基于自适应形态提升小波与改进非负矩阵分解的发动机故障诊断方法

信号处理与特征参数提取是实现发动机故障诊断的关键。针对传统小波和形态小波的 缺陷,提出一种自适应形态梯度提升小波变换(AMGLW)。该方法采用信号的局部梯度作为判断 信号奇异性的度量指标,在信号突变处采用提出的形态梯度提升算子以保留信号的冲击特征,在信 号缓变处采用平滑算子以抑制噪声。在此基础上,提出采用改进非负矩阵分解方法对分解后的信 号进行特征提取,计算用于发动机故障分类的特征参数。利用实测的发动机在5 种状态下的振动 信号对提出的信号处理及特征提取方法进行了验证。     

基于经验模式分解与BP神经网络的柴油机失火故障诊断

针对柴油机燃烧过程复杂影响因素众多,失火故障的识别存在较大的困难,研究了基于经验模式分解与BP神经网络对振动信号进行分析诊断失火故障的方法。首先运用适于非周期、非平稳信号分析的经验模式分解方法对柴油机缸盖表面振动信号进行分解并提取特征参数;然后建立了BP神经网络模型对柴油机失火故障进行诊断;最后通过对某型柴油机的正常与失火状态的准确判别,表明了该方法的有效性。     

基于奇异值分解和小波变换的图像压缩算法

针对基于图像处理的机械故障诊断和状态监测信息数据量大,不利于传输和存储等问题,提出了一种基于奇异值分解(SVD)和小波变换的图像压缩算法。该算法利用奇异值分解和小波变换对图像进行两级压缩。首先对图像进行奇异值分解,通过设定能量比阈值自适应地保留部分数值较大的奇异值,舍弃其它数值较小的奇异值,实现图像初步压缩,然后对保留的奇异值对应的奇异向量矩阵采用小波变换进一步压缩。将所提算法与霍夫曼编码结合,对火炮炮膛疵病图像进行了压缩。试验结果表明,本文算法在保证图像重建质量情况下,可以有效提高图像压缩比。     

基于3维相关性矩阵的故障诊断方法

为解决航天器控制系统难以快速准确地诊断定位故障的问题,提出一种3维相关性矩阵的故障诊断方法.根据复杂系统功能原理,建立不同状态的最优化故障传播有向图模型,依据3维相关性矩阵的映射关系及检测结果快速映射到故障模式,实现系统故障的快速诊断定位及测试点的最优化设计.结果表明:该方法可以减少测试点的设置数量,降低故障诊断系统的复杂度,提高诊断的快速性.     

改进的经验模态分解方法在滚动轴承故障诊断中的应用

本文将Hilbert-Huang变换（HHT）应用到滚动轴承故障诊断中，利用经验模态分解自适应地将滚动轴承故障信号分解为若干不同特征时间尺度的固有模态函数，进行Hilbert谱和边际谱分析，由此来识别滚动轴承的故障类型。研究结果表明：这种改进的方法能有效地提取滚动轴承的故障特征。     

基于EEMD和二维边际谱熵的齿轮箱故障诊断

针对信号经验模态分解（EMD）过程中存在波形混叠现象,提出一种基于聚合经验模态分解（EEMD）和Hilbert二维边际谱熵相结合的方法对齿轮箱故障进行分类故障诊断．首先使用小波阈值分析对背景噪声较大的齿轮箱振动信号进行预处理;其次对预处理信号进行分解,得到IMF分量,对比正常信号与故障信号的区别;最后对3种工况信号进行Hilbert变换并计算得到边际谱,并且提取二维边际谱熵作为支持向量机（SVM）的输入量,建立故障诊断模型．经测试该方法在齿轮箱故障诊断方面有着较强的分类能力和诊断精度,具有一定的可行性．     

非线性调频模态分解-同步提取变换方法及其在滚动轴承故障诊断中的应用

传统同步提取变换(SET)方法在处理多分量非平稳复杂信号时,各相邻分量的瞬时频率差要大于窗函数频率支撑范围的2倍,否则时频结果易发生频率混叠,而工程信号常常难以满足.此外,在处理高噪的复杂信号时,其时频分辨率往往不理想.针对此不足,将非线性调频模态分解(VNCMD)引入SET中,提出一种VNCMD-SET的故障诊断方法...     

基于自适应助推算法的集成支持向量机在柴油机故障诊断中的应用

利用支持向量机( SVM)进行机械故障诊断时,分类效果与核函数紧密相关。但核函数的选取一直缺少明确的理论指导,而且由于学习过程中常采取近似计算,致使分类结果远非期望水平。本研究首先利用匀幅、互信息指标构造特征向量;而后基于自适应助推法得到一系列基本SVM;并基于多样性准则对这些基本SVM进行筛选,最后对满足条件的基本SVM加权得到集成SVM。将集成SVM应用到某型坦克柴油机的故障诊断中,性能评价及分类结果表明,集成SVM比单- SVM具有更好的分类性能,故障诊断准确率更高。     

基于1(1)/(2)维谱的舰船辐射噪声低频线谱成分提取

分析了1(1)/(2)维谱具有的几个特殊性质,即抑制高斯噪声和对称分布噪声;加强信号的基频分量以及剔除非耦合相位的谐波分量.通过计算实际舰船噪声的1(1)/(2)维谱,并利用它所具有的特征参数,对舰船信号进行了分类与识别,达到了较好的识别效果, 为进一步开展水下目标探测与识别研究打下了良好基础.     

基于改进算法的BP神经网络在故障诊断中的应用

BP神经网络凭借其自身的优势被广泛的应用于故障诊断领域,本文介绍了有动量梯度下降法的BP神经网络,在分析故障诊断机理的基础上建立了BP神经网络模型,然后通过模型对某型装备进行故障诊断,并运用Matlab软件进行仿真得出结果.     

神经网络专家系统在发动机故障诊断中的应用

将神经网络与专家系统相结合形成了神经网络专家系统,其核心部分采用BP神经网络．以发动机为诊断对象,获取故障数据后,采用3层BP神经网络模型对网络进行训练,经过几种不同网络参数的对比后,设定了合理的网络训练参数,训练后获得了期望的误差值0．01,并采用VB6．0软件设计了专家系统的人机交互界面,为专家系统在发动机故障诊断中的应用提供了有益的参考．     

柴油机故障信号的形态学多尺度分形分析

为解决传统单一分形维数在表征信号时的缺陷,提出一种基于形态学计算的多尺度分形维数估计方法。 对柴油机正常、失火和气门间隙过大故障信号进行分析,并与单一分形维数方法进行对比。结果表明：基于形态学 计算的多尺度分形维数能准确地对柴油机不同状态下的信号进行分类,计算简单快速,具有很好的故障诊断效果。     

多传感器信息融合在自行火炮发动机故障诊断中的应用

针对单一传感器信息反映故障的模糊性和不确定性，发动机故障诊断精度较低的情况，提出了一种基于模糊逻辑的发动机喷油器故障MSF诊断方法。某12缸发动机喷油器上设置的5种故障分别是喷孔堵塞、针阀卡滞、弹簧断裂、针阀开启压力过低和针阀开启压力过高。将8个特征参数融合到模糊逻辑推理诊断系统中，根据实验统计，分别建立了8个特征的隶属度函数和6种状态的输出隶属度函数。该方法能有效地提高发动机故障诊断精度。     

Fault Diagnosis Method Based on Fractal Theory and Its Application in Wind Power Systems

The non-linear dynamic theory brought a new method for recognizing and predicting complex non-linear dynamic behaviors. The non-linear behavior of vibration signals can be described by using fractal dimension quantitatively. In this paper, a fractal dimension calculation method for discrete signals in the fractal theory was applied to extract the fractal dimension feature vectors and classified various fault types. Based on the wavelet packet transform, the energy feature vectors were extracted after the vibration signal was decomposed and reconstructed. Then, a wavelet neural network was used to recognize the mechanical faults. Finally, the fault diagnosis for a wind power system was taken as an example to show the method’s feasibility.     

基于准信息熵的测试性D矩阵故障诊断新算法

测试性D矩阵包含系统故障与测试的所有信息,是测试性分析的核心。正确处理D矩阵能极大地提高故障诊断的效率。在继承D矩阵传统处理算法优点的基础上,引入局部信息熵算式,提出一种准信息熵测试性D矩阵故障诊断新算法。新算法结合全局和局部两类寻优算法的特点,具有全局寻优和局部寻优的能力,并与传统算法具有相同的适应性。通过两个实例验证了新算法的有效性,表明新测试性D矩阵故障诊断算法具有减少诊断步数、诊断时间和诊断费用等优点。     

基于粒子群优化技术的导弹模拟故障诊断方法

采用一种基于粒子群优化的特征提取算法,以K-NN分类正确率作为评价准则,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,适合于对模拟故障特征进行提取．故障诊断示例证明了该特征提取算法在导弹模拟故障诊断中的有效性．     

基于故障树与灰关联分析的鱼雷故障诊断

将灰色关联度与故障树联合运用于鱼雷故障诊断,为鱼雷的故障诊断提供了一种新途径。在鱼雷动力系统故障树诊断模式识别中,运用灰色系统理论中的灰关联分析,通过进行关联度计算及排序,对各种故障模式发生的可能性大小作出了判断,从而为处理故障的轻重缓急、控制故障的发生以及改进系统的可靠性提供了理论依据。实例诊断表明,这种方法是有效可行的,并且诊断结果可靠。     

基于ADASYN-随机森林的智能家电内部电路故障诊断

针对智能家电内部电路故障诊断中存在的数据不平衡和分类器诊断精度低的问题,提出一种基于ADASYN算法过采样和随机森林(random forest,RF)的故障诊断方法。将电流信号进行小波包分解,提取最后一层各节点能量作为特征向量;使用ADASYN算法扩充训练数据集,得到随机森林故障诊断模型并进行测试。实验结果表明：ADASYN-随机森林故障诊断模型对智能家电内部电路故障具有较高的诊断精度,对故障诊断有一定的实用价值和指导意义。