非线性模拟电路故障诊断的小波领袖多重分形分析方法

针对非线性模拟电路故障的复杂性和非线性,提出一种基于小波领袖多重分形分析和支持向量机的故障诊断方法.首先,采用小波领袖方法对从测试节点采集的信号进行多重分形分析,并将提取的多重分形谱特征构成特征集;然后将特征集输入支持向量机,利用支持向量机的分类功能对电路的模式状态作出决策;最后,视频放大器电路故障诊断实验验证了该方法的有效性.     

单一分形与多重分形轴承故障识别算法的研究

分形维是一种可以量化表征事物非线性特性的参数。本文首先介绍了单分形维数和多重分形维数。然后对采集到的高速轴承正常状态、内环及外环故障时振动信号作小波去噪处理;最后,利用编写的盒维数、关联维数及多重分形去趋势波动法算法,对去噪后的信号进行单一分形与多重分形轴承故障识别分析。结果表明:振动信号具有强多重分形特征,采用多重分形去趋势波动算法能良好识别轴承故障;对比分析可知,单一分形维在描绘非线性特征方面有局限性,多重分形在刻画动力学非线性特征方面具有一定的优点。     

基于小波包Tsallis熵和RVM的模拟电路故障诊断

针对模拟电路故障难以识别等问题,提出一种基于小波包Tallis熵和多分类相关向量机(Rele-vance Vector Machine,RVM)的模拟电路故障诊断方法.该方法采用脉冲信号仿真模拟电路,应用小波包变换对采集到的故障响应信号进行分解,通过提取不同频带内的Tsallis熵作为故障特征值,利用相关向量机对各种状态下的特征向量进行分类决策,实现模拟电路的故障定位.实验结果表明,提出的故障诊断方法相较于现有的故障诊断方法能较好地提取故障特征,极大地提高模拟电路故障诊断的效率.     

一种模拟电路的支持向量机故障诊断方法

系统地提出了模拟电路的最小二乘小波支持向量机故障诊断方法。从测试点得到各种故障状态下的输出电压信号，对输出电压信号进行小波去噪，对信号进行小波分解获取多尺度的低频系数和高频系数，并对小波系数进行处理从而提取出故障特征量，以此作为学习样本来训练最小二乘小波支持向量机，确定其模拟电路故障诊断的模型。雷达系统电路仿真结果表明了模拟电路的小波变换和最小二乘小波支持向量机故障诊断方法取得了较好的效果。     

一种基于核密度估计的模拟电路故障诊断方法

为解决模拟电路中含有噪声等异常信息给支持向量机的最优分类面建立带来的困难,提出了一种基于核密度估计方法的模拟电路故障诊断新方法。首先提取电路的时域信号统计参数作为故障特征,然后运用核密度估计方法构造模糊隶属度函数,将该隶属度函数应用到模糊支持向量机上进行故障诊断。通过训练模糊支持向量机获得故障诊断模型,实现对电路单故障和多故障的诊断分类,能有效消除特征中噪声和野点的影响。将该方法应用于CSTV滤波电路进行仿真实验,结果表明该方法能突出不同故障的特性并正确有效地诊断出多故障类型,综合诊断正确率达到95%,为模拟电路故障诊断提供了新的技术途径。     

基于能量熵对SVM的电路故障诊断

研究电路故障诊断问题,提高诊断效率.由于电路集成度提高,电路信号与故障相关,针对传统故障诊断因采用线性诊断方法与提取的电路特征信息不全面,导致诊断定位精度不高,为有效提高电路故障诊断的速度与精度,提出了一种根据小波包能量熵的支持向量机电路故障诊断方法(EE-SVM).首先利用小波包对电路故障信号进行3层的小波包分解,并提取小波包能最熵,构建输入特征向量.对于支持向量机进行非线性特征向量汰选,去除冗余特征,以保留特征向量构建智能化诊断模型.进行实例仿真,结果显示,方法在所有参比模型中精度最高,能高效地对电路故障进行检测与定位.     

基于多重分形与SVM的异步电动机轴承故障诊断

针对异步电动机轴承的故障诊断问题,提出一种基于多重分形与支持向量机(SVM,support vector machine)相结合的故障诊断方法.根据轴承振动信号的非线性、非平稳特性,利用多重分形方法对信号进行分析.计算广义维数、极大值、谱宽度、偏斜度等参数,将其作为故障特征向量输入SVM中.利用凯斯西储大学的实验数据对诊断方法进行验证,将获得的多重分形参数输入二叉树SVM完成故障的模式识别.结果表明多重分形与二叉树SVM相结合的诊断方法可行性好,诊断精度高.     

基于小波包分形的电力电子故障诊断方法

针对现有电力电子故障诊断的问题,提出了一种基于小波包分形的电力电子故障的诊断方法.首先使用3层小波包对电路输出电压波形进行分解、消噪和重构等预处理,以获得不同频带的重构信号,然后再计算各个重构信号的分形维度,提取出相应的故障特征;最后以此作为输入数据来训练支持向量机,实现电力电子故障的诊断.以三相整流电路为例进行实验,实验结果表明该方法能有效地提取电力电子故障诊断的故障特征,提高故障诊断的准确率,可有效地应用于电力电子系统的故障诊断.     

基于小波变换和支持向量机的模拟电路故障诊断方法研究

提出一种利用小波变换提取模拟电路故障特征和基于支持向量机状态分类的模拟电路故障自动识别和诊断方法。首先讨论小波变换的基本原理和支持向量机原理及其多分类算法,同时着重研究支持向量机的一种改进型一对多故障分类算法,然后实现在小波变换上,采用分布式多SVM分类器识别单相桥式整流模拟电路的故障。实验证明,该方法能准确有效地对模拟电路故障进行识别和诊断。     

基于Volterra频域核辨识的非线性模拟电路故障诊断

基于Volterra级数时域频域混合模型,提出了辨识非线性模拟电路频域核的故障诊断方法.利用混合模型辨识算法和范德蒙特法估计各种故障状态下电路响应的前3阶频域核,提取故障特征并与相应的故障模式一起构成特征样本集,借助于支持向量机多分类器进行分类识别,实现非线性模拟电路的故障诊断.阐述了诊断原理及诊断步骤,并给出了诊断实例.仿真结果表明,该方法的故障识别率较高,便于计算机计算.     

快速路交通流时间序列的多重分形分析

采用多重分形消除趋势波动分析法研究城市快速路交通流的多重分形特征。首先,计算和比较了实测的流量和速度序列的广义hurst指数,结果表明：流量序列和速度序列均呈现多重分形,且流量序列的波动程度强于速度序列。然后,对两种序列的重排序列的计算结果显示,重排序列的广义hurst指数远小于原序列且不为0.5,说明交通流的多重分形特征主要由序列的长程相关性决定,同时与概率分布有关。     

Probabilistic fault diagnosis method based on the combination of nest-loop fisher discriminant analysis and analysis of relative changes

Bias of data location and increase in data variations are two typical disturbances, which in general, simultaneously exist in the fault process. Targeting their different characteristics, a nested-loop fisher discriminant analysis (NeLFDA) algorithm and relative changes (RC) algorithm are effectively combined for analyzing the fault characteristics. First, a prejudgment strategy is developed to evaluate the fault types and determine what changes are covered in the fault process. Two statistical indexes are defined, which conduct Monte Carlo based center fluctuation analysis and dissimilarity analysis respectively. Second, for the fault data containing those two faults simultaneously, a combined NeLFDA-RC algorithm is proposed for fault deviations modeling, which is termed as CNR-FD. Fault directions concerning bias of data location are extracted by the NeLFDA algorithm and then corresponding fault deviations are removed from the fault data. Then RC algorithm is performed on these fault data to extract directions concerning increase of data variations. These fault directions are used as reconstruction models to characterize each fault class. Particularly, the compromise between these two algorithms is determined by the Monte Carlo based center fluctuation analysis. For online applications, a probabilistic fault diagnosis strategy based on Bayes’ rule is performed to identify fault cause by discovering the right reconstruction models that can make the reconstructed monitoring statistics have the largest probabilities of belonging to normal condition. The motivation of the proposed algorithm is illustrated by a numerical case and the performance of the reconstruction models and the probabilistic fault diagnosis strategy are illustrated using pre-programmed faults from the Tennessee Eastman benchmark process and the real industrial process data from the cut-made process of cigarettes in some cigarette factory.     

金融危机前后BDI指数与CBFI指数的多重分形研究

针对BDI指数和CBFI指数收益时间序列的相关性特征，运用多重分形去趋势波动分析法（MF-DFA）和多重分形去趋势交叉相关分析法（MF-DCCA），对2004-01-01到2008-09-15（危机前）和2008-09-16到2013-12-31（危机后）BDI指数和CBFI指数自相关的多重分形性以及二者交互相关的多重分形特征进行分析。首先，基于MF-DFA方法分析BDI和CBFI指数收益序列的自相关性，发现金融危机前后，BDI指数和CBFI指数收益序列演变呈现出非平稳性、自相关的多重分形特征，危机后自相关性的多重分形强度大于危机前。其次，基于MF-DCCA方法分析BDI和CBFI指数收益序列的交叉相关性，结果表明两者交叉相关关系具有很强的多重分形特征，呈现出时间序列的长程相关性，危机后互相关的多重分形强度大于危机前。同时也证实多重性归因于时间序列波动的持续性和胖尾分布。     

小波分析在故障诊断中的应用

在简单介绍小波分析的发展和基本原理的基础上，系统综述了小波分析在故障诊断中的研究进展与状况，详细介绍了小波分析在故障诊断中应用的各种方法。重点阐述了小波分析信号处理的故障诊断方法，以及小波分析与各种智能理论与技术结合的故障诊断方法，如小波分析与神经网络相结合的方法、小波分析与模糊理论相结合的方法和小波分析与数据融合等理论相结合的故障诊断方法，并对各种方法做了分析与讨论。分析了小波分析在故障诊断中的应用研究现存的几个问题，并对解决这些问题和未来的发展进行了探讨。     

基于改进瞬时功率法的电动机故障诊断

从采集的鼠笼异步电动机定子电流出发,建立了流方的概念,通过故障电流的自乘方放大并转移故障特征频率。根据瞬时功率的概念提出了基于改进瞬时功率法的电动机故障诊断方法,通过理论推导分别提取了转子断条故障和转子偏心故障在流方中的特征频率分量,有效地克服了转子断条故障特征频率容易被基频淹没的缺点,实现了对转子断条、偏心、复合等故障的辨别诊断。该方法与传统瞬时功率法相比,采集的数据量减半,避免了电压波动和采样误差对瞬时功率的影响。     

基于趋势分析和SDG模型的故障诊断

基于趋势分析的故障诊断受数据影响较大,基于定向符号图(signed d irected graph)模型的故障诊断难于建模和推理,而两者结合以提高故障诊断效果的方法还未被考虑.本文将趋势分析的趋势信息和SDG模型的节点信息进行了比较,阐明了两者信息互补的特点,然后利用趋势分析建立SDG模型,并利用SDG模型改进基于趋势分析的故障诊断,建立了数据驱动方法和基于模型方法相结合的故障诊断方法.CSTR(continuous stirred-tankreactor)实例分析表明,基于趋势分析和SDG模型的故障诊断方法提高了诊断的准确性和精确性.     

运载火箭测试数据分析与故障诊断方法

针对如何从运载火箭大量历史测试发射数据中发掘有用信息的问题,提出了一种基于数据挖掘的运载火箭数据分析与故障诊断方法,为火箭的故障诊断、产品设计、状态检测提供服务。针对火箭数据的特性和实际业务分析的需求,使用基于皮尔逊系数的相关性分析方法、基于希尔伯特变换的包络分析方法、基于窗口滑动函数的故障诊断方法组建火箭数据分析平台,对运载火箭的数据进行了深层次的挖掘和诊断。采用某型号火箭测试数据对火箭数据分析平台进行了验证,结果表明:以数据驱动的火箭数据分析平台相关性分析准确、参数包络线绘制精准、可有效识别异常数据,分析结果与理论知识相符,具有较高的实用价值,相比于传统数据分析方法更为精准、全面。     

基于主元分析的桥梁挠度传感器故障诊断研究

主元分析(PCA)是一种典型的数据降维的多元统计方法,已被越来越多地用于故障诊断。将PCA应用在桥梁挠度传感器故障诊断。介绍了PCA的理论,研究了基于PCA的故障检测方法和基于贡献率的故障诊断方法。计算平方预测误差(SPE)和Hoteling T2统计,当统计量超过阈值时,判断系统出现了传感器故障,然后通过SPE贡献图判断故障源。通过仿真验证了PCA在故障诊断的实用性,但结果也表明:PCA对小故障不是很敏感。