基于局部边缘判别投影的机械故障诊断方法

针对故障特征集维数过高的问题,提出一种基于局部边缘判别投影(locality margin discriminant projection,简称LMDP)的故障数据集降维算法。该算法定义了局部类间相似度和局部类内相似度,使相邻的异类在低维空间中离的更远、相邻的同类样本在低维空间中离的更近。分别提取转子振动信号的时域和频域统计特征,组成原始故障特征集;通过LMDP算法对原始特征集进行特征融合,选择出其中最能反映故障内在信息的低维敏感特征子集;将得到的低维特征子集输入到K近邻(K-nearest neighbor,简称KNN)分类器中进行训练和故障分类。通过2个不同型号的双跨度转子系统采集的振动信号集合验证了该方法的有效性。     

关键词

<正>数字760亿元2010年10月26日,国家开发银行(简称国开行)与中国长江三峡集团公司(简称三峡集团)在北京签署合作协议。根据这份合作协议,自2010-2015年期间,国开行将向三峡集     

基于流行-IMF奇异值熵的转子故障特征提取方法

针对转子振动信号的非平稳性以及微弱故障特征难以提取的问题，提出一种基于集合经验模式分解(ensemble empirical mode decomposition，简称EEMD)的奇异值熵和流形学习算法相结合的故障特征提取方法。首先，对原始振动信号进行EEMD分解，得到若干本征模态函数(intrinsic mode function，简称IMF)分量，根据峭度 欧式距离评价指标选取故障信息丰富的敏感分量，组成初始特征向量，求其奇异值熵；其次，利用近邻概率距离拉普拉斯特征映射算法（nearby probability distance Laplacian eigenmap,简称NPDLE）对奇异值熵组成的特征矩阵进行降维处理；最后，将得到的低维特征子集输入到K-近邻(K-nearest neighbor，简称KNN)中进行模式辨识。用一个双跨度转子实验台数据集和Iris仿真数据集对所提方法进行了验证，结果表明，IMF奇异值熵和NPDLE相结合的方法可以有效地实现转子故障特征提取，提高了故障辨识的准确性。     

零件功能与GPS规范集相关性的评估方法

为了分析零件功能与产品几何技术规范(Geometrical Product Specification,简称GPS规范,亦称公差规范)集的相关性,提出一种基于模糊层次分析法(Fuzzy Analytic Hierarchy Process,简称FAHP)的零件功能与GPS规范集相关性评估方法。首先,利用层次分析法(Analytic Hierarchy Process,简称AHP),建立相关性评估的递阶层次模型,计算GPS规范的权重向量;然后,根据模糊综合评价法(Fuzzy Comprehensive Evaluation,简称FCE),计算GPS规范的隶属度,设计一种新的模糊算子;最后,通过多级模糊运算,获得相关性的定量评估结果。实例结果表明该方法合理、有效,能够准确评估零件功能与GPS规范集相关性大小。     

基于PPTSVD的桥梁移动荷载识别

为了改进时域法(time domain method,简称TDM)识别桥面移动荷载时存在的识别精度受测量噪声、响应类型及数量影响较大等缺陷,在截断奇异值分解(truncated singular value decomposition,简称TSVD)的基础上,提出了基于分段多项式截断奇异值分解(piecewise polynomial truncated singular value decomposition,简称PPTSVD)识别桥梁移动荷载。采用简化欧拉梁模型,由反演车辆荷载作用下桥梁的弯矩响应和加速度响应识别桥面移动荷载,得到了不同噪声水平下TDM,TSVD与PPTSVD的识别结果。研究结果表明,与采用奇异值分解(singular value decomposition,简称SVD)进行常规降噪的TDM相比,采用TSVD识别移动荷载在识别精度和抗噪性能方面均有一定提高,且由TSVD改进的PPTSVD识别方法较前两种方法具有更加明显的优势;PPTSVD识别精度高、识别结果受响应类型及响应组合影响较小且具有良好的鲁棒性,更适用于桥梁移动荷载的现场识别。     

基于TGSVD的桥梁移动荷载识别及正则化矩阵选取

基于时域法(time domain method,简称TDM)识别移动荷载理论,通过引入正则化矩阵,提出采用截断广义奇异值分解法(truncated generalized singular value decomposition,简称TGSVD)识别桥梁移动荷载。比较不同正则化矩阵对TGSVD识别结果影响,并与TDM识别结果进行比较,两轴移动荷载识别结果表明,正则化矩阵选取对TGSVD识别精度、鲁棒性等影响较大。当正则化矩阵选取适当,TGSVD采用弯矩和加速度响应均具有较高识别精度且识别结果受噪声干扰小。在测点类型单一或测点数量较小时优势更为突出,适宜于现场移动荷载识别,具有较强的工程应用价值。     

一种基于Web的4CP集成支持系统的体系结构和支撑技术

针对当前企业CAD／CAPP／CAM／CAE／PDM(简称4CP)集成的需求以及传统4CP集成方式的局限，借鉴网络化制造的思想，提出了一种解决思路，即利用Web的4CP集成支持系统，为单独企业以及虚拟企业提供4CP集成支持，并对这样的集成支持系统从体系结构以及支撑技术两个方面进行了初步探讨。     

热力参数的KPCA-RBF网络建模及传感器故障诊断方法

针对复杂恶劣环境下机组热力参数的数据监测及传感器故障诊断问题,建立了融合机理分析、核主元分析(kernel principle component analysis,简称KPCA)与径向基神经网络(radial basis function,简称RBF)的发电机组热力参数预测及传感器故障检测模型。首先,根据机理分析得到完备的辅助变量集,并利用核主元分析提取辅助变量的特征信息以有效处理发电机组中高维、强耦合的非线性数据;其次,将主元变量集输入径向基神经网络进行学习,实现热力参数的重构;最后,基于预测模型与窗口移动法实现传感器的故障诊断,并对故障数据进行及时修复和准确替换。以燃气轮机排气温度为例进行验证的结果表明,该预测模型具有更高的精度和泛化能力,能在传感器故障发生初期及时发现并识别故障类型,检测效果优良。     

基于AVIDM系统建立核电设计与管理平台

中国核动力研究设计院(以下简称核动力院)是我国唯一集研究、设计、试验、运行及小批量生产为一体的核动力研究基地,为满足工作需要,核动力院于2003年底从北京神舟航天软件技术有限公司(简称神舟软件)引进了企业级协同设计系统(AVIDM3.0),并从2004年起开始应用.     

基于MCKD和LMD的滚动轴承早期故障诊断方法

针对局部均值分解(Local mean decomposition,简称LMD)方法难以提取滚动轴承早期微弱故障的问题,提出了基于最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,简称MCKD)和LMD的滚动轴承早期故障诊断方法。首先采用MCKD方法对故障信号进行降噪处理,同时增强信号中的周期成分,然后进行LMD分解,将得到的PF分量与分解前信号的相关系数作为判断标准,剔除多余低频PF分量,最后,选取有效PF集进行频谱分析,提取故障特征。通过仿真数据和真实滚动轴承故障诊断实验数据表明,该方法可有效提取早期故障特征频率信息,具有一定可靠性。     

双矢时域齿轮早期微弱故障特征增强及应用

信噪比低和源信息的缺失是造成早期微弱故障难以准确判定的主要因素,针对以此问题,提出一种双矢时域变换(dual vector time-time domain transform,简称DVTD)的方法,用于完备和凸显齿轮早期微弱故障特征。方法借用全矢原理实现相互垂直的双通道振动信号的融合,保证双矢信号源信息的完整。在此基础上,结合双时域变换理论,提取二维时间序列的主对角元素用以构建完整的、故障特征增强的时域振动信号。以风电机组齿轮箱为实验对象,提取表征信号波动强度的小尺度指数作为状态特征,验证了双矢时域变换的微弱故障特征增强特性及其在齿轮早期微弱故障识别中应用的有效性。     

三缸机传动系扭振试验研究和仿真分析

动力总成的传动系统扭振问题一直是汽车噪声、振动和声振粗糙度(noise,vibration and harshness,简称NVH)领域研究的热点和难点,针对某型三缸机中型多用途汽车(multi-purpose vehicles,简称MPV)高挡位低转速加速时车内振动和噪声问题,基于半消声室转鼓客观测试试验,运用传递路径分析方法,建立了传动系路径激励的识别方法。针对该三缸机动力总成,建立六自由度三缸机传动系扭振集总参数动力学模型,利用Matlab-Simulink软件进行仿真分析,实现了传动系扭振的准确预测和传动系扭振关键参数的分析。研究发现,传动系扭振受到发动机燃烧扭矩、发动机转速、传动系转动惯量和扭转刚度的影响显著,提出的传动系扭振前期开发策略为整车NVH性能的开发奠定了基础。     

集装箱卡车引导技术及其应用

为解决传统码头集装箱卡车(以下简称集卡)定位不准确的难题和自动化码头对集卡车无法引导定位的问题,特别引入了集卡引导技术,开发了集卡引导系统(CPS)。该系统与相关系统进行通讯,使各系统之间可以进行信息交互,CPS系统取得作业信息。对CPS系统硬件机构进行控制,通过3D激光扫描采集集卡数据信息,CPS系统软件进行自学习和数据比较计算,实现CPS系统智能化对集卡车进行引导定位。通过集卡引导技术的引进和应用,实现了集卡的智能化引导,提高了全自动轨道式集装箱龙门起重机的作业效率,促进自动化码头的发展。     

多相水平集协同空间模糊聚类图像多目标分割

图像多目标分割的研究对于机器视觉发展具有重要意义。多相水平集模型(Multiphase level set, MLS)对零水平集函数初始位置和噪声敏感,当初始位置不适宜、噪声较大时无法准确分割多目标。针对上述问题,提出一种多相水平集模型协同空间模糊C-均值聚类(Spatial fuzzy C-means, SFCM)的图像多目标分割算法,即SFCM-MLS算法。首先用空间模糊聚类获取图像多目标粗分割结果,然后用粗分割结果定义多相水平集模型的初始水平集函数对图像做精分割。针对人脑磁共振成像(Magnetic resonance imaging, MRI)图像和患有肿瘤的肝脏计算机扫描断层图像多目标分割试验结果表明,与经典多相水平集模型相比,SFCM-MLS算法对初始位置不敏感,提高了图像多目标分割的准确性。     

小波包去噪与改进HHT的微弱信号特征提取

为提取机械设备早期故障微弱信号特征频率,在对信号进行小波包降噪后,利用改进Hilbert-Huang变换(Hilbert-Huang transform,简称HHT)进行特征提取,通过经验模态分解(empirical mode decomposition,简称EMD)得到若干个固有模态函数(intrinsic mode function,简称IMF)后,利用IMF与EMD分解前信号的相关系数作为判断标准,剔除分解中产生的多余低频IMF,选取有效IMF集进行边际谱分析。改进HHT不仅可消除多余IMF的影响,还可节省Matlab计算内存,提高运算速度。     

机动目标跟踪的自适应网格交互多模算法改进

在机动目标跟踪的多传感器数据融合算法中,针对自适应网格交互多模算法(AGIMM)存在的不足,本文提出了两方面的改进(1)在网格中心和网格距离的计算中用当前时刻的预测概率代替前一时刻的后验概率,以减小误差;(2)模式集的选择,通过实时扩增的期望模式集E优化当前模式集M,使其更接近于目标真实运动模型.     

云模型和集成分类结合的故障数据不平衡学习

针对故障数据集不平衡而导致的误分类问题，在分析了不平衡数据对传统分类器影响的基础上，提出了一种基于高斯云模型正向、逆向云发生算法的样本再生成技术。首先，针对样本较少的类别，以现有样本特征值为逆向云算法的输入，计算出特征云模型的期望E_x、熵E_n和超熵H_e这3个指标；其次，以E_x,E_n和H_e为正向云发生算法的输入，衍生出数据量远大于原有样本的云滴(x_i,y_i)，采集若干云滴的x值作为新的样本特征值，补充了样本数量较少的类，在数据层面解决了不平衡问题；然后，借助集成极限学习机(ensemble extreme learning machine，简称E-ELM)对补充后的平衡数据集进行分类学习，在算法层面提高了最终的分类精度；最后，在一个滚动轴承故障数据集上验证了所提方法的有效性。     

基于TGSVD的桥梁移动荷载识别及正则化矩阵选取

基于时域法（time domain method ,简称TDM）识别移动荷载理论,通过引入正则化矩阵,提出采用截断广义奇异值分解法(truncated generalized singular value decomposition,简称TGSVD)识别桥梁移动荷载。比较不同正则化矩阵对TGSVD识别结果影响,并与TDM识别结果进行比较,两轴移动荷载识别结果表明,正则化矩阵选取对TGSVD识别精度、鲁棒性等影响较大。当正则化矩阵选取适当,TGSVD采用弯矩和加速度响应均具有较高识别精度且识别结果受噪声干扰小。在测点类型单一或测点数量较小时优势更为突出,适宜于现场移动荷载识别,具有较强的工程应用价值