导读:本文包含了不平衡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:电主轴,不平衡,灰度图像,纹理分析
不平衡故障论文文献综述
樊红卫,邵偲洁[1]（2019）在《基于灰度图像纹理分析的电主轴不平衡故障诊断方法》一文中研究指出针对转子不平衡,首次提出了基于灰度图像纹理分析的故障诊断方法。首先将转子振动信号转化为二维灰度图像,并利用局部二值模式提取灰度图像的纹理特征;通过二维傅里叶变换提取灰度图像的特征频率,并采用灰度图像二维矩阵的平方和来表征图像的明暗程度,由此来区分不同程度的不平衡故障。在某电主轴系统平台上,完成了转子正常和3种不同程度转子不平衡的故障诊断试验,结果表明所提出的方法能够有效区分不同程度的转子不平衡,为旋转机械的故障诊断提供了一种新方法。(本文来源于《制造技术与机床》期刊2019年11期）
齐伟强,田翠华,董健鹏,任志刚,聂卫刚[2]（2019）在《基于不平衡度差值的并联电抗器匝间短路故障检测方法研究》一文中研究指出并联电抗器发生轻微匝间短路时,其短路匝的循环电流可达额定电流的十几甚至几十倍,导致绕组绝缘损坏,但其相电压、电流等电气量变化较小,无法作为匝间保护的故障特征量。本文通过建立直接接地和经小电抗接地的并联电抗器数学模型,提取并联电抗器的端电压不平衡度和相电流不平衡度的差值作为表征匝间短路的新故障特征量。并仿真分析了并联电抗器匝间短路的故障检测算法,仿真结果验证了该算法的有效性。该检测算法是对现有的零负序故障检测算法的极大提高。该方法不需要计算电抗值,计算简单,准确度高。(本文来源于《电力电容器与无功补偿》期刊2019年05期）
李鹏飞[3]（2019）在《基于不平衡数据和神经网络算法的通信光缆故障预测分析》一文中研究指出光纤是通信网络的基础,承载着巨大的网络流量,一旦出现故障后影响较大。因此光缆故障预测是一个热门研究话题。论文针对该问题,基于光缆的基本参数和故障信息,采取神经网络模型进行故障分类。由于光缆故障是小概率事件,数据样本的类别分布存在不平衡问题,采取了SMOTE算法对不平衡数据进行处理,再通过分类模型进行分析研究。结果表明,预测模型总体的分类准确性为76.2%,对故障光缆的预测灵敏度为72.4%,效果比较好,能够给通信光缆运行维护工作提供一定的辅助作用。(本文来源于《信息系统工程》期刊2019年10期）
罗方芳,郭文忠,刘耿耿,陈国龙[4]（2019）在《类别不平衡的通信基站空调故障诊断》一文中研究指出为提高通信基站空调故障诊断的准确率,特别是小类样本故障的识别率,本文针对类别不平衡的数据集提出一种单隐层前馈多标签分类算法SLF-CIB.首先在特征空间的低秩假设上构建单隐层前馈神经网络.其次,在最小化误差损失阶段引入非对称阶式损失函数替代平方误差损失函数,通过截断参数和边界参数动态改善类别不平衡问题.根据SLF-CIB模型在训练过程的每一轮迭代的凸特性,应用交替方向乘子方法进行优化.测试过程中多标签输出层可提供故障源偏序向量为软故障的早期排查提供多维度的参考.在UCI标准数据集和通信基站空调数据集上的实验表明,SLF-CIB算法有效地提高了故障诊断精度特别是少数类的识别率.(本文来源于《小型微型计算机系统》期刊2019年10期）
李紫薇[5]（2019）在《风电机组风轮不平衡故障仿真》一文中研究指出针对风电机组风轮质量不平衡对风电机组运行特性影响问题,本文针对风轮不平衡故障的响应结果,结合传感器以及分析方法来检测风轮的不平衡。先进行风轮动力学模型,利用FAST软件输入一些基本参数,从带叶片传感器和无叶片传感器两个方面来分析桨距误差和质量不平衡对风电机组不平衡的影响,以及他们同时作用产生的影响,并提出一种检测算法来识别质量不平衡的叶片。该方法与以往的方法相比比较新颖,可以应用于质量不平衡的判别和质量不平衡的确定。(本文来源于《第十六届沈阳科学学术年会论文集（理工农医）》期刊2019-10-10）
韩斌,邓巍,杨正华,秦亮,赵文超[6]（2019）在《风力机叶轮气动不平衡故障诊断方法》一文中研究指出叶轮气动不平衡在风力机组运行过程中是不可避免的,如果叶轮气动不平衡量超出合理范围,风力机各部件将长期承载额外动载荷,直接影响其可靠性和寿命。文章研究了风力机叶轮气动不平衡的机理,建立叶轮气动不平衡理论模型,提出叶轮气动不平衡与质量不平衡的区分方法,确定叶轮气动不平衡将引起风力机在轴向、径向产生1倍叶轮转动频率的振动故障特征。实验室和风电场试验结果表明,上述方法可用于确定风力机叶轮气动不平衡故障。(本文来源于《船舶工程》期刊2019年S1期）
范雨强,崔晓钰,韩华,陆海龙,武浩[7]（2019）在《不平衡数据技术在冷水机组故障诊断中的应用》一文中研究指出数据驱动的冷水机组模型通常只用于专有对象,当涉及到一种不同类型的冷水机组时,需要大量的正常数据和故障数据训练一个新的模型,这既耗时又依赖大量数据,不利于冷水机组故障诊断技术在实际应用中的推广。本文的研究中,介绍了处理不平衡数据技术,探索将离心式冷水机组训练成一个能够诊断螺杆式冷水机组故障的新模型的可能性,即只需使用少量新数据即可。采用合成少数类过采样技术(SMOTE)对故障样本进行过采样,不平衡率为5%,然后使用支持向量机(SVM)用于故障诊断。通过对50%～400%的过采样率的研究,发现螺杆式冷水机组四种故障的过采样率为100%,诊断准确率达到96.70%。(本文来源于《工程热物理学报》期刊2019年06期）
兴成宏,李迎丽,张玲[8]（2019）在《转子不平衡故障在诊断中的有效应用》一文中研究指出通过现场故障诊断,分析和跟踪设备检修,准确诊断出设备故障。(本文来源于《设备管理与维修》期刊2019年11期）
赵凯[9]（2019）在《风轮不平衡特性分析与故障诊断方法研究》一文中研究指出风轮系统是风电机组进行能量转换的重要部分,其运行稳定性直接关系到风电机组的安全和效率,还会影响风电机组的发电量和发电质量。随着海上风电技术不断发展,使风电机组输出功率变得更大,塔架更高,叶片更长,而且海上风电机组运行环境更复杂,因此由质量不平衡、气动不平衡引起的风轮不平衡故障成为了威胁风电机组安全运行,影响风电机组性能的严重问题。因此,研究风轮不平衡特性及故障诊断方法来对其故障进行早期预警及故障诊断具有实用价值。针对风电机组风轮不平衡问题,本文根据空气动力学和结构动力学相关知识对风轮不平衡状态下的风电机组进行了载荷分析,推导了风轮不平衡对发电功率、风轮转速、输出转矩、风电机组振动和发电机电流的影响。基于Bladed搭建了3MW风电机组模型,并进行了风轮不平衡仿真分析,仿真包括等效不平衡质量块大小、不平衡质量块距轮毂中心距离、不平衡质量块初始位置角、单叶片桨距角偏差四个不平衡变量,分为5组对照,分析验证了不平衡变量对风电机组性能的影响,结果表明质量不平衡主要造成功率波动,引起较严重的机舱水平振动和扭转振动;气动不平衡主要使发电功率下降,引起机舱较严重的轴向振动。通过对基于正则化的动态载荷反求方法的研究,提出了一种基于正则化的风轮不平衡故障诊断方法,建立了该方法对风轮不平衡故障诊断流程,并对该方法进行了实用性验证。结果表明该方法能够比较准确的定位故障的位置和程度,并且在有噪声影响的情况下还能保持比较好的准确性。(本文来源于《沈阳工业大学》期刊2019-06-04）
孙永,孙勇,王磊,王洪博[10]（2019）在《水力不平衡故障诊断模型在抽蓄机组故障预警中的应用》一文中研究指出在抽水蓄能机组状态检修时,水力不平衡是一种较为常见水力因素故障。因此想要提前预警抽蓄机组此故障的发生,需要从抽蓄机组水轮机机械原理来分析水力不平衡现象,并针对机组运行特性给抽蓄机组水力不平衡的影响因素,特提出基于抽蓄机组水力不平衡故障诊断模型。通过在多个抽水蓄能电站的验证证明,该诊断方法能够有效地应用于水力不平衡的故障的检测及故障预警。(本文来源于《2019智能电网新技术发展与应用研讨会论文集》期刊2019-05-22）
不平衡故障论文开题报告
（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：
并联电抗器发生轻微匝间短路时,其短路匝的循环电流可达额定电流的十几甚至几十倍,导致绕组绝缘损坏,但其相电压、电流等电气量变化较小,无法作为匝间保护的故障特征量。本文通过建立直接接地和经小电抗接地的并联电抗器数学模型,提取并联电抗器的端电压不平衡度和相电流不平衡度的差值作为表征匝间短路的新故障特征量。并仿真分析了并联电抗器匝间短路的故障检测算法,仿真结果验证了该算法的有效性。该检测算法是对现有的零负序故障检测算法的极大提高。该方法不需要计算电抗值,计算简单,准确度高。
（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。
不平衡故障论文参考文献
[1].樊红卫,邵偲洁.基于灰度图像纹理分析的电主轴不平衡故障诊断方法[J].制造技术与机床.2019
[2].齐伟强,田翠华,董健鹏,任志刚,聂卫刚.基于不平衡度差值的并联电抗器匝间短路故障检测方法研究[J].电力电容器与无功补偿.2019
[3].李鹏飞.基于不平衡数据和神经网络算法的通信光缆故障预测分析[J].信息系统工程.2019
[4].罗方芳,郭文忠,刘耿耿,陈国龙.类别不平衡的通信基站空调故障诊断[J].小型微型计算机系统.2019
[5].李紫薇.风电机组风轮不平衡故障仿真[C].第十六届沈阳科学学术年会论文集（理工农医）.2019
[6].韩斌,邓巍,杨正华,秦亮,赵文超.风力机叶轮气动不平衡故障诊断方法[J].船舶工程.2019
[7].范雨强,崔晓钰,韩华,陆海龙,武浩.不平衡数据技术在冷水机组故障诊断中的应用[J].工程热物理学报.2019
[8].兴成宏,李迎丽,张玲.转子不平衡故障在诊断中的有效应用[J].设备管理与维修.2019
[9].赵凯.风轮不平衡特性分析与故障诊断方法研究[D].沈阳工业大学.2019
[10].孙永,孙勇,王磊,王洪博.水力不平衡故障诊断模型在抽蓄机组故障预警中的应用[C].2019智能电网新技术发展与应用研讨会论文集.2019