基于精细复合多尺度模糊熵的往复压缩机轴承间隙故障特征分析方法

针对往复压缩机故障信号呈现非线性、非平稳等特点,提出了基于精细复合多尺度模糊熵(RCMFE)的往复压缩机轴承间隙故障特征提取方法。在精细复合多尺度熵的基础上,结合模糊熵概念,提出了RCMFE方法,应用其量化信号非线性特性形成故障特征。白噪声和1/f噪声仿真信号分析结果表明:RCMFE熵值对数据长度不敏感,未定义熵出现概率小。以往复压缩机传动机构轴承间隙故障为研究对象,应用RCMFE实现其故障信号特征提取,并与多尺度模糊熵、复合多尺度模糊熵进行对比,该方法特征区分度显著,支持向量机故障识别准确率高于其他方法。     

基于IUPEMD和RCMFE的往复压缩机气阀故障诊断

由于往复压缩机的振动信号非线性、非平稳性的特点,为进一步提高故障识别率,提出一种基于改进的均匀相位经验模态分解(IUPEMD)和精细复合多尺度模糊熵(RCMFE)的往复压缩机气阀故障诊断方法。采用IUPEMD方法对信号进行分解,通过不同的参数组合,利用正交性为指标选择最佳IMF分量,有效提高了IUPEMD对非平稳性信号的分解精度,减少模态混叠现象;以峭度为评价指标对分解后的IMF分量进行筛选,并重构信号,求解重构信号的RCMFE,提取故障特征向量;最后,将特征向量输入到支持向量机进行分类识别。试验结果验证了该方法的有效性和优越性。     

OVMD与三维奇异谱特征融合的往复压缩机气阀故障识别方法

针对往复压缩机气阀断裂型故障危害下故障振动波形的变异特点,为提高常见的气阀阀片失效后期断裂型故障的识别率,提出一种基于最优变分模态分解(OVMD)和三维奇异谱融合的诊断算法。通过VMD参数优化,利用多重分形去趋势波动分析(MFDFA)提取模态分量的三维奇异谱参数分析,结合核主分量分析降维提取不同工况模态分量的特征值,并建立完整的OVMD＿MFDFA融合诊断识别方案。模拟试验和算法对比证实,该法能有效提高环状气阀阀片断裂故障诊断效率和准确性。     

基于CIELMD与RCMFE的往复压缩机轴承间隙故障特征提取方法

针对往复压缩机轴承间隙故障诊断振动信号强非平稳、非线性与特征耦合特性,提出基于复合插值包络局部均值分解(CIELMD)与精细复合多尺度模糊熵(RCMFE)特征提取方法.使用CIELMD方法分解不同轴承间隙故障信号,利用相关系数筛选包含主要故障信息的PF分量;通过RCMFE方法定量描述PF分量构成状态特征矩阵,为解决信息...     

基于改进的CEEMDAN和CHDE的往复压缩机气阀故障诊断

由于往复压缩机的振动信号具有非线性非平稳性的特点,为进一步提高故障识别率,提出对自适应噪声完备集合经验模态分解(CEEMDAN)进行改进并与复合层次散布熵相结合的往复压缩机气阀故障诊断方法。利用正交性为指标选择最佳模态函数,有效提高了CEEMDAN对非平稳性信号的分解精度,减少噪声残差;采用峭度作为评价指标对分解后的IMF分量进行筛选并重构信号,求解重构信号的复合层次散布熵,提取故障特征向量;利用支持向量机进行分类识别。试验结果验证了该方法的有效性和优越性。     

基于CEEMDAN和RCMDE的往复压缩机轴承故障诊断方法

针对往复压缩机振动加速度信号的非线性、非平稳等特性,提出一种基于自适应噪声完备集合经验模态分解(CEEMDAN)和精细复合多尺度散布熵(RCMDE)的往复压缩机轴承故障特征提取方法。采用CEEMDAN方法对信号进行分解时,通过不同的参数组合,可得到不同的IMF分量;计算不同参数条件下重构后的信号的峭度值,选用峭度值最大的一组参数重新对信号进行CEEMDAN分解,并进行信号重构。对重构后的信号进行RCMDE分析,提取故障特征向量,并利用支持向量机(SVM)进行分类识别。将优选参数的CEEMDAN分解方法和原CEEMDAN分解方法进行对比,结果表明:优选参数的CEEMDAN分解方法能更好地提取往复压缩机周期冲击性信号,有利于提高故障诊断的精确度。     

基于谱估计与核模糊聚类的往复压缩机轴承故障评估方法

针对往复机轴承性能衰退评估中模型适应性和指标量化困难等问题,提出一种基于奇异谱分布与核模糊C均值聚类算法(KFCM)的性能衰退评估方法。利用变分模态分解(VMD)算法提取并优选主模态多重分形奇异谱(MSS)构成谱形态参量,经奇异值分解降噪处理,建立KFCM与二叉树支持向量机相结合的评估模型,并给出完整的轴承性能衰退评估流程;进行压缩机轴承磨损故障模拟及算法对比分析。结果表明:该方法能有效评定滑动轴承磨损故障性能衰退程度。     

基于CF特征提取与MBA-SVDD的滚动轴承故障诊断

针对滚动轴承振动信号呈现出的非平稳特性以及早期故障特征难以提取的问题,提出一种基于变分模态分解与时域、频域值混合的特征提取方法,并利用改进蝙蝠算法(MBA)优化支持向量数据描述(SVDD)的参数,实现对滚动轴承的故障诊断.采用该方法对正常振动信号进行变分模态分解,得到模态函数;利用奇异值分解进一步提取模态函数的模态特征...     

基于EMD-AR谱频带能量特征的故障特征提取方法研究

通过将经验模态分解（EMD）和AR功率谱参数估计模型相结合,提出一种基于EMD-AR谱估计提取频带能量特征的方法。对振动信号进行经验模态分解,并将分解后能量占比较大的前几组固有模态函数分别进行AR谱估计得到EMD-AR谱曲线;按照频带对EMD-AR谱曲线分段并分别对每一段的能量进行求和,归一化后作为特征值。搭建齿轮箱故障试验平台,采集振动信号进行EMD-AR谱频带能量特征提取,并将所得特征值输入到SVM中进行训练和诊断。结果表明：该特征提取方法结合SVM所得到的故障诊断模型具有较高的识别准确率,能够有效、准确地进行诊断识别。     

非结构环境下基于HoG与SVM的汽车油箱盖视觉检测方法

为解决在自然场景中进行汽车油箱盖定位的问题,提出一种非结构环境下基于HoG与SVM的汽车油箱盖视觉检测方法。对汽车图像进行预处理并采用多尺度底帽变换提取图像暗细节特征;利用改进的最大熵阈值分割法分割图像;采用连通区域标记法对二值图进行统计,并在原图中确定目标候选区域;采用HoG特征和支持向量机对候选区域进行分类判决,从而定位汽车油箱盖。结果表明：该方法可以准确地检测出油箱盖位置,即使图像存在光照不均匀、汽车覆盖件表面灰尘、细节模糊等情况,也有较好的定位效果。     

往复压缩机网状气阀故障诊断研究

往复压缩机故障类别繁多,而气阀故障占总故障的36%。研究往复式压缩机气阀常见的3种故障：阀片断裂、弹簧失效、阀片密封面失效;在2D 90往复式压缩机上针对网状吸气阀进行故障模拟实验,通过在阀座上安装加速度传感器,采集然后分析阀座振动加速度信号的时域波形和频谱能量分布,找出故障特征信号与气阀工作状态的对应关系,为往复式压缩机气阀故障诊断提供参考。     

往复式压缩机气阀故障模拟实验与数据处理

研究往复压缩机气阀故障原理,在2D-90MG两列一级往复压缩机实验平台上对进气阀、排气阀进行一系列破坏性实验,模拟气阀的各类故障,最大限度地保证采集到的振动信号与实际情况相符。通过设计气阀故障模拟实验,搭建实验平台,采集气阀振动信号数据。通过分析所采集到的振动信号的时域波形与频谱,总结气阀振动信号特征,对气阀故障类别进行初步诊断。     

基于小波包分析的往复式天然气压缩机故障诊断系统

介绍了小波包分析的基本原理，在对往复式天然气压缩机的故障特点进行详细分析的基础上，提出利用小波包分频带的能量特征提取故障特征参数，建立起振动信号各频带能量到往复式天然气压缩机各故障状态间的映射关系，通过各频率成分能量的变化来诊断故障，在此基础上研制了往复式天然气压缩机故障诊断系统。     

基于LMD与多重分形寻优的往复压缩机故障特征识别方法

针对往复压缩机振动信号的非平稳和非线性特性,多重分形广义谱是一种简便、快速有效的特征参数提取方法;但其对噪声敏感,使得谱值波动,部分故障类间特征可分性差。利用经小波降噪后的优化LMD算法,并结合相关系数提取PF主分量以突出状态主信息,将多尺度整数寻优观点引入广义维,基于最佳可分性角度计算状态间最大平均距离,构造广义维数特征矩阵;通过SVM与增量学习K邻近(IKNNModel)统计算法训练和识别样本,对比证明该法能提高故障特征类间可分性和识别准确性。     

基于机器学习机床机械加工特征信息与加工材料关联性研究

为了开展数控机床机械加工特征信息检测与分析方面的研究,以健康状态的机床对不同工件材料进行切削加工,通过数据采集系统采集在不同切削状态下机床主轴输出的机械特征信息,利用机器学习的方法对特征信息进行分析和判断,提出一种基于机床主轴振动信号与机床主轴负载电流特征信息融合的工件材料精确识别判断模型。首先,获取机床在不同加工状态下的主轴振动信号以及主轴负载电流信号,利用变分模态分解(VMD)算法对其进行分解获得本征模态分量(IMF)并计算各个IMF的多尺度加权排列熵(MWPE)进行信息融合构建特征向量;然后使用灰狼优化(GWO)算法对传统支持向量机进行优化并对4种常见工况进行识别判断。试验结果表明:基于信息融合的特征提取与GWO-SVM相结合的方法能够利用机床加工状态输出的数据特征信息对正在加工的材料种类进行精确识别判断。     

基于模糊PID算法的往复压缩机监控系统设计

根据实验室往复压缩机试验台的运行现状,基于S7-300 PLC、上位PC机、触摸屏和变频器组态设计一种往复压缩机自动监控系统,在控制部分采用模糊PID控制算法,并以变频控制为辅助,实现压力的稳定输出。详细论述该系统的结构组成、硬件和软件设计流程、模糊PID算法在MATLAB中的仿真及变频调速技术。实际运行结果显示:该监控系统可实现自动监控压缩机运动过程中的热力学性能参数和故障情况,仿真结果显示经过模糊控制系统响应快,更平稳,出口压力稳定性提高,大大提高了往复压缩机的使用效率。     

基于振动烈度的乳化液泵配流阀弹簧故障特征提取研究

针对乳化液泵配流阀弹簧故障识别难度大、故障特征提取困难等一系列问题,提出一种基于振动烈度的乳化液泵配流阀弹簧故障特征提取方法。基于AMESim软件搭建乳化液泵仿真模型,通过分别设置不同参数模拟吸、排液阀弹簧故障形式,得到正常和吸、排液阀弹簧故障状态下的出口压力信号;根据振动烈度理论,将泵出口压力信号转换成加速度信号,在频域上对出口压力信号进行烈度特征值的提取和分析。研究结果表明：当吸、排液阀分别发生故障时,对出口压力烈度特征值的影响规律不同,随着吸液阀弹簧故障程度的加深,出口压力烈度特征值由正常时的15.82 mm/s2增大到20.58、28.18、34.85 mm/s2,且在断裂时达到最大值;随着排液阀弹簧故障程度的加深,出口压力烈度特征值由正常时的15.82 mm/s2减小到15.77、14.88、9.28 mm/s2,且在断裂时达到最小值。该结果可为后续乳化液泵的故障诊断提供理论依据。     

基于CEEMDAN与VNWOA-LSSVM的供输弹系统早期故障诊断研究

由于供输弹系统早期故障信号成分复杂,故障特征微弱,故提出一种基于自适应噪声完备经验模态分解(CEEMDAN)与以冯诺依曼拓扑结构(VN)改进鲸鱼算法(WOA)优化下的最小二乘支持向量机(LSSVM)的故障诊断方法。在对所测信号进行预处理即去趋势项和零点漂移后,通过CEEMDAN对供输弹信号进行分解,得出模态分量(IMF);然后依据相关系数和峭度准则这两个标准来选取符合标准的IMF分量,提取这些分量的分布熵(DE)作为特征;最后用VNWOA-LSSVM诊断模型,输入供输弹系统3种不同工况下的振动信号特征进行故障诊断,并且还对比了LSSVM、PSO-LSSVM、GA-LSSVM和WOA-LSSVM等方法对故障的识别率。实验结果表明：这些方法中经VNWOA优化后的LSSVM的识别率最高,高达94.03%。     

基于轴心轨迹的转子升速过程故障特征提取方法研究

针对升速过程中转子故障诊断所面临的复杂分析问题,在传统轴心轨迹的基础上提出瞬态倍频轴心轨迹的分析方法。利用Vold-Kalman阶比跟踪方法提取出各故障特征频率;然后将特征频率进行重构,合成随转速变化的瞬态倍频轴心轨迹;利用几何矩方法提取瞬态倍频轴心轨迹的故障特征,并将几何矩特征集进行MDS降维。经实验验证,该方法在转子升速过程中的故障特征提取及诊断方面取得了良好的效果。