模型辨识法在发动机研制阶段故障诊断中的应用初步研究

针对研制阶段发动机的特殊性，以带增压级的双轴分排涡扇发动机非线性性能模型为基础，进行了模型辨识法诊断发动机试车气路故障的研究，分别研究了单状态、双状态和三状态输入对于发动机单故障和双故障的诊断结果，得到了输入状态个数对诊断效果的影响。     

盲波束形成算法仿真及水下试验

盲波束形成技术是针对通信信号的统计性质和确定性性质所构成的一类新的波束形成技术.文中首先对高阶累积量法、基于累积量和特征空间的方法以及最陡下降恒模算法这三种盲波束形成算法进行了详细阐述,然后运用这些算法对单信号源均匀线阵、双信号源均匀线阵、单信号源随机扰动阵和双信号源随机扰动阵四种情况进行仿真.结果表明,三种算法可以进行有效的波束形成,基于累积量和特征空间的方法具有最高的输出信噪比.此外,还通过处理实际水下试验数据验证了这三种算法在实际应用中的有效性.     

修正的ARMA模型在微悬臂系统辨识中的应用

在力学显微镜和光力学的研究中,微悬臂是一种被广泛使用的微机械器件。为了了解微悬臂的模态信息,采用ARMA模型对微悬臂进行系统辨识和模态参数识别。针对观测噪声会使时间序列模型辨识精度变低的问题,研究如何将带有观测噪声的ARMA模型转化为无观测噪声的ARMA模型。得到微悬臂的ARMA模型后将其转化为连续系统的传递函数,再从传递函数中求出微悬臂的各模态参数。为了减小微悬臂对外力的延迟响应时间,根据系统辨识得到的模型,构造一个复原滤波器,微悬臂的位移信号通过这个复原滤波器后得到作用力信号。仿真及实验结果证明了所用的系统辨识、模态参数识别及信号复原方法的有效性。     

几种模态参数盲辨识方法的比较研究

对一多自由度振动系统的模态参数辨识进行了仿真研究。由于该系统具有弱小模态特征，各阶特征能量相差悬殊，不同辨识方法的可辨识性、辨识精度及数值运算量都不相同。分别利用频域分解法、时频域Gabor展开方法、传统子空间辨识法、改进子空间辨识法以及基于高阶统计量的盲方法对该多自由度系统进行了模态参数辨识，分析和比较了各种盲辨识方法的辨识性能。     

EMD与高阶累积量在滚动轴承故障诊断中的应用

共振解调是滚动轴承故障诊断中最常用的方法之一,但由于滚动轴承的早期故障信号中含有强烈的背景噪声,诊断效果不够明显。为此,提出一种基于EMD（Empirical Mode Decomposition）与高阶累积量(HOC)的滚动轴承早期故障诊断新方法。该方法首先对故障信号进行EMD分解获得多个基本模式分量,然后对各分量进行高阶累积量分析,并进行重构,最后运用包络解调进行故障诊断。故障实例证明,该方法与传统共振解调方法相比,具有较大的优势。     

非平稳信号的盲源分离在机械故障诊断中的应用

机械设备发生故障时，故障特征的提取很重要．对于多通道的设备故障振动信号，应用非平稳信号的盲源分离算法，可以有效地提取各自独立的非平稳振动源，从而可以准确地进行机械故障诊断。针对不同时频分布的非平稳盲源分离算法，比较了它们的分离效果。以转子的复合故障为例，验证了该算法在故障诊断中可行性。     

盲源分离在机械故障诊断中应用综述

介绍了盲源分离(blind source separation,简称BSS)的基本概念和研究发展,综述了盲源分离在机械故障诊断中的研究现状,主要论述了基于盲源分离的机械噪声源分离、基于盲源分离的机械故障的特征提取和模式分类.并提出了盲源分离在机械故障诊断应用中需要进一步研究的问题.     

声呐盲波束形成的神经网络实现方法

本文首先对两种盲波束形成的方法进行了分析。针对这类方法计算量大,不利于实时实现的缺点,并结合水声环境和水声信号的特性,提出了两种盲波束形成的神经网络实现方法。一种方法采用在线学习的T-H神经网络,盲估计波束形成的权矢量;另一种方法采用离线学习的径向基函数(RBF)网络实现盲波束形成。由于神经网络的并行性和非线性的特点,使得盲波束形成的运算速度得到了明显的提高,易于工程上实时应用。     

基于SOC规划的稳健盲波束形成算法

通过限制估计的方向向量与真实的方向向量之间的误差范数的边界,提出了一种基于二阶锥（Second Order Cone,SOC）规划的稳健四阶累积量盲自适应波束形成算法。该算法相较于采用传统对角加载技术的高阶累积量盲波束形成算法和WCPO-RCUM算法而言,进一步提高了稳健性和输出信干噪比。计算机仿真实验表明,该算法具有很好的稳健性。     

故障模型的可辨识性及其应用

基于系统模型辨识的故障诊断技术有助于定量评估故障的严重程度,对故障诊断技术的发展具有重要的意义,而目前多故障系统的故障辨识理论有待更深层次的研究。从故障模型的可辨识性角度来探讨和丰富故障辨识理论,因为某些并发故障将会带来模型的可辨识性问题。提出了基于Fisher信息矩阵的模型可辨识性考察方法,以及如何改善模型可辨识性的方法,并以转子系统的质量偏心和轴初始弯曲辨识应用为例来说明。     

时频分析在旋转机械故障诊断中的应用

针对旋转机械发生故障时振动信号的不平稳性，利用时频分析中的小波尺度图和再分配后的小波尺度图对点碰摩、松动、裂纹和油膜失稳故障进行对比分析，结果表明再分配小波尺度图比传统小波尺度图，具有更高的时频分辨率，可以更好地识别转子早期故障。     

二阶统计量盲辨识在模态参数识别中的应用

快速、准确地识别出结构的模态参数,是结构损伤精确识别与健康监测的重要前提。该文提出一种结构模态参数识别的新方法。该方法以盲源分离理论中基于二阶统计量的AMUSE算法为基础,以振动系统的自由响应或脉冲响应为分析对象,通过对数据进行Hilbert变换增加虚拟测点,以不同时滞下数据协方差矩阵构建联合矩阵,通过求解时滞联合矩阵的特征值问题实现对结构模态参数的识别。联合矩阵的引入克服了AMUSE算法仅采用两个时滞协方差矩阵所带来的不稳定性。数值算例结果表明,该文提出的方法计算简单,识别精度高,不受时滞选择的限制,对测量白噪声不敏感,具有很好的鲁棒性。     

模糊聚类分析法在抽风机故障诊断中应用

介绍了模糊聚类分析的理论和方法,讨论了数据规格化的三种方案,指明极差值是数据规格化最简便的方案。并将该理论应用于抽风机故障诊断研究中,在样本中引入正常状态和故障状态时的样本数据,运用基于传递闭包的模糊等价矩阵进行聚类分析,并通过待检测数据检验其可靠性。通过实例检验表明,理论分析与现场检查结果相符,证实了模糊聚类分析对提高抽风机故障诊断能力的有效性。     

离散余弦变换在滚动轴承故障诊断中的应用

本文探讨了应用离散余弦变换分析滚动轴承故障的方法,采用小波基将滚动轴承振动信号变换到时间－尺度域,对高频段的小波系数用离散余弦变换进行包络分析。通过对滚动轴承具有外圈缺陷、内圈缺陷的情况下振动信号的分析,说明这种方法可以有效的用于效地用于滚动轴承的故障诊断。     

滚动轴承故障脉冲信号提取及诊断:一种盲解卷积方法

运用一种基于峭度最大化的盲解卷积算法，从局部损伤的滚动轴承振动信号中提取或增强脉冲冲击信号。在对内、外圈存在损伤的轴承振动信号进行解卷积处理后，故障脉冲信号得以充分增强，而且在时域上呈规律地分布。另外，取2倍的解卷积信号样本标准差为阈值，通过时域阈值除噪，可以进一步得到提纯的故障脉冲序列。计算表明，其脉冲线周期性出现的平均频率与相应的故障特征频率相当吻合。     

基于专家系统与神经网络集成的故障诊断的应用研究

本文针对工业生产中使用的直流电动机，应用人工智能的相关理论对其故障进行了广泛深入的研究。在此基础上，探讨了专家系统与人工神经网络相集成的电动机故障智能诊断方法并加以实现。实践证明，网络的学习时间显著缩短，整个系统的推理效率明显提高，并验证了集成式专家系统的诊断效果比传统的专家系统或神经网络更为全面、准确和迅速。电动机故障的集成式智能诊断方法是一个既有理论研究意义又有实际使用价值的课题与方向。     

机械噪声故障诊断中小波变换的应用

本文讨论了小波分析理论在机械噪声故障诊断中的应用。为了识别发动机噪声信号中表征故障的间歇性撞击声,本文构造的一种新型的小波——指数衰减型小波函数,它能有效地识别出间歇性撞击声。本文最后给出了实验结果并与经典高斯型小波分析的结果进行了比较。     

空调房间数学模型的系统辨识及其仿真

指出房间动态数学模型在控制系统中的重要性,随后通过简化建立房间的理论数学模型,再次通过系统辨识的方法建立房间的模型.最后利用辨识的数学模型对阶跃响应的仿真结果和实测温度进行比较,从中可以选择要求精度的数学模型.