基于连续小波变换的汽轮机转子振动信号矩特征研究

基于小波分析良好的时频功能,分析了汽轮机转子振动信号的连续小波变换系数,利用图像处理与识别技术中的统计特征参数--矩向量来描述连续小波变换灰度图,并将其应用于汽轮机转子振动故障信号的特征提取之中.然后,对几种典型振动及一些耦合振动故障的信号进行了分析与计算,结果表明灰度图的矩向量可以较好地展现小波灰度图的局部化信息,能够有效地提取信号的特征,可以利用其来区分振动故障.     

基于EMD-WVD振动谱时频图像SVM识别的内燃机故障诊断

为了充分提取基于内燃机振动信号形成的振动谱时频图像的二维时频信息,实现基于内燃机振动谱时频图像特征自动提取及识别,提出了一种基于EMD-WVD(EMD-Wign-er-Ville Distributions)振动谱时频图像SVM识别的内燃机故障诊断方法。该方法利用二进制小波对振动信号进行预处理,然后利用EMD-Wigner-Ville时频分布生成不同工况下振动信号的时频图像,并通过提取振动信号的EMD-WVD振动谱时频图像的不变矩特征形成诊断特征向量,利用一种基于类识别率排序的二叉树SVM分类器进行模式识别。在BF4L1011F型内燃机上进行了6种不同工况下气门故障模拟试验,诊断结果表明总体诊断正确率为98.57%。     

基于时频谱图和粗糙集的柴油机故障图像纹理特征自动提取

将图像纹理特征提取技术引入到柴油机连杆轴承磨损故障诊断中,首先采用连续小波变换对柴油机连杆轴承振动信号进行时频分析,为了减少循环波动的影响,将三个工作循环信号的时频分布平均为一个工作循环信号的时频图;然后将不同磨损工况的时频分布图转化为灰度图像,提取基于灰度共生矩阵四个角度的图像纹理特征参数;最后利用变精度粗糙集理论提取与故障程度强相关的特征参数。诊断实例表明:灰度共生矩阵能够反映柴油机连杆轴承不同磨损工况,变精度粗糙集可以从中提取出与故障程度强相关的五个关键参数用于分辨连杆轴承的四种磨损工况,小波时频图像特征提取和变精度粗糙集相结合能实现连杆轴承故障特征的自动提取。     

模糊函数图像与概率神经网络在柴油机气阀故障诊断中的应用

本文将柴油机缸盖表面振动信号的模糊函数结果在频偏一时延相平面上用灰度图表示出来，得到一系列模糊函数图像。对此图像进行归一化处理，降低维数，再采用概率神经网络对模糊函数图像进行分类，从而将气阀机构的故障诊断转换为模糊函数图像的分类识别。试验结果表明，利用模糊函数图像和概率神经可以取得很好的诊断结果，识别正确率可达95％，当训练样本比较充足时，识别正确率可达100％。     

轮槽铣削振动监测及切削参数优选方法初探

文章以汽轮机转子轮槽铣削的粗加工、半精加工、精加工过程为研究对象,利用激光位移传感器对切削过程的振动进行测量,通过信号处理器计算得到数据,输出受力和振动图像,并提取相应的特征信号(功率谱密度PSD、频谱RMS、峰峰值),对发生振动的数据进行辨识处理。最后,建立切削工艺参数和振动特征信号的关系,为相应的工程需要提供技术支持。     

时频分析与支持向量机在柴油机气阀故障诊断中的应用

用锥形核时频分布对柴油机气阀机构8种状态下的缸盖表面振动信号进行了时频分析,将时频分析结果用灰度图像显示出来。对时频图像进行归一化处理,然后采用支持向量机直接对归一化后的图像进行分类,从而将气阀机构的故障诊断转换为对时频图像的识别。试验结果表明,支持向量机不需要先对时频图像进行特征提取就可以取得比较好的分类效果。将多类分类问题分解为多个两类分类问题时,根据整体的分类效果对支持向量机进行参数优化可以得到更高的分类正确率。     

基于振动谱时频图像特征及SVM参数同步优化识别的内燃机故障诊断

为实现内燃机振动谱时频图像特征的自动提取及识别,提出了一种基于振动谱时频图像特征优选及SVM(support vector machine)同步优化识别的内燃机故障诊断新方法.该方法首先采用小波包生成内燃机振动谱时频相平面图,然后从内燃机振动谱图像的形状特征、灰度统计特征和纹理特征来提取特征参数,最后将支持向量机引入内燃机振动谱图像识别中,并针对机械振动谱图像特征参数优选问题,以及SVM的核函数及核函数参数选择问题,提出了基于免疫克隆选择机理的特征选择和SVM参数同步优化算法.内燃机故障诊断实例表明,所提方法故障分类准确率达到了98.92%,验证了该方法的有效性.该方法为实现内燃机振动谱图像特征的自动提取及识别探索了一条新途径.     

基于时频谱图与图像分割的柴油机故障诊断

将图像分割理论引入柴油机故障诊断中,提出一种基于时频谱图、图像分割和模糊模式识别的柴油机故障诊断新方法.首先利用二进小波对柴油机缸盖振动信号进行预处理,然后用时频谱图对柴油机气门机构4种状态下的缸盖表面振动信号进行时频分析,并将谱图结果根据图像分割理论对其等高图进行分割,最后通过选取分割后图像的特征体质心位置、特征体面积、数目和熵作为特征参数,并利用模糊C均值聚类对图像进行分类识别.试验结果表明,新方法提取的振动信号图像几何特征与形状特征参数能充分反映柴油机气门工作状态的信息,对不同类型的气门故障均能正确诊断.     

振动信号在内燃机无损检测中的应用研究

振动信号的测量和分析是一种有效的无损检测发动机故障的方法,本文利用缸盖表面振动信号实现了各缸燃烧差异的快速诊断。为了便于提取故障特征信息,根据发动机的工作过程编写了模拟软件,来区分各激励源。利用时频分析的方法对一个工作循环内的信号进行处理,通过对比时频域上各缸信号的特征来提取故障特征信息。发动机的拆解检验表明,诊断的结果准确,另外这种特征信息提取的方法不需要建立数据库,通过对比各缸的同类信号即可实现,简单易行。     

光伏热斑图像有效区域分割算法研究

根据光伏热斑图像的特征提出一种基于局部统计特征的有效区域分割算法。以图像局部标准差衡量图像局部灰度一致性,标记图像中局部灰度一致性高的区域,提出基于矩形尺寸及矩形内部有效区域比例的区域判别方法对背景区域进行去除,应用形态学运算处理所得区域,得到最终分割结果。实验结果表明:该算法可准确、有效地对光伏热斑图像有效区域进行分割,且效果优于边缘检测和区域生长算法。     

基于多尺度深度卷积网络特征融合的滚动轴承故障诊断

针对传统滚动轴承故障诊断模型对工程先验知识依赖性强、提取特征不充分、分类器选取困难等问题,提出一种基于多尺度深度卷积网络特征融合的滚动轴承故障诊断模型。首先,建立集特征提取与模式识别于一体的卷积神经网络模型,利用小波变换将滚动轴承振动信号转换为二维图像作为输入样本集。然后,在网络结构中构建多尺度特征融合模块自适应提取故障样本不同层级特征,以实现样本不同尺度特征的充分提取。最后,将故障样本输入到网络中实现轴承信号特征自适应提取及端到端诊断。实验结果表明,所提基于多尺度深度卷积网络特征融合的故障诊断模型能充分提取信号各层级特征,在不同噪声干扰下具有较高的诊断精度和鲁棒性,可为滚动轴承故障诊断提供理论基础和实现途径。     

HHT与RBF神经网络在离心泵故障振动信号处理中的应用

根据离心泵故障振动信号的特点,提出了一种Hilbert-Huang变换(HHT)和径向基(RBF)神经网络相结合的离心泵振动信号故障诊断新方法。首先,将离心泵振动信号时间序列数据经验模态分解(Empirical Mode Decomposition,简称EMD),然后经过Hilbert-Huang变换获得各模态(Intrinsic Mode Functions,简称IMF)的能量,并以“能量比”为元素,利用能量比构造离心泵振动信号的特征向量可以很好刻画不同振动故障信息;应用RBF神经网络建立了从特征向量到故障模式之间的映射实现故障的诊断,对于离心泵的正常状态、质量不平衡、转子不对中和基础松动故障具有很高的诊断率。实验研究结果表明,该方法可以有效地对离心泵振动信号进行诊断。     

模糊函数图像在柴油机气阀故障诊断中的应用研究

计算了柴油机气阀机构8种状态下的缸盖表面振动信号的模糊函数，将结果在频偏时延相平面上用灰度图表示出来，得到了一系列模糊函数图像。选取一部分模糊函数图像进行平均，得到了各种状态的标准模糊函数图像，再根据图像之间的欧氏距离、相似度和J-散度等6种指标对模糊函数图像进行分类，从而将气阀机构的故障诊断转换为模糊函数图像的分类识别。试验结果表明，利用模糊函数图像可以取得很好的诊断结果，6种指标中欧氏距离和相似度两种指标的抗干扰能力比较强，更适合于作为模糊函数图像的分类指标。图像平均可以有效地提高故障诊断的正确率。     

基于S-SLLE的风电机组齿轮箱故障诊断方法研究

针对风电机组齿轮箱结构复杂、受交变载荷和恶劣工作环境影响容易出现故障导致停机的问题,提出基于统计学K-均值聚类理论的统计型监督式局部线性嵌入流形学习（S-SLLE）特征维数约简方法,首先通过对齿轮箱振动信号时频域故障特征提取,剔除冗余特征向量,减少诊断模型的复杂度和计算量,再利用RBF核支持向量机分类器建立诊断模型,对S-SLLE提取的特征向量进行分类识别,以提高故障诊断模型的识别率。最后利用MFS机械故障模拟综合实验系统进行齿轮箱多类振动故障实验,通过对其实验故障信号的分析处理,其诊断实例结果验证了提出的S-SLLE RBF-SVM诊断模型能准确有效地进行风电机组齿轮箱故障诊断识别。     

基于第二代小波变换的转子碰摩故障特征提取方法

为了能够提取隐含在振动信号中的故障特征,利用第二代小波对称、紧支撑和冲击振荡衰减的特点,有效地提取具有冲击响应特性的故障特征。实验证明,即使采用较小支撑区间的此类小波,也可获得理想的效果。另外,为了获得与原始信号相同的时间分辨率,采用单支重构的方法分别对逼近信号和细节信号处理,得到了转子碰摩故障的时域响应特征,为故障诊断和预示提供了一种分离故障时域特征的方法。     

尺度一小波能量谱在内燃机故障诊断中的应用

为了对内燃机气门及活塞一连杆组故障进行有效地诊断，通过试验测取内燃机在不同故障下的振动信号，利用连续小波变换得到信号在尺度上的平均能量分布，即信号的平均尺度一小波能量谱。根据不同故障下振动信号在尺度上的能量分布差异，提出了基于尺度一小波能量的标准特征向量，并以此作为标准，结合欧氏距离方法，对待检故障信号进行诊断，定量判断出了内燃机的故障类型，取得了很好的结果，该方法为内燃机故障诊断提供了一种有效途径。