俊,杨增力,郭明宇[10]（2019）在《基于规则式的多重故障诊断及最优送电路径策略》一文中研究指出为了提高电网多重故障诊断的准确性,提出一种基于多系统数据信息融合的故障诊断算法。通过对故障全过程的数据特征进行分析,以故障数据与电网结构图为基础对一次设备进行建模,形成断路器、线路、母线、主变诊断模型。对来自不同信息源(SCADA、保信系统、录波联网系统)的数据进行统一处理,形成故障全过程智能诊断数据源,并以此为基础进行深度数据融合,提升信息的质量。充分利用故障后的断路器状态和电气量信息,对故障进行精确诊断,确定故障区域,然后,采用基于规则式的故障恢复路径算法,给出快速恢复供电的最优的路径。该系统运行情况表明,所提出的方法具有较强的实用性。(本文来源于《电力系统保护与控制》期刊2019年04期）
多重故障论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
分形维是一种可以量化表征事物非线性特性的参数。本文首先介绍了单分形维数和多重分形维数。然后对采集到的高速轴承正常状态、内环及外环故障时振动信号作小波去噪处理;最后,利用编写的盒维数、关联维数及多重分形去趋势波动法算法,对去噪后的信号进行单一分形与多重分形轴承故障识别分析。结果表明:振动信号具有强多重分形特征,采用多重分形去趋势波动算法能良好识别轴承故障;对比分析可知,单一分形维在描绘非线性特征方面有局限性,多重分形在刻画动力学非线性特征方面具有一定的优点。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多重故障论文参考文献
[1].李洋,李春,杨阳.基于多重分形去趋势波动分析的风力机轴承故障诊断[J].太阳能学报.2019
[2].俞凯君,许子非,李春.单一分形与多重分形轴承故障识别算法的研究[J].软件.2019
[3].许子非,李春,张万福,邓允河.基于自适应变分模态分解及多重分形谱的风力机轴承故障分析[J].热能动力工程.2019
[4].姚琦.光纤管道多重故障的网络生存力[J].通讯世界.2019
[5].陈文彬.基于DTS仿真系统的电网多重故障仿真研究与应用[J].自动化应用.2019
[6].马占友,曹建,于向然,郭闪闪,陈利.带不耐烦顾客和工作故障的多重休假排队系统[J].重庆师范大学学报(自然科学版).2019
[7].张鑫,赵建民,倪祥龙,李海平,宋卫星.基于多重分形降趋算法与改进的K均值聚类滚动轴承故障诊断[J].北京理工大学学报.2019
[8].杨俊杰,刘思扬,孙旭,杨其宇,徐维超.多重交错并联开路电路故障检测[J].中国电机工程学报.2019
[9].杜力,王祯.一起小电流接地系统多重故障的分析[J].农村电气化.2019
[10].金明亮,李会新,谢俊,杨增力,郭明宇.基于规则式的多重故障诊断及最优送电路径策略[J].电力系统保护与控制.2019