分形盒维数在裂纹转子故障诊断中的应用

在模拟转子实验台上进行了实验,模拟大型旋转机械转子系统的无裂纹轴与有裂纹轴的振动过程.根据裂纹转子故障振动信号的分形特征,对无裂纹转轴与有裂纹转轴的试验数据进行了分形盒维数研究计算.结果表明:无裂纹轴的轴心轨迹为椭圆,其对应的分形盒维数较小;有裂纹轴的轴心轨迹较为复杂,其对应的分形盒维数较正常轴更大.因此,分形盒维数可用于裂纹转子的故障诊断.     

基于 AR双谱与分形盒维数的减压阀故障诊断

通过采集的减压阀正常和故障下的振动信号,求出了时间序列的自回归双谱和分形盒维数.结果表明:不同状态下的双谱谱图和盒维数有明显的区别,利用AR双谱和盒维数可以有效地诊断出减压阀的工作状态.     

基于示功图分形盒维数的无杆抽油机故障诊断方法研究

以水基动力无杆抽油机为研究对象,基于分形盒维数理论,针对其正常、油管漏失、供液不足以及游动凡尔关闭迟缓4种不同工作状态的示功图特性进行分析,并在此基础上进行系统的故障诊断研究。研究了不同工作状态下压力－流量示功图的信噪比在0.1～0.2％范围内变化时其盒维数的变化特性。结果表明：系统压力流量信号的信噪比在0.1～0.2％范围内变化时对压力－流量示功图分形盒维数影响较小,因此压力－流量示功图分形盒维数能够用于进行水基动力无杆抽油机的故障诊断;同时该方法有利于实现基于示功图故障诊断的自动智能化分析。研究结果有利于在现场快速准确地对无杆抽油机的运行状态进行诊断,具有理论研究意义和实际应用价值。     

基于分形盒维数的双跨轴承转子系统故障诊断方法研究

以双跨轴承转子系统为研究对象,针对其状态监测与故障诊断中存在的问题,利用分形盒维数的方法对系统进行分析。通过提取试验台振动信号并计算其分形盒维数实现对系统的故障诊断。结果表明,不同工作状态下的盒维数各不相同,不平衡故障的盒维数最大,碰摩故障的盒维数次之,正常运转时的盒维数最小,盒维数随着计算网格数的增加而减小。该系统以分形盒维数为特征兆量,能够快速准确地对双跨轴承转子系统进行状态监测与故障诊断,具有一定的应用价值。     

关联维数在齿轮泵故障诊断中的应用

提出了利用自相关函数和最近邻域发散度实现关联维数的可靠算法;针对齿轮泵的振动信号,先采用时域同步平均对信号进行消噪处理,然后用关联维数对齿轮泵进行故障诊断.实验结果表明,在齿轮泵的4种不同工作状态下振动信号的关联维数具有明显的可分性.     

基于分形理论研究钢包底吹过程夹杂物的分形维数

依据相似理论,以LF精炼炉为研究对象,在不同时间节点拍照,采用图像分析软件(Iamge Pro-Plus)、Matlab软件和分形理论中计盒维数法,对液相中的不规则单颗粒及团聚体的分形维数进行计算,研究了不同流量下夹杂物粒子实际上浮速度与粒子边缘分形维数的关系。结果表明,盒维数求斜率法均可精确地求出夹杂物的分形维数,夹杂物的形貌越复杂,分形维数越大;增加吹气量,有利于夹杂物的碰撞团聚,使团聚体的分形维数变大;夹杂物的分形维数与实际上浮速度呈正相关,这与采用分形维数和动力直径计算的理论值基本一致,说明该方法是准确可行的。     

基于盒维数和参数筛选的风力机轴承故障诊断方法研究

风力发电机作为一种清洁能源被广泛地应用,轴承作为风电机组的核心零部件故障诊断极为重要,针对风力机轴承故障诊断的问题,提出了一种基于盒维数计算和参数筛选的故障诊断方法,并通过支持向量机进行训练和分类。首先,通过盒维数算法计算盒维数和其它特征参数,然后筛选正确参数并分类得到各组参数的准确度,最后确定不同故障形式下样本的特征,最后筛选出准确度较高的特征参数,避免了复杂的信号预处理以及人工进行信号提取的过程,可以高效解决风力机轴承故障诊断的准确率低、时效性差等问题。     

基于状态预测和分形维数判据的轴承系统故障诊断

轴承系统运行过程中的振动信号包含了大量的状态信息，本文基于检测到的信号进行状态预测，并进行故障的诊断和预防。采用了基于相空间重构的数据处理组合方法进行状态顶测，并用分形理论分析故障存在的可能及类型，用分形维数给出判定依据。从实验结果可以看出，基于状态预测和分形维数进行故障诊断是有效的，优于传统的谱分析方法。     

分形理论在机械设备状态监测与故障诊断中的应用

分形理论是研究非线性问题的重要手段.介绍分形理论的基本概念,对分形特征进行了数学描述,并提出各种分形维数的计算方法和应用范围,论述分形理论在机械设备状态监测、磨损失效分析、断裂和裂纹失效分析、腐蚀失效分析和超声波检测等方面的应用.     

基于LabVIEW和关联维数的柴油机故障诊断

以柴油机的声音信号为对象,采用LabVIEW平台研究了基于分形关联维数的柴油机故障诊断方法。阐述了关联维数的GP算法,讨论了相关参数的选择。通过计算表明柴油机声音信号的关联维数随工作情况的不同有明显的变化,可作为柴油机工作状态监测与故障诊断的特征量。     

基于双谱特征的行星齿轮箱故障诊断方法

为了研究行星齿轮箱齿面磨损全生命周期实验的退化过程,使用了可以抑制高斯噪声和对信号中产生的频率耦合进行解耦的双谱方法去进行故障特征提取,提出了两个基于双谱的特征指标,双谱熵以及非高斯强度,并通过特征指标评价方法去检验其指标性能。结果表明基于双谱熵具有良好的指标性能,而且对于行星齿轮箱齿面磨损的早期微弱故障十分敏感,适用于行星齿轮箱齿面磨损的故障诊断。     

基于振动信号特征融合的齿轮泵故障诊断

实验设置了齿轮泵常见故障,在适当位置安装了振动传感器,采集了相应的故障信号,提取了小波包能量谱和有效值RMS两种特征信号,应用RBF神经网络进行学习、训练和测试,与单一的传感器信号分析相比,具有更高的诊断精度和更好的诊断效果.     

基于Adam-DBN网络的行星齿轮箱故障诊断方法研究

随着现代机械装备的复杂化,传统的故障诊断方法难以满足表征设备间的复杂映射关系,且在如今大数据背景下面临着维数灾难的问题。文章结合深度置信网络以及梯度优化算法提出了一种基于梯度优化深度置信网络(Adam-DBN),通过数据验证选取最优梯度优化算法对深度置信网络的的梯度算法进行调优。搭建模拟实际工况的行星齿轮箱实验台,通过实验台采集所得数据构成数据集对方法进行验证。实验表明文中提出的方法能够有效提高DBN网络的收敛速度与训练精度,同时具有较高的故障识别准确率。     

基于容积效率的液压齿轮泵状态监测与故障诊断

阐述了容积效率作为特征信息进行液压齿轮泵状态监测与故障诊断的原理,分析了液压齿轮泵中流量信号以及容积效率与齿轮泵工况之间的关系,指出了容积效率是状态信息的丰富载体,讨论了利用容积效率进行液压齿轮泵状态监测与故障诊断的可行性及方法.