基于神经网络和高阶统计量的滚动轴承故障分类

提出一种基于高阶统计量特征和BP神经网络相结合的滚动轴承故障分类方法。以滚动轴承的高阶统计量(双谱、三阶累积量)以及一些常见的无量纲指标作为轴承故障特征输入,以BP神经网络作为分类器,成功地对滚动轴承4种不同的故障进行了分类。对比RBF神经网络,尽管BP神经网络的训练速度不快,但分类效果良好。研究表明,高阶统计量和BP神经网络相结合的滚动轴承分类方法是有效的。     

基于角结构统计量的MKECA间歇过程故障监测

针对间歇过程复杂非线性的特点,提出一种基于角结构统计量的多向核熵成分分析(MKECA)间歇过程监测方法。该方法首先将间歇过程数据进行标准化预处理,然后采用KECA提取间歇过程数据的主成分矩阵。研究表明,经过KECA投影后的主成分数据具有良好的角结构,因此利用主成分矩阵构造基于角结构的统计量,并且采用核密度估计算法计算其控制限。与传统的统计量相比,无需假设过程变量服从高斯分布。最后通过青霉素发酵的仿真平台和大肠杆菌实际生产过程验证,实验结果表明,相比于传统MKPCA方法,能够有效利用主成分的结构信息,明显降低了故障的误报率、漏报率。     

基于振动信号特征量SVM分类的配变故障识别方法

配变油箱表面的振动信号富含绕组和铁芯的各类状态信息,是绕组和铁芯工作状况的最直接体现。采用希尔伯特黄(Hilbert-Huang Transform,HHT)带通滤波提取配电变压器振动信号主成分,获得表征绕组状态的100Hz分量及表征铁芯状态的150~1000Hz分量;利用负载电流拟合法提取绕组振动信号的特征量,通过测到的已知振动信号估计指定负载下的绕组100Hz振动幅值,构成绕组振动的特征向量;利用具有良好泛化能力及鲁棒性的双谱奇异值表征铁芯振动的特征。提取实验室试验测得的绕组松动、绕组变形、铁芯松动、铁芯两点接地以及铁芯接地不良等故障振动信号的特征向量,用基于信息融合的支持向量机(Support Vector Machine,SVM)实现绕组和铁芯状态的识别,结果验证了本文方法的有效性和准确性。     

基于高阶统计量的信号分析与处理

介绍了信号分析与处理的一种新方法，即基于高阶统计量的方法，使用这种方法，可以同时获得信号的幅度信息和相位信息，并且通过理论分析与实验结果表明，高阶统计量能有效地解决客观存在的非高斯及非线性问题，是现代信号分析与处理研究的重要内容。     

转子故障特征数据分类的KPCA-BFDA方法

对非线性转子系统故障特征数据的分类方法进行了研究.在提出一种偏费歇判别分析法(biased fisher discriminatory analysis,简称BFDA)的前提下,进一步提出将核主成分分析法(kernel principal component analysis,简称KPCA)与偏费歇判别分析法相结合的数据集降维方法,该方法中的核主成分分析步骤用于构造剔除数据集冗余信息的降维数据集,偏费歇判别分析步骤用于进一步降低数据集维数并提高不同类别数据子集间的分离程度.对实例数据与典型故障数据的分类结果表明,提出的偏费歇判别分析法在具备费歇判别分析降维可分性能的基础上,具有更低计算复杂度的特点.提出的核主成分分析结合偏费歇判别分析的算法,其对应的降维结果能直接应用于线性分类器,且取得了较好的分类效果.     

基于高阶统计量的滚动轴承故障诊断方法

针对滚动轴承故障振动信号易受高斯噪声影响的问题,从高阶统计量的理论入手,提出了由信号的高阶谱恢复功率谱.由恢复的功率谱提取故障特征信息的高阶统计量方法,建立了通过高阶谱恢复功率谱的数学模型,并对仿真数据和实测故障数据进行了分析.结果表明,利用高阶累积量对高斯噪声不敏感的特点,可实现高斯噪声下瞬态信号频率与功率谱的正确估计.与传统方法相比,本研究方法可以有效地提取滚动轴承故障特征,同时具有更高的分辨率.     

基于频域能量特征的故障分类方法研究

该文针对现有频域分析方法的不足，利用小波包分解具有任意的时间-频率局域化特性，给出一种对信号进行多频段能量特征提取以及主分析频段的细化能量特征提取新技术，在此基础上将能量容差概念引入ART1神经网络；进而提出了基于小波包分解与ART1神经网络相结合的故障分类方法。液压动力系统电流信号的诊断实例证明该方法有效、可靠。     

等角度重采样在航空发动机振动分析中的应用

航空发动机在工作中存在稳态与非稳态两种状态,当发动机处于稳态时,采用短时傅立叶方法即可对发动机振动数据进行分析,但是如果发动机处于过渡态,发动机转速随时间快速发生变化,此时采用短时傅立叶对发动机振动数据进行分析会存在很多问题,如果分析数据段选择过长,该时间段内发动机转速已经不是均匀转速,直接导致分析结果错误,如果分析时间过短,则傅立叶分辨率过低,计算结果不准确。针对以上问题,提出采用等角度重采样方法对航空发动机过渡态振动数据进行分析,可以比较准确的分析出发动机转速频率对应的振动值。     

基于迁移成分分析的跨域轴承故障分类方法研究

针对部分轴承故障样本稀少、源域和目标域数据存在分布差异、缺乏良好的跨域特征表示,从而导致分类性能退化、故障辨识精度低等问题,提出了一种基于迁移成分分析的域自适应轴承智能故障诊断方法.首先,建立了一个新型特征表示;然后,通过一个用特征提取方法得到的参数核实现域自适应,将数据投射到已学习的迁移成分,让源域和目标域样本在特征...     

基于贝叶斯分类的核电站泵类设备振动故障诊断方法

传统方法在诊断设备振动故障时,仅提取了振动信号时域特征作为故障向量,导致故障诊断准确率较低、诊断时间较长,故设计了基于贝叶斯分类的核电站泵类设备振动故障诊断方法,在采集泵类设备振动信号后,重构振动信号低频部分并提取信号的时域和频域向量。将提取结果作为贝叶斯分类器的条件属性变量,计算变量归于故障类别的信息熵,选择最高信息熵对应的故障类别作为诊断结果。结果表明：该方法在提高故障诊断准确率的同时缩短了诊断时间。     

基于角域同步平均技术的内燃机失火故障诊断

在利用缸盖振动信号诊断内燃机失火故障时,由于发动机工作背景噪声复杂,必须消除信号中的非周期分量和随机干扰,保留与发动机工作循环有关的周期分量。为了解决时域同步平均方法在转速波动时振动信号存在的不同步问题,提出了以旋转角度信号作为同步触发基准的角域同步平均技术,对内燃机缸盖振动加速度信号进行了处理,有效地削弱了随机噪声的干扰。分析了缸盖振动信号中不同激励源产生的响应分量与发动机失火故障的关系,利用缸盖振动加速度信号中的各个瞬态冲击响应更加易于识别,能有效地对内燃机失火故障进行诊断。     

基于等角度采样的列车频带变化类故障诊断方法研究

列车轮对部件故障常会受到频带变化因素的影响,如采用一般旋转机械故障监测方法,因谱线整体迁移模糊,可能导致误诊或漏诊。针对这一问题,研究了各影响因素与故障特征之间的动态响应,基于故障机理建立了频带变化类故障的动力学模型,分析了影响因素下的故障特征。提出了基于等角度采样的监测诊断方法,结合列车轮对组件实际情况制定了监测诊断方案,并通过实例应用对该诊断方法的准确性进行了验证。      

基于AVR单片机的内燃机曲轴角振动诊断仪研制

根据发动机角振动诊断理论最新成果,利用AVR单片机技术,开发了以曲轴角振动理论为基础的便携式仪器,并对其原理、硬件结构、软件流程进行了介绍。仪器性能稳定、操作简单,可脱离计算机而独立运作,具有一定实用性。     

以粗糙集近似逼近理论提取发动机振动故障特征

主要探索一种从庞杂数据中挖掘有用信息的方法。首先介绍了粗糙集的基本理论与计算近似精度的方法，简述了粗糙集理论的特点及与模糊集理论、证据理论的区别与联系，然后将经过预处理的发动机振动信号进行实数离散．运用粗糙集的下近似、上近似及粗糙逼近理论，计算属性等价类对决策等价类的逼近精度。计算结果表明，采用等频率和等量间隔相结合的方法离散实数能保留数据中良好的自然分类特性，采用粗糙集的近似逼近理论能有效地提取出发动机故障特征。     

基于角域平均和倒阶次谱分析的齿轮箱故障诊断

本文研究旋转机械非稳态信号的分析方法。对等时间间隔采样的齿轮箱振动信号,利用插值算法实现角域重采样。为了抑制与工频无关的噪声信号以提高信噪比,对重采样信号进行了角域平均。将倒频分析引入阶次分析中,以检测出功率谱中难以辨识的周期性。以上方法成功地识别了齿根裂纹故障,说明了对旋转机械非稳态信号进行角域平均和倒阶次谱分析的可行性和有效性。     

基于PCA和SVM的内燃机故障诊断

为有效对内燃机运行状态进行评估,根据内燃机振动信号特征和故障样本较少的特点,提出了基于主分量分析和支持向量机进行内燃机状态判别的故障诊断方法。提取内燃机振动特征参数,利用主分量分析消除其信息冗余,提取反映内燃机运行状态的主分量特征,实现内燃机振动特征参数降维。通过选择适合内燃机振动信号的径向基核函数,构造一对多的支持向量机多类分类器,对主分量特征进行训练学习,实现内燃机运行状态判别。通过对模拟内燃机不同运行状态的试验分析,结果表明该方法可以有效识别内燃机不同的运行状态。     

80C196KC单片机在柴油机振动控制中的应用

为了使柴油机在各工况下达到比较理想的减振效果,文章以紫油机振动速度为控制目标,以单片机为主控微机,采用闭环主动减振控制方法实现紫油机的振动控制,改善柴油机整机振动特性,提高柴油机的运行稳定性。     

内燃机曲轴扭振数字化测量信号中畸点的处理

在内燃机扭振数字化测量中，由于各种原因会使采集数据中不可避免地存在数据异常点（畸点），常规的信号处理方法无法处理这类数据点。因此，探求判别畸点进而剔除畸点的方法是扭振信号处理中关键的一步。从扭振数字化测量的原理着手，推导了测量信号中畸点数据的判据，分析了畸点产生原因，并结合扭振数字化测量的硬件特点归纳了一套畸点处理方法。实际应用表明，该方法能有效判定和剔除采集数据中的畸点。