基于LSTM的航空发电机整流电路诊断技术

作者： 陈文杰   崔江   来源： 电机与控制应用 年份： 2023 文献类型 ： 期刊 关键词： 整流电路   长短时记忆网络   电励磁双凸极发电机   故障诊断  

描述： 整流电路是航空发电机的重要组成部分，存在故障频发且维修困难等问题。为对电励磁双凸极发电机(DSEG)的整流电路进行故障诊断，研究了一种基于长短时记忆(LSTM)网络的故障诊断方法。首先，采集多种故障模式下发电机的三相电枢电流信号。其次，利用不同的信号处理方法处理故障信号以获取故障特征信息。然后，将获得的故障特征数据分为训练和测试样本输入LSTM网络进行故障分类。最后，计算并分析诊断结果。仿真与试验结果表明所提方法具有良好的故障诊断效果。

基于极限学习机的航空旋转整流器故障诊断技术研究

作者： 王潇雅   崔江   唐军祥   叶纪青   来源： 机械制造与自动化 年份： 2018 文献类型 ： 期刊 关键词： 极限学习机   航空发电机   旋转整流器   故障诊断  

描述： 航空发电机是航空电源系统的核心部件,针对目前应用于航空发电机旋转整流器故障诊断中的人工智能算法存在诊断速度慢、参数选取困难等问题,将极限学习机引入到航空旋转整流器故障诊断领域。以航空三级式发电机为例,分析了旋转整流器的故障模式,在Matlab/Simulink中建立发电机模型并模拟旋转整流器故障模式。实验结果表明,极限学习机具有较高的诊断精度。与传统的故障诊断方法相比,它具有更优的诊断效率。

一种基于改进堆栈自动编码器的航空发电机旋转整流器故障特征提取方法

作者： 崔江   唐军祥   龚春英   张卓然   来源： 中国电机工程学报 年份： 2018 文献类型 ： 期刊 关键词： 特征提取   航空发电机   旋转整流器   深度学习   灰色关联度分析   自编码机  

描述： 提出一种基于灰色关联度分析优化堆栈自动编码器的故障特征自适应提取方法,并用于航空发电机的旋转整流器二极管故障诊断中。首先,采集发电机交流励磁机励磁电流信号;其次,借助灰色关联度和深度学习理论对堆栈编码器网络进行训练学习,以确立其较优的网络结构,通过该网络可以自适应地从励磁电流信号中提取故障特征;训练完毕,借助于支持向量机(support vector machine,SVM)分类器实施故障诊断。对所提方法与快速傅里叶变换方法进行了仿真和物理实验,并对分类性能进行比较。结果表明,所提方法自动化程度高,自适应性能好,所提取的特征用SVM评估可以取得很好的分类效果。

一种航空发电机旋转整流器故障在线诊断技术

作者： 刘繁   崔江   林华   来源： 电机与控制应用 年份： 2022 文献类型 ： 期刊 关键词： 在线诊断   航空发电机   旋转整流器   快速傅里叶变换  

描述： 利用快速傅里叶变换(FFT)研究了一种角度轨迹监测技术，并将其用于航空发电机旋转整流器故障特征提取及在线诊断应用中。首先，连续采集发电机交流励磁机励磁电流信号，每相邻两次数据采集间隔同样的时间。其次，对每次采集的数据均进行FFT处理以获取故障特征信息，该过程在每两次数据采集的间隔内完成。每次处理得到的故障特征信息会形成连续的变化轨迹，通过对该轨迹的研究可以在线监测并诊断旋转整流器的故障模式。最后，通过试验对所提方法进行了验证。

一种航空发电机旋转整流器故障在线诊断技术

作者： 刘繁   崔江   林华   来源： 电机与控制应用 年份： 2022 文献类型 ： 期刊 关键词： 在线诊断   航空发电机   旋转整流器   快速傅里叶变换  

描述： 利用快速傅里叶变换(FFT)研究了一种角度轨迹监测技术，并将其用于航空发电机旋转整流器故障特征提取及在线诊断应用中。首先，连续采集发电机交流励磁机励磁电流信号，每相邻两次数据采集间隔同样的时间。其次，对每次采集的数据均进行FFT处理以获取故障特征信息，该过程在每两次数据采集的间隔内完成。每次处理得到的故障特征信息会形成连续的变化轨迹，通过对该轨迹的研究可以在线监测并诊断旋转整流器的故障模式。最后，通过试验对所提方法进行了验证。

基于极限学习机的航空发电机旋转整流器快速故障分类方法研究

作者： 崔江   唐军祥   张卓然   龚春英   王莉   来源： 中国电机工程学报 年份： 2018 文献类型 ： 期刊 关键词： 极限学习机   思维进化算法   航空发电机   旋转整流器   故障诊断  

描述： 航空发电机在现代多电和全电飞机的发展中将发挥越来越重要的作用,其重要部件的可靠性也是未来研究的重点。该文针对目前航空发电机旋转整流器(aerospace generator rotating rectifier,AGRR)的故障分类问题,提出了一种基于思维进化算法(mind evolutionary algorithm,MEA)的极限学习机快速分类技术。该方法通过MEA算法优化极限学习机的训练参数,以获取优化的识别模型,并将其应用于AGRR的故障分类中,取得了很好的效果。仿真和实验结果表明,经过优化的极限学习机与现有分类方法相比,具有很好的诊断性能和较高的分类速度。因此,该方法适合用于航空发电机旋转整流器的故障快速诊断和定位。