一种新的稀疏分类融合方法及其在机车轴承故障诊断中的应用

针对高速列车轴箱轴承的健康状态监测中存在的故障数据不充分,单个分类器故障识别精度不高的问题,提出基于K-SVD重构残差的稀疏分类融合诊断方法。该方法利用K-SVD分解后的重构误差表征训练样本在每种故障模式下的分类趋势,根据样本的重构残差分布估计各K-SVD分类器的混淆矩阵并计算相应的可靠性矩阵,再结合D-S证据融合理论对测试样本在各K-SVD分类器下的故障识别结果进行融合分析,得到最终诊断结果。该方法在动车轴箱轴承故障试验中的应用结果表明,提出的新的稀疏分类融合方法较单一特征分类器、传统的投票融合法的识别精度有显著提高,即使是在小样本情况下其容错性、稳定性也较好,解决了高速列车轴箱轴承故障诊断中单传感器检测精度低、单一域特征信息不足即证据冲突情况下分类信息难以有效融合的问题。     

自适应最大相关峭度解卷积方法及其在轴承早期故障诊断中的应用

滚动轴承处于早期故障阶段时,特征信号微弱,并且受环境噪声影响严重,因此故障特征提取困难。针对这一问题,提出了基于自适应最大相关峭度解卷积的滚动轴承早期故障诊断方法。利用粒子群算法优良的寻优特性,并行搜寻最大相关峭度解卷积算法的影响参数,自适应地实现最佳的解卷积效果。故障信号通过影响参数优化的最大相关峭度解卷积算法处理后,冲击特性会得到增强,对解卷积信号做进一步包络解调分析,通过分析包络谱中幅值突出的频率成分可最终判定故障类型。仿真和实测信号分析结果表明,该方法可有效提取滚动轴承早期故障微弱特征频率信息。     

改进随机森林算法在电机轴承故障诊断中的应用

电机轴承状态直接影响电机运行可靠性。随机森林算法具有较强的抗噪和适应能力,广泛应用于电机轴承故障诊断中。针对随机森林中传统决策树算法在连续特征属性值数目过大时复杂度高及易过拟合等问题,基于聚类思想构造自适应滑动步长减少其分类结点数,提出改进的C4.5决策树和分类回归树算法;针对传统随机森林算法中各决策树产生错误差异小、投票方法忽略强弱分类器差异及漏报率等问题,使用不同决策树算法进行分类,并借鉴议会制思想确定各决策树等级及权重,提出一种计及漏报率的随机森林集成投票算法。为验证所提方法的通用性及有效性,采用时域特征提取法和集合经验模态分解法分别构造特征向量,并通过凯斯西储大学轴承数据中心数据集和现场诊断试验进行验证。实验结果表明,所提算法不仅适用于多种特征提取方法,且相较于传统随机森林算法和多层感知器算法在诊断准确率和漏报率方面均更具优势,为电机轴承故障诊断提供一种新思路。     

自适应陷波理论及其在轴承故障诊断中的应用

滚动轴承故障冲击特征易被工频载波信号淹没,而传统的信号降噪方法对工频干扰不具有针对性,所以将工频陷波理论引入到轴承故障诊断中。由于陷波的窄带滤波特性,其对中心频率及带宽参数变化较为敏感,通过粒子群多参数寻优,以时域峭度最大原则对陷波器中心频率及带宽进行自适应选取,以时域波形匹配方差作为评价指标验证陷波对故障冲击特性的还原能力。试验分析表明自适应陷波可以有效地从工频调制信号中解调出故障冲击特征,对陷波后信号进行包络谱分析,其故障特征谱线得到增强,辅助以集合经验模态分解(EEMD)、变分模态分解(VMD)去噪方法,可以得到更理想的效果。     

基于多尺度线调频基稀疏信号分解的广义解调方法及其在滚动轴承故障诊断中的应用

提出了一种基于多尺度线调频基稀疏信号分解的广义解调方法,并将其应用于非平稳转速下的滚动轴承故障诊断。该方法先采用基于多尺度线调频基的稀疏信号分解方法分解频率呈曲线变化的多分量信号,得到瞬时频率和瞬时幅值都具有物理意义的单分量信号及其相位函数,再基于获取的各分量信号的相位函数对原信号进行广义解调处理,从而将非平稳信号转化为平稳信号。当转速变化时,滚动轴承故障特征频率为曲线变化的非平稳信号,对其包络信号进行基于多尺度线调频基的稀疏信号分解,提取包络信号分量,再对包络信号分量进行广义解调,根据广义解调后分量信号频率成分与转频的关系即可判断滚动轴承的故障部位和类型。仿真信号与轴承内外圈故障振动信号分析结果表明,该方法比传统的包络信号分析方法能更有效地提取滚动轴承故障振动信号特征。     

基于DPSO-MKELM算法的风机齿轮箱轴承故障诊断

基于离散粒子群优化算法(DPSO)与基于多尺度小波核函数的核极限学习机(MKELM),提出了一种新型的DPSOMKELM算法用于风机齿轮箱故障诊断。首先,针对PSO算法过早收敛,易陷入局部最优的缺点,提出改进DPSO算法,在迭代过程中,通过调节权重因子和学习因子,降低算法过早收敛概率,减少优化结果陷入局部最优状态的可能。其次,提出一种基于多尺度小波核函数的核极限学习机(MKELM),利用不同尺度小波核函数叠加构造核极限学习机。最后将两种算法有机结合,提出一种新型的DPSO-MKELM算法,用于风力轴承的故障诊断。通过实际数据的算例验证,新算法具有更高的分类精度和较快的收敛速度。     

基于稀疏自适应S变换和深度残差网络的轴承故障诊断方法

复杂滚动轴承振动信号存在非线性、非平稳等问题,传统信号处理方法难以实现故障特征的有效提取和高精度的故障分类。针对此问题,从轴承振动信号的时频特性出发,提出一种基于稀疏自适应S变换和深度残差网络的轴承故障诊断方法。首先将采集的振动信号进行稀疏自适应S变换,得到轴承不同工况下的时频图像特征;然后构建深度残差网络结构,并合理的选取优化器、初始学习率等网络参数,提出基于深度残差网络的轴承故障诊断模型。对某滚动轴承振动数据集的计算结果表明,基于稀疏自适应S变换的时频分析方法具有较高的时频分辨率,所构建的深度残差网络模型能够准确识别不同故障状态及其严重程度下的轴承运行信息,为滚动轴承的故障状态诊断提供了技术支撑。     

基于广义似然比检验算法的IM定子故障诊断

围绕闭环控制下逆变器驱动感应电机(IM)系统的定子故障问题,设计了一种新型的基于广义似然比检验算法的定子故障诊断方法.IM定子故障通常从匝间短路开始,可演变为相间或相对地故障,从而导致定子电流不平衡.所提出的诊断方法首先进行定子电流对称分量计算,然后基于最大似然估计器估计基频和三相相量,并应用广义似然比检验实现不平衡故障诊断.在1.5 kW IM测试平台上,用与定子绕组串联的附加电阻模拟故障,并进行了故障诊断测试,实验结果验证了新方案可对IM定子故障进行有效检测.     

PSO/KNN算法及其在模拟故障诊断中的应用研究

提出了一种基于粒子群优化（particle swarm optimization,PSO）的特征提取算法,该算法以K—NN（nearest neighbor）分类正确率为评价准则,应用粒子群优化算法寻找使提取特征的K—NN分类正确率最大的转换矩阵,从而实现特征的提取。算法的特点是结构简单灵活,对数据的分布特征不敏感,适合于对模拟电路的故障特征进行提取。电路故障诊断示例证明了该特征提取算法在模拟电路故障诊断中的有效性。     

提升EEMD降噪方法及制冷机轴承故障诊断应用研究

针对制冷机轴承振动信号被复杂干扰淹没,难以提取有效特征问题,提出一种提升总体经验模态分解(EEMD)的轴承振动信号降噪方法。首先,利用小波包精细分解特性,基于白噪声检验原理提取第一个IMF分量中有用信号;然后,利用噪声和信号主导的本征模态分量(IMFs)与原始信号互相关系数差异巨大的特性,对分解后的IMFs进行区分,分别使用小波包浮动阈值方法和SG滤波算法提取高、低频分量的有用信号,克服了传统EEMD降噪时信号失真、IMFs选择的难题。为了验证方法的有效性,进行了数字仿真与制冷机轴承振动信号应用验证分析,结果表明,所提方法基于一种精细的决策处理方法,可以将淹没在复杂干扰中的有用特征提取出来,为制冷机轴承状态监测提供有效的预处理手段。     

基于小波变换的改进LMS算法在异步电动机轴承故障诊断中应用

基于电机定子电流信号分析方法的异步电动机轴承故障检测中,计及实际电动机供电电压谐波和三相电压不平衡等外部因素的情况下,如何实现轴承故障的可靠检测一直是电动机故障检测领域的难题.对传统的定子电流频谱分析方法进行了深入研究,讨论了传统最小均方算法(LMS)自适应滤渡方法在信号处理中的不足.在此基础上,提出了将小渡分析、连续细化傅里叶变换和改进LMS自适应滤波方法有机结合的异步电动机轴承故障检测新方法.该方法能够正确判断轴承故障特征频率分量,从而提高异步电动机轴承故障诊断效果,实现轴承故障的可靠检测.实验结果表明了该方法的有效性.     

改进的多电平SVPWM及其广义算法研究

调制技术是多电平逆变器的核心技术，基于非正交KL坐标系多电平SVPWM，通过对原结论进一步的综合分析，提出了一种改进的线电压调制策略，该策略物理意义更加明确，形式更加简洁。利用基本电路原理，通过合理安排输出矢量，得到了一种改进的三相对称的单相调制算法；结合冲量等面积原理，导出了可以满足三相不对称情况输出的广义调制策略。所提出的调制算法，形式简单，物理概念明确，易于数字化实现。通过数字仿真及实验证明了结论的正确性。     

改进的多电平SVPWM及其广义算法研究

调制技术是多电平逆变器的核心技术，基于非正交KL坐标系多电平SVPWM，通过对原结论进一步的综合分析，提出了一种改进的线电压调制策略，该策略物理意义更加明确，形式更加简洁。利用基本电路原理，通过合理安排输出矢量，得到了一种改进的三相对称的单相调制算法；结合冲量等面积原理，导出了可以满足三相不对称情况输出的广义调制策略。所提出的调制算法，形式简单，物理概念明确，易于数字化实现。通过数字仿真及实验证明了结论的正确性。     

广义不均衡网络流的改进算法及其应用

提出了一种改进的广义不均衡网络流(Out of Kilter)算法。新算法可以求解有可分凸费用的非线性网络流问题。算法将上述非线性问题转化为多个最大流问题求解，并为求解非线性可分凸费用网络流问题提出了通用的求解框架。证明了算法的最优性和收敛性。新算法比原算法更高效、简明，更适合求解大型和超大型的非线性可分凸费用网络流问题。用750节点和5010条弧的网络对本算法作了试算，计算结果说明算法有较高的效率。该算法已被用于三峡水火联合电力系统经济调度及电力市场中，实践证明算法是正确和有效的。     

TKEO和SET在轴承故障诊断中的应用

时频分析是提取轴承故障诊断的重要方法,在强背景噪声下难以提取瞬态故障特征。针对这一问题,提出一种基于Teager-Kaiser能量算子(TKEO)和同步提取变换(SET)的轴承故障诊断方法,提高SET的时频分析能量的集中度。该方法首先对采集的轴承振动信号进行提取TKEO处理,凸显轴承故障振动信号的冲击分量;然后,对处理后信号进行SET时频分析,通过同步提取算子(SEO)提取时频脊线的时频系数,实现对瞬态故障特征提取;最后通过仿真信号和实测信号进行分析,验证该方法的可行性。实验结果表明:该方法可以有效提取轴承的故障特征,且与先前的时频分析方法相比分析结果具有一定的优越性。     

改进型共振解调器在轴承故障诊断中的应用

共振解调技术已经在旋转机械故障诊断中得到广泛应用,传统电压型共振解调器模拟电路能够实时、准确地提取低频共振带里的故障特征频率。受电压型运算放大器转换速度较低和二极管的非线性特性这两个方面的制约,通过传统电压型共振解调器的高频信号和微弱信号发生失真现象,从而造成高频噪声背景下的轴承早期故障被误诊或者漏诊。因此,提出了一种改进型共振解调器模拟电路,通过采用第2代电流传输器(CCII+)以及AB类偏置电压补偿,改善了传统电压型共振解调器中包络检波器的性能,使该设计方法在处理高频故障信号和微弱故障信号的精度均有较大提升。随后,将该电路应用于跑合试验台,对滚动轴承典型故障进行了在线诊断。实验结果表明该改进电路不仅拓宽了信号频率适用范围,而且保证了对滚动轴承早期微弱故障的准确提取。     

静电场边值问题的算子方程及其广义解

本文在L_2(G)空间中阐述静电场边值问题的算子方程及其广义解,指出广义解的物理实在性.     

GEP算法在变压器故障诊断中的应用研究

在对变压器的故障类型和常用的诊断办法进行全面总结的基础上,提出了通过基因表达式程序设计算法进行变压器故障诊断的新思路,并完成了相应的软件设计.     

频响分析在轴承支承系统故障诊断中的应用

火电厂汽轮发电机组轴系支承系统振动是机组启动和运行中必须监测的项目之一。该文通过轴承座受迫振动关系式分析了引起轴承座振幅过大的因素是外界扰动力及其本身的刚度。介绍了频响分析法即是采用敲击法对系统施加激励力，测取系统的加速度响应，通过求取系统的频响函数求结构的动柔度，动刚度的方法。该法具有省时，简便，激振频带宽的优点。该文还介绍了为保证分析结果的准确性所必须采用的分析方法，同时介绍了１５０电厂１号机     

频谱分析在电力设备中轴承故障诊断的应用

火电厂中,滚动轴承是磨煤机和各种电力设备中应用最广的一种通用机械部件。滚动轴承的运行状况直接影响电厂设备的安全、可靠运行。频谱分析技术诊断滚动轴承故障的原理是通过保持架、滚动体、内圈、外圈缺陷的故障频率计算,可求得滚动轴承各部件的故障频率,从而判断发生故障的部件。滚动轴承故障的发展有4个阶段,从各阶段的表现对应目前滚动轴承故障状况可了解目前轴承所处的状态。