基于EMD和分形维数的转子系统故障诊断

提出了一种基于EMD方法和分形维数的转子系统故障诊断方法。利用EMD方法将转子振动信号进行分解,得到若干个基本模式分量,然后将包含主要故障信息的几个基本模式分量相加得到降噪后的转子振动信号,求得降噪后的转子振动信号的分形维数。试验数据的分析结果表明,在不同的故障状态下,采用EMD方法对转子振动信号降噪后求得的分形维数是不同的,从而可以通过分形维数的大小有效地判断转子系统的工作状态和故障类型。     

基于小波包与关联维数的阀片故障诊断

结合了小波包降噪和关联维数对某往复压缩机阀片故障做了定量识别。实测阀片在正常和磨损两种工况下的振动信号,用小波包对信号进行降噪处理后,用改进的关联维数算法分别计算两个信号的关联维数。实例表明:小波包降噪能明显地滤除噪声,阀片在正常和磨损两种工况下的关联维数明显不同,关联维数可作为阀片故障特征的定量提取。     

关联维数方法在转子系统载荷类型识别中的应用

针对传统载荷大小识别在应用上的局限性,利用分形理论中的关联维数,对单跨转子系统的响应振动信号进行定量特征提取,实现转子系统的载荷类型识别。在正弦、稳态、线性、冲击4种类型载荷作用下,对不同测点的不同方向的实测振动信号,利用改进阈值处理函数进行降噪,通过作图法选定几个重要参数,计算降噪后信号的关联维数,对载荷的类型进行判断识别。结果表明:在4种类型载荷下,对振动信号进行关联维数计算,可以实现定量的特征提取,关联维数的结果具有明显的分段性,能够实现4种不同载荷类型的有效识别。     

基于关联维数的铁路货车滚动轴承故障诊断

将关联维数用于定量刻划滚动轴承在不同工作状态下的振动特征,进而对故障分类。同时提出用小波分析对原始数据进行降噪处理。文中以铁路货车轴箱197 726双排圆锥滚子轴承为例,计算了正常轮对、滚子损伤和外圈剥离三种情况下降噪处理前后振动信号的关联维数,分析结果表明,滚动轴承不同工作状态下的关联维数有明显差别,因此可以将关联维数作为识别滚动轴承故障的特征量。     

EMD降噪和关联维数相结合在滚动轴承故障诊断中的应用

针对滚动轴承产生的非线性振动信号的特点,提出将EMD降噪和关联维数相结合来描述轴承工作状态进而对其进行故障诊断的方法.通过实验定量计算出EMD降噪前后滚动轴承正常工况和不同部件故障时的关联维数值,结果表明,经EMD降噪处理后,不同模式下的关联维数具有明显的可分性和严格的区间范围,可以作为智能监测与诊断的参考依据.     

基于小波包分解和分形理论的齿轮故障诊断系统

将采集到的信号经过小波包降噪后再由小波包分解成几段,计算每段的关联维数,利用分形分类理论对待测信号进行状态识别,判断齿轮的故障。     

基于MCKD和VMD关联维数的轴承故障特征提取AR模型

针对滚动轴承早期故障易受噪声影响难以准确提取特征信息的问题,提出了一种基于最大相关峭度解卷积(MCKD)和变分模态分解(VMD)关联维数的故障诊断AR模型.采用MCKD对滚动轴承振动信号进行降噪处理,滤除噪声影响;对降噪后的信号进行VMD分解,选择对故障特征敏感的IMF分量进行信号重构,并对重构信号建立AR模型,获取自回归参数;计算在指定嵌入维数上自回归参数的关联维数,对滚动轴承的故障进行诊断.实验结果表明,所提方法能够有效提取故障信号中的特征信息,证明了方法的有效性.     

基于混沌分形理论的传动轴振动信号分析

将混沌分形引入传动轴振动信号的故障分析中，用关联维数来刻画振动信号的故障特征。通过对试验获取的传动轴振动信号进行分析计算，确定了分形维数与传动轴故障程度之间的联系。计算表明，传动轴振动信号具有分形特征，且分形维数均在2维与3维之间，随着传动轴不平衡加剧，它向3维逼近。当样本点达到一定数目时，计算结果的稳定性好。     

基于分形和小波包理论的滚动轴承故障诊断

为了提高滚动轴承故障分形诊断的准确性,利用仿真信号对不同数据长度和不同信噪比下信号的盒维数和关联维数的差异进行对比,发现两种分形维对不同信号具有不同适应性;利用基于小波包分解能量图的特征信号强化技术,突出含噪轴承振动信号的故障信息特征,并对消噪前后振动信号盒维数进行计算和对比。分析结果表明,分形盒维数比关联维数更适用于分析含噪较重的信号;滚动轴承故障振动信号盒维数小于正常信号盒维数;相比原始信号,经小波包提取后不同类型故障振动信号的盒维数区分更为明显,诊断结果更加准确直观。     

影响往复式压缩机关联维数提取的因素分析

论述了相空间重构方法影响振动信号关联维数准确性的因素。通过小波包改进算法对信号降噪,利用自相关函数法和伪相图法结合技术选择时间延迟和最近邻域发散度法确定嵌入维数,并将此法应用在较难识别的往复式压缩机轴瓦与十字头故障征兆中,获得较均一稳定的关联维数,验证了此法的准确性和有效性。     

VMD的AR模型和关联维数在齿轮故障特征提取中的应用

针对齿轮故障信号的非线性及常伴有大量噪声干扰的问题,提出一种基于变分模态分解(VMD)的自回归(AR)模型和关联维数相结合的故障特征提取方法。该方法采用VMD将齿轮振动信号分解为一系列固有模态函数(IMF),通过频域互相关系数准则选取对信号特征敏感的IMF分量进行信号重构,对重构信号建立AR模型,并以AR模型自回归参数的关联维数作为特征量对齿轮的工作状态和故障类型进行识别。通过实测齿轮振动信号的分析,证明了所提方法的有效性。     

基于关联维数的滚动轴承故障诊断的研究

针对滚动轴承系统产生的非线性振动信号的特点,提出用关联维数来描述轴承振动信号的工作状态,进而对其进行故障诊断的方法。同时详细讨论了关联维数的计算方法,并对由轴承系统产生的非线性振动信号进行了关联维数的定量计算。实验表明,滚动轴承不同工作状态由不同的动力学机理产生,其关联维数明显不同。以关联维数作为滚动轴承的工作状态监测的依据,可以为提高滚动轴承故障诊断的准确率提供了一种有效的新方法。     

基于分形理论的斯太尔汽车发动机故障诊断的研究

研究了斯太尔汽车发动机气缸在不同状态下的关联维数，给出了获得反映其真实状态的关联维数方法。研究结果表明：该发动机气缸振动的时间序列在不同状态下关联维数不同，可以将其关联维数作为识别其状态的特征量，给出了利用分形理论判断斯太尔汽车发动机气缸状态的判椐。     

分形维数在内燃机振动诊断中的应用

将分形理论引入内燃机的振动诊断中,根据内燃机的配气定时,着重研究了缸盖振动信号中对应燃烧段的数据,计算其关联维数,将关联维数用于刻划内燃机缸盖在气门不同状态时表现的非线性行为,从而进行故障诊断与分类。结果表明,当气门在不同状态时,缺盖振动信号中对应燃烧段数据的关联维数是不同的,可以将其作为判断气门漏气的一个诊断特征量。     

基于广义维数的故障特征提取及诊断研究

从分形原理出发，以广义维数理论为基础，建立以振动信号的广义维数、广义维数谱图、敏感维数为特征组的模式空间样本库。一方面，通过计算实测信号的广义维数，提取其敏感维数，进而对实测信号的裂纹故障进行诊断识别。另一方面，通过对待检信号与不同裂纹深度信号的广义维数相关系数计算、分析、比较，可估计出待检信号的裂纹深度，说明广义维数相关系数分析方法，能对圆盘的裂纹故障进行较好地定量分析和识别。     

Diesel Engine Valve Clearance Fault Diagnosis Based on Features Extraction Techniques and FastICA-SVM

Numerous vibration-based techniques are rarely used in diesel engines fault diagnosis in a direct way, due to the surface vibration signals of diesel engines with the complex non-stationary and nonlinear time-varying features. To investigate the fault diagnosis of diesel engines,fractal correlation dimension, wavelet energy and entropy as features reflecting the diesel engine fault fractal and energy characteristics are extracted from the decomposed signals through analyzing vibration acceleration signals derived from the cylinder head in seven different states of valve train. An intelligent fault detector FastICA-SVM is applied for diesel engine fault diagnosis and classification.The results demonstrate that FastICA-SVM achieves higher classification accuracy and makes better generalization performance in small samples recognition. Besides,the fractal correlation dimension and wavelet energy and entropy as the special features of diesel engine vibration signal are considered as input vectors of classifier Fast ICASVM and could produce the excellent classification results.The proposed methodology improves the accuracy of feature extraction and the fault diagnosis of diesel engines.     

发电机绕组故障时振动的关联维数分析及诊断

运用分形理论的相空间重构算法,分析了发电机在正常运行、转子励磁绕组短路和定子绕组故障3种状态时定转子振动信号的关联维数。分析结果表明,3种状态具有不同的关联维数,揭示了绕组短路的电气故障不仅引起发电机电气参数的变化,也将引起发电机振动特征的变化,且不同绕组故障对气隙磁场畸变效果不同,引起发电机定转子不同的动力学特性。最后,以定子振动的关联维数作为特征向量输入到BP网络中,将实测M JF-30-6型故障模拟发电机的定子振动的关联维数作为样本,通过学习样本的学习和对测试样本的测试分析的结果表明,该诊断方法能正确识别发电机的3种状态。     

基于LabVIEW与EMD的工业缝纫机故障诊断

应用LabVIEW结合Matlab软件设计了一套工业缝纫机振动测试系统,为准确提取机器的故障信号,根据其非旋转式运动的特点选用了经验模式分解（EMD）分析的方法,应用RBF神经网络利用EMD各频段的能量。关联维数、信息熵等建立了特征向量到故障模式之间的映射实现故障的诊断。结果表明,所述的处理方法是可行的。     

基于小波分形技术提取发动机曲轴轴承故障特征

利用小波技术对发动机曲轴轴承振动信号进行分解,对特定层的信号进行重构,并计算重构信号的分形维数,来实现发动机曲轴不同技术状态下特征提取。实验结果表明,特定频率带振动信号的分形维数更能敏感反应发动机曲轴轴承技术状态,它可以作为诊断发动机曲轴轴承故障的一个重要特征量。