基于鲸鱼优化算法的自适应共振解调轴承故障诊断方法

针对共振解调方法需要选取包含较多故障信息的共振频带这一特点,提出了一种基于鲸鱼优化算法的自适应共振解调轴承故障诊断方法。首先,使用鲸鱼优化算法,以峭度和包络谱峭度构造的复合峭度作为优化目标,对带通滤波器参数中心频率和带宽进行自适应选择。然后,使用寻优得到的最优中心频率和带宽对轴承故障信号进行滤波分析。最后,对滤波后信号进行包络解调处理,提取出故障特征频率,判断轴承故障类型。通过对仿真信号和轴承内、外圈故障信号的分析诊断,可以证明该方法能够满足共振解调方法中对共振频带选取的要求,完成轴承信号故障频率的提取,是一种有效的轴承故障诊断方法。     

阱宽非对称性诱导随机共振的轴承故障诊断方法

针对随机共振能够俘获噪声能量增强与提取机械微弱故障特征的优点,基于两态信噪比理论研究了阱宽非对称性诱导下的随机共振现象,理论结果表明阱宽诱导下的非对称随机共振比对称随机共振具有更高的输出信噪比,意味着适当的非对称性能够改善随机共振的增强性能。因此,提出了阱宽非对称性诱导随机共振的轴承故障诊断方法,利用量子遗传算法以信噪比为目标函数优化阱宽非对称性,以获取阱宽非对称性与微弱故障特征之间的最佳匹配。仿真和轴承实验结果表明,提出的方法能够有效地实现轴承的故障诊断,而且其性能优于集成经验模式分解。     

泥浆泵液力端故障诊断技术研究

通过对现有的泥浆泵液力端故障诊断技术的分析研究,并结合泥浆泵的结构及工况特征,提出了振动信号统 计指标与神经网络相结合的液力端故障诊断方法。该方法选取振动信号的有效值、方差、峰值指标、脉冲指标、峭度指 标和裕度指标作为表征液力端振动信号的特征指标;采用动态数据采集仪、压电式加速度传感器采集振动测试信号, 并计算得出振动信号平均特征量;然后通过对振动信号特征指标的归一化处理,构建BP 网络和设置网络参数,将经 归一化处理后的时域统计指标作为训练样本,输入到构建的BP 网络中进行网络训练;经过训练,使BP 网络满足预定 的精度要求。现场应用诊断误差分别为：0.007 7,0.017 9,0.017 7,0.021 6,说明构建的BP 网络的性能能够满足故障 诊断要求。利用统计指标和BP 神经网络结合的故障诊断方法,对泥浆泵故障诊断具有较准确的识别效果,可应用于 泥浆泵液力端的故障诊断。     

基于小波分析和共振解调的故障诊断方法

介绍小波分析和共振解调技术的原理及在机械设备故障诊断中的应用。讨论小波分析和共振解调技术之间的内在联系与应用。     

基于广义谐波小波分析的低速重载轴承故障诊断

研制出一种低频振动传感器作为谐振器,利用谐波小波在频域连续分布且具有严格的盒形谱特性,通过适当调整参数m和n,构造出不同频段的带通滤波器对信号进行广义谐波小波变换.通过广义谐波小波变换实现低速重载轴承振动信号的共振解调,从而提取出故障轴承的低频冲击信息,为低速重载轴承的故障诊断提供了一种新的有效方法.运用该方法准确判断出炼钢转炉悬挂齿轮箱耳轴轴承的故障.     

自适应频移变尺度振动共振轴承故障诊断

针对广泛应用于水轮机、风电机组等设备中的滚动轴承存在早期故障难以检测的问题,提出了自适应频移变尺度振动共振轴承早期故障诊断方法。该方法利用高频周期激励促使滚动轴承振动信号中的噪声能量转向轴承故障特征频率,并自适应地频移变尺度轴承故障特征频率使其满足振动共振的小参数检测条件,最后通过参数优化最佳地检测出轴承早期故障。利用轴承实验数据验证了该方法的有效性,与最大相关峭度解卷积技术相比,所提方法的诊断结果具有一定的优势和工程应用价值。     

改进型双稳随机共振系统及其在轴承故障诊断的应用

针对经典双稳随机共振系统(CBSR)的输出饱和现象降低系统输出信噪比的问题,提出一种改进型双稳随机共振系统。将CBSR中限制粒子运动的四次型势函数改进为分段二次型双稳势函数,并代入到由势函数、噪声以及微弱周期信号驱动的朗之万方程中,得到非饱和分段双稳随机共振系统。该系统结构简单,可通过调节系统参数实现最佳随机共振。进一步,通过绝热近似理论,得到表征系统性能的输出信噪比表达式,当输出信噪比随系统参数以及噪声参数增加呈现非单调变化时,系统发生随机共振。将改进系统应用于轴承故障诊断,结果表明,在相同参数下,改进系统的输出信噪比共振曲线整体高于CBSR及分段非线性双稳随机共振系统(PNBSR),系统能够有效检测出故障信号频率,在内外圈故障诊断中,输出信噪比较PNBSR系统分别提高了2.4 dB与1.8 dB,证明改进系统可有效增强系统输出信噪比。     

连轧机组减速机异常振动的故障诊断

针对连轧机组减速机在检修后开始工作中,产生较大振动这一异常现象进行了诊断与分析,从而找出了产生这一故障的原因,更换故障件后得到证实,诊断是正确的．     

基于DTFT的共振解调技术及其在滚动轴承故障诊断中的应用

把离散时间傅立叶变换用于共振解调技术中共振解调信号的谱分析,利用信号的离散时间傅立叶变换可以得到任意高频率分辨率的谱线图,而不受采样点数的限制.对滚动轴承在外圈剥离、内圈剥离两种故障状态下的振动信号的分析表明,与基于FFT的共振解调技术相比,这种方法可以更有效、更准确地诊断出滚动轴承的故障部位.     

轴承早期故障信号的二阶循环平稳分析

研究了故障轴承振动信号的循环平稳特性,用常见调制信号证实了二阶循环自相关、谱相关密度函数的解调性能.通过实例仿真,在切片分析的基础上,针对多载波多调制源的早期轴承故障信号,提出应用二阶循环切片集合分析法对轴承故障信号进行故障提取,并与谱密度组合切片分析法进行了比较.分析结果表明,切片集合法能快速有效地诊断出轴承的早期故障.     

EMD共振解调在滚动轴承故障诊断中的应用

针对人为加工的滚动轴承点蚀故障数据难以模拟真实疲劳失效过程的问题,提出将滚动轴承强化寿命试验的轴承疲劳失效过程数据作为故障诊断数据,结合经验模态分解(Em-piricalMode Decomposition,EMD)与共振解调技术对真实疲劳失效的滚动轴承进行故障诊断.依托经验模态分解的自适应性,有效的将携带故障信息的高频调制信号从原信号中分离出来,实现了信号的带通滤波;利用H ilbert变换进行解调分析得到包含故障特征信息的低频包络信号,经过频谱分析后实现对疲劳失效滚动轴承故障特征提取和故障辨识.实验结果表明:该方法能诊断真实情况的滚动轴承疲劳失效故障.     

基于小波包联合AR功率谱理论的滚动轴承故障诊断

提出了小波包联合自回归功率谱理论的故障诊断方法.对采集的轴承振动信号采用高、低正交共轭镜面滤波器组,将信号划分到不同频道上.滤波器每作用一次,数据点减半,采样的时间增至两倍.选取轴承缺陷所在频段的数据插零,将其他频带补零重构提高缺陷信号的时频分辨率;然后通过AR功率谱分析轴承运行状态,诊断出轴承对应的故障.对207滚动轴承的早期缺陷作了实际诊断,诊断结果与实际较为符合.证明该方法是一种有效的弱信号缺陷提取与诊断方法.     

基于HHT及共振解调方法的动车组走行部轴箱轴承故障诊断算法

针对动车组走行部轴箱振动信号非平稳、非线性且背景噪声频率分布范围广的复杂特性,设计了改进的希尔伯特-黄变换算法(Hilbert-Huang Transform,HHT),综合利用了HHT方法有效平稳化信号及共振解调方法有效提高信噪比的优点.通过分析动车组运行过程中轴箱轴承背景噪声成分,进行了轴箱轴承故障信号的仿真.对仿真信号分别使用HHT方法,共振解调方法及本文所设计方法进行故障分析.结果表明:相比HHT方法与共振解调方法,本文所设计方法可有效提取故障信息并分析故障类型.适用于分析高速动车组走行部特有的振动信号特征.为我国高速动车组故障诊断提供了新思路.     

基于声卡的乳化液泵故障诊断系统

通过分析乳化液泵排、吸液阀振动产生的机理设计了泵的振动信号测试系统和泵的故障诊断软件。测试系统采用PC计算机、电涡传感器,声卡,建立了乳化液泵振动信号的信号采集系统并对测点的安放进行了说明。用声卡成功地代替了一般的数据采集卡来采集振动信号,有效的降低了整个测试系统的成本。乳化液泵故障诊断系统软件主要包括主调度模块、功能模块组、人工神经网络程序包和数据库等部分。主调度模块主要控制和协调诊断系统其它部分的工作。诊断系统软件的在线故障诊断功能、事后故障诊断功能、人工神经网络的训练以及其它工具的功能都是通过它调用相应的功能模块或子程序来实现的。中心数据库是为整个乳化液泵状态监测与故障诊断系统服务其主要功能是存储各种过程参数和故障诊断参数。     

一种输油泵机组故障诊断与健康评估方法

输油泵机组是长距离油品传输的关键设备,有效预防其出现突发故障、减小故障造成的损失至关重要。然而目前针对输油泵的故障诊断方法在现场应用时普适性不佳,且缺乏针对机组一体的监测诊断研究,不利于计划性维修。此外,受现场可提供数据的限制,现有的输油泵状态评估方法在很多现场无法使用。针对上述问题,提出一种输油泵机组故障诊断与健康评估方法,利用迁移学习提高输油泵故障诊断在工业现场应用时的准确率;通过搭建实验台并对电机运行状态进行监测、分析,构建电机机械类故障诊断模型;构建基于卷积-长短期记忆神经网络(CNN-LSTM)的状态评估模型,并以此为基础利用时序卷积网络(TCN)结合注意力机制进行状态趋势预测。在现场试运行的结果表明,本文提出的故障诊断及状态评估方法可以及时发现设备的早期故障,为设备运维提供有效的数据参考。     

基于EEMD与形态滤波的滚动轴承故障诊断方法研究

为从滚动轴承故障信号中提取出包含故障信息的特征频率,提出集合经验模式分解法(EEMD)与形态滤波相结合的解调方法。该方法首先利用EEMD自适应地将信号分解成多个IMF分量,然后计算各IMF分量与原信号的相关系数,选择合适的IMFs进行信号重构,再对重构后的信号进行形态滤波,滤除脉冲干扰,提取出故障特征信息。将该方法应用于滚动轴承故障诊断实例中,并将分析结果与直接对原信号进行包络谱分析解调的结果进行对比。结果表明,该方法提取故障信息的效果较包络谱分析解调的效果要好。     

基于深度特征提取神经网络的滚动轴承故障诊断

滚动轴承作为旋转机械的重要组成部分,其运行安全性受到大量关注,但传统的基于信号处理的时频分析故障诊断方法较为依赖专家知识从而难以广泛应用。结合应用较广的卷积神经网络和长短时记忆网络模型的优点-自动提取振动信号的深层特征信息以及可识别所提取的长时连续的振动信号时序特征信息,提出一种深度特征提取神经网络模型,将原始的振动信号作为模型输入,进而通过多层卷积与长短时记忆网络对振动信号进行故障特征信息提取,可以有效提取滚动轴承振动信号中的深层时序故障特征信息,进而准确辨识滚动轴承不同的故障模式,并且避免了复杂的信号预处理与人工进行信号特征提取的过程。通过凯斯西储大学滚动轴承故障实验的10类健康状态数据验证了所提方法的有效性,并对实验结果进行分析,解释了在迭代过程中出现精度波动的可能原因。     

基于改进小波包结合CS-BP的地面驱动螺杆泵故障诊断

针对目前地面驱动螺杆泵故障诊断存在效率不高、精度不足、损耗资源的问题,提出通过引入功率谱细化的思想改进小波包变换,再结合布谷鸟搜索(cuckoo search, CS)优化反向传播(back propagation, BP)神经网络的诊断方法。首先,通过改进的小波变换对螺杆泵有功功率分解重构得到特征向量;其次,与瞬时流量、进口回压等参数进行归一化处理,作为BP神经网络的输出层信息;再次,使用布谷鸟搜索寻优得到BP神经网络的权值和阈值,建立CS-BP故障诊断模型;最后,应用于螺杆泵不同故障类型的诊断,并通过与目前的主流诊断方法进行诊断效果的分析比较。结果表明,对于螺杆泵不同类型故障诊断的平均精度达到95.6%,对比分析证明了所提方法的可行性与优越性。     

改进PSO优化SVM的滚动轴承故障诊断

提出一种基于改进粒子群算法和支持向量机的滚动轴承故障诊断方法.首先分析基本粒子群算法的不足及其关键参数,提出多方面改进的粒子群算法,利用10种基准测试函数对比多种粒子群算法,证明该改进算法的优势.然后结合支持向量机,建立滚动轴承故障诊断模型,并提取滚动轴承振动信号的时域、频域、小波包节点能量和CEEMDAN分量排列熵四种特征,构成单一特征和组合特征作为诊断模型的输入特征向量.最后利用凯斯西储大学滚动轴承数据进行验证,并与网格算法、遗传算法和多种不同粒子群算法进行对比.试验证明,本改进粒子群算法优化支持向量机模型在滚动轴承故障诊断中更具优势.