基于多重分形的旋转机械振动故障检测方法

为获取更加准确的旋转机械振动故障检测结果，提出基于多重分形的旋转机械振动故障检测方法。通过建立旋转机械振动信号采集模型，获取振动信号，采用小波域维纳滤波算法对振动信号去噪处理。分析不同条件下的振动数据，同时引入多重分形方法提取旋转机械振动信号故障特征，通过核模糊C均值聚类算法区分正常信号和故障信号，最终实现旋转机械振动故障检测。实验结果表明，所提方法进行旋转机械振动故障检测率较高，漏检率较低，检测时间较短，可以快速准确地完成旋转机械振动故障检测。     

高铁接触网施工作业车液压机械振动故障检测方法

高铁接触网施工作业车液压机械的振动信号所包含的无用信息较多,影响到了振动故障检测正确率。设计一种机械振动故障检测方法。设计高铁接触网施工作业车液压机械振动数据采集设备的架构,采集相关的机械振动信号,采用卡尔曼滤波对采集到的信号进行滤波处理。利用经验模态分解方法,将滤波后的信号分解成不同时间段尺度的本征模态函数,采用希尔伯特变换实现信号时频分析,将分析结果与设定极限阈值比较,得到准确的机械振动故障检测结果。实验结果证明：方法可以有效检测出接触网施工车辆机械振动故障,且检测时间短、故障检测正确率高,具有较好的应用前景。     

基于多尺度模糊熵的旋转机械故障诊断研究

从旋转机械振动信号复杂度分析的角度,展开相关特征熵提取方法的研究,构造出一组能够有效区分不同故障状态振动信号的多尺度模糊熵。考虑到传统故障模式识别方法对于先验知识过度依赖的理论缺陷,将生物识别领域基于变量预测模型的模式识别方法引入到旋转机械故障诊断之中,并在实例中进行了应用,表明该方法的有效性。     

基于小波分析的旋转机械振动信号定量特征研究

通过对机械振动信号的连续小波变换,利用小波滤波器良好的时频特性,研究了振动信号经过连续小波交换后的统计特征。在信号的特征提取中, 引入“灰度矩”并把一阶矩作为定量指标。对8种典型故障信号的研究表明,这种方法能够简单有效地提取信号的特征,区分振动故障。     

采用量子理论和数学形态学的机械状态分析

针对数学形态滤波器中的腐蚀算子,结合量子理论知识,提出量子权重结构元素(quantum-inspired weighting structuring element,QWSE),用于提取机械振动信号中故障信息。首先,分析多量子位系统,并建立从量子空间到实数空间的映射方法,获得QWSE的计算式。随后,根据机械振动信号的随机性计算量子权重,根据振动信号的局部特征计算QWSE的动态高度,获得生成QWSE所需的全部参量。最后,将QWSE应用于轴承运行状态分析,准确的获取了故障周期。     

基于平移不变多小波变换的齿轮故障诊断

机械设备发生故障时,反映设备故障特征的振动信号常淹没在背景噪声中,直接做频谱分析,很难提取其故障特征。将平移不变多小波降噪方法应用到仿真加噪冲击信号,提取出隐藏在噪声中的冲击特征。然后将该方法应用于齿轮箱试验台信号分析中,试验结果表明,平移不变多小波降噪方法能够有效地提取出齿轮箱断齿故障的冲击特征频率,诊断出齿轮箱的断齿故障,为故障诊断提供了准确的依据。仿真与试验分析验证了平移不变多小波降噪方法在故障诊断中的有效性。     

基于LMD能量特征的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的多载波多调制特性,提出一种基于局域均值分解(local mean decomposition,简称LMD)能量特征的特征向量提取方法,并与支持向量机相结合用于滚动轴承的故障诊断。首先,采用LMD方法将复杂调制振动信号分解为若干单分量信号乘积函数(production function,简称PF);然后,对反映信号主要特征的PF基于时间轴积分,得到各PF分量能量矩并构造特征向量;最后,将其输入多分类支持向量机中,用于区分滚动轴承的故障类型与故障程度。对滚动轴承内圈故障、外圈故障及滚动体故障振动信号的分析结果表明,该方法能有效提取滚动轴承各工作状态信号的故障特征,能准确识别故障类型,同时对故障程度的判断表现出较高的识别率。     

基于奇异值融合的机械设备盲信息提取

针对机械设备的故障特征信息提取问题,提出了基于奇异值融合的机械盲信息提取方法。首先,由机械振动测量信号分离振动源信号,并进行包络解调组成包络信号矩阵,进而进行奇异值分解,提取矩阵的奇异值均值和奇异值熵作为故障特征信息;然后,针对分离矩阵直接进行奇异值分解,提取奇异值作为故障特征信息;最后,将包络信号矩阵奇异值均值、奇异值熵和分离矩阵奇异值进行特征层信息融合作为机械设备的故障特征信息。将该方法应用于液压齿轮泵可以有效地提取机械设备盲特征信息。     

t分布随机近邻嵌入机械故障特征提取方法研究

将t分布随机近邻嵌入(t-SNE)流形学习方法应用于机械振动信号的故障特征提取,实现高维特征信息降维处理。通过小波包分解算法将原始振动信号分解为多层小波子空间,通过计算各层的小波阈值熵构造高维特征数据,然后采用t-SNE方法对构造的高维特征数据进行数据降维,获取低维故障特征信息。采用本特利转子试验台进行故障仿真实验,对采集获得的几种典型故障状态下的振动数据分别基于小波包阈值熵及统计特征构造2组高维数据,并对2组高维特征数据分别采用t-SNE方法进行数据降维处理获得其二维特征数据,通过对比验证了基于小波包阈值熵法构造高维数据后进行t-SNE数据降维的特征提取方法能够更有效的区分故障特征。     

基于虚拟仪器的机械振动系统边频识别和倒频谱分析

基于虚拟仪器的非周期机械振动系统边频带和倒频谱分析技术，是机械振动故障检测和研究领域中非常有效的工具。本文利用LabVIEW软件开发平台深入研究机械振动的非线性特征，探讨了边频带技术和倒频谱技术在机械振动检测中的应用。实验研究中，通过虚拟仪器检测故障的各种特征信息并运用边频带和倒频谱分析技术进行状态诊断，使时域和频域中故障信号的非明显特征，在倒频域非常清晰地展示出来，为机械振动故障的识别提供实据。     

基于 VMD 的数控机床旋转机械运行路径偏离故障检测方法

为精准提取数控机床旋转机械设备故障信息,量化数控机床旋转机械运行路径偏离程度,提出一种基于 VMD 的旋转机械运行路径偏离故障检测方法。分析数控机床旋转机械设备运行频率和振动情况,运用突变检测算法优化采集效率,使用自适应脉冲法采样机械信号;创建约束变分模型,利用遗传算法搜索信号变量最优值,通过 VMD 法分离信号频域分量,提取机械信号故障特征;通过聚类法评估路径偏离水平,构建胶囊网络进行路径偏离故障检测,利用 squash 函数挤压处理胶囊矢量并提升矢量维度,运用特征编码和归一化处理获得高精度偏离故障检测输出值。实验结果表明,所提方法检测的数控机床旋转机械运行路径偏离故障效果较好,且检测效率较高。     

基于小波分析的离心式注水泵机械振动实时监测方法

为保证注水泵机组安全稳定运行,减少管理人员工作量,提出基于小波分析的离心式注水泵机械振动实时监测方法。探究注水泵作业流程与结构特征,结合多种常见故障类型分析结果,构建水泵输入、输出功率与生产效率的动力学模型;考虑到注水泵特性,以压电加速度传感器作为主要监测设备,明确信号采样要求,通过量化处理将模拟信号变换为数字信号,便于信号分析;当监测信号内低频成分丰富时,确定母小波和变换系数,经伸缩与平移处理完成连续小波变换与反变换;当低频分量不足时,引入小波包理论,分割小波空间,合理分解不同频带的信号,保证监测信息不丢失,获取信号特征,实现机械振动实时监测。仿真实验证明,该方法具有较强的信号处理能力,可通过监测信息准确判断出设备故障类型。     

递归定量分析在离心泵故障诊断中的运用

为了准确诊断离心泵的振动故障,针对振动信号的非平稳特征,提出了一种基于递归定量分析的离心泵振动故障诊断方法。采用递归定量分析(recurrence quantification analysis,简称RQA)方法提取离心泵振动信号的非线性特征参数,由这些特征参数构成特征向量,并以此作为改进Elman神经网络的输入,对神经网络进行训练,建立了离心泵运行状态分类器,用以诊断离心泵的不同状态。试验结果表明,递归定量分析与Elman神经网络相结合的方法可以准确诊断离心泵的振动故障。     

基于SVDI的低功耗自供电机械设备故障检测方法

异常的温度变化和振动都会导致低功耗自供电机械设备故障,为了提高设备运行的安全性和稳定性,提出了基于奇异值分解插值(SVDI)的低功耗自供电机械设备故障检测方法。利用改进后的小波去噪方法对低功耗自供电机械设备的运行信号做去噪处理,采用SVDI算法提取机械设备运行信号的特征,构建低功耗自供电机械设备的故障状态集合,将机械设备运行信号特征与故障状态集合中存在的故障对比,完成低功耗自供电机械设备故障检测。实验结果表明,所提方法的信号质量高、检测性能好且错分代价低,保障了低功耗自供电机械设备的稳定运行。     

重载铁路电化区段信号机械设备故障自动检测方法

为解决重载铁路电化区段信号机械设备故障在检测中存在检测结果误差大、错检与漏检率高等问题，设计了重载铁路电化区段信号机械设备故障自动检测方法。分析重载铁路电化区段信号机械设备的组成，以及机械设备运行的自动化控制过程，确定机械设备故障类型；针对不同故障类型设置故障自动检测判据，利用传感器设备采集实时运行数据，通过滤波和融合后输出初始数据样本，提取信号机械设备实时信号特征，通过计算检测判据相似度，确定信号机械设备故障类型，输出故障自动检测结果。实验结果表明，所提方法综合信号机械设备故障位置、程度等多个方面，使平均检测误差低于1.0,错检率和漏检率均低于1%,提升了重载铁路电化区段信号机械设备故障自动检测的有效性。     

基于EMD分解的聚类树状图轴承故障诊断

针对滚动轴承故障振动信号的非平稳特征和故障征兆模糊性,提出了基于EMD和动态模糊聚类图的轴承故障诊断方法.运用EMD方法提取待诊断的轴承运行状态样本的能量特征指标,应用模糊聚类分析方法对特征参数进行聚类,并作出聚类树状图.结果表明,该方法不需要大量的样本进行学习,且能更直观、准确识别滚动轴承的运行状态.     

关联维数分析方法在液压泵多故障诊断中的应用研究

针对液压泵故障信号非线性和非平稳性特征,提出了利用相空间重构技术和分形理论相结合的特征关联维数提取方法。该方法将液压泵不同故障模式下获取的一维振动信号重构到高维相空间,进行信息深层挖掘;通过对相空间特征信号关联维数变化规律的分析,找出对故障反映敏感的关联维数,由此进行故障识别。通过实验验证,该方法提取的关联维数能有效反映液压泵的故障特征,为液压泵多故障诊断方法的研究提供可靠的特征信息,具有良好的应用前景。     

燃油泵故障诊断试验装置及试验方案优化设计

针对现有燃油泵测试平台只能够完成简单的功能测试,在多故障模式条件下故障检测率低的问题,设计了一套燃油泵故障诊断试验装置及试验方案,并依据试验结果对方案进行了优化。该装置可针对燃油泵7种典型故障进行故障试验,并实时准确地采集其振动及出口压力信号。对采集到的信号进行故障特征提取,构造不同故障特征向量,比较不同传感器信号组合时的诊断效果,优化了传感器的布局。试验验证表明,该装置能够为燃油泵故障诊断提供可靠的故障数据,并且只需一个振动传感器和一个压力传感器就可以实现对泵的故障诊断,减小了工程应用中机载燃油泵状态监测系统的体积及复杂性。     

基于改进全息希尔伯特谱分析的旋转机械故障诊断方法

时频分析方法能够有效同时提取故障设备振动信号的时间和频率信息,但在全面反映非线性振动信号幅值调制与频率调制特征之间的跨尺度耦合关系方面仍存在局限,且容易受到噪声干扰。对此,创新性地将全息希尔伯特谱分析(Holo-Hilbert spectral analysis,HHSA)方法引入到机械故障诊断中。HHSA通过双层经验模态分解(EMD)结构可完整地描述振动信号的内部调制特性,非常适合机械局部故障的检测。同时,为了进一步提升HHSA的诊断精度、抑制EMD模态混叠和噪声干扰,提出一种基于改进再生相移正弦辅助经验模式分解(Improved regenerated phase-shifted sinusoid-assisted EMD,IRPSEMD)的改进HHSA方法(IHHSA)。通过仿真信号验证IHHSA方法用于局部故障检测和诊断的有效性。最后,将IHHSA应用于齿轮裂纹故障和滚动轴承局部故障诊断中,结果表明,提出的IHHSA方法能够更全面地反映和呈现非线性故障振动信号的内部调制关系,且具有更好的故障识别能力。