小波包分析方法在齿轮泵故障诊断中的应用

齿轮泵产生噪声时基本上都伴有振动。对齿轮泵的振动原因及振动信号进行分析,由于齿轮泵的振动信号包含大量的频谱,利用小波分析原理及小波包分解故障信号,并与正常信号比较,抽取与故障有关的几个频段进行重构,剔除正常振动分量和干扰项,从而使故障特征信号从复杂的振动信号中分离出来,便于判断齿轮泵的故障原因。     

基于电机电流信号的齿轮泵故障识别方法

针对机械类信号在齿轮泵故障识别与诊断中存在的信号获取成本高、信噪比低、故障特征不易获取等问题,提出一种基于电机电流信号的液压齿轮泵故障识别方法。分析通过驱动电机电流信号对齿轮泵故障进行识别的可行性,对所采用的VMD方法的参数进行了优化,结合齿轮泵运行工况对IMF分量的相关性进行分析,并重构了电流信号,依据其排列熵和均方根值所构造的特征样本并融合KFCM聚类算法,对齿轮泵进行故障识别与诊断。并通过机电液试验台对不同故障类型的齿轮泵进行试验,试验结果表明:所提电机电流信号分析与特征提取方法可准确而有效识别齿轮泵故障。     

基于振动信号特征融合的齿轮泵故障诊断

实验设置了齿轮泵常见故障,在适当位置安装了振动传感器,采集了相应的故障信号,提取了小波包能量谱和有效值RMS两种特征信号,应用RBF神经网络进行学习、训练和测试,与单一的传感器信号分析相比,具有更高的诊断精度和更好的诊断效果.     

基于流形半监督K均值算法的风力发电机故障诊断方法

针对风力发电机组SCADA监测数据海量、高维、复杂的特点,提出一种基于流形半监督K均值聚类的风力发电机组故障诊断方法。对风力发电机组SCADA数据进行分析,提取风力发电机组状态参量组成特征数据集,优化了传统K均值聚类算法,以流形距离作为相似性度量,对SCADA数据进行半监督K均值聚类分析。实验结果表明:改进的算法比传统K均值聚类算法能更有效识别风力发电机的状态。     

基于模糊C均值聚类法和多元线性回归理论的铣床热误差研究

为了降低铣床主轴旋转受温度影响而产生的位移变形量,提高铣床对零件的加工精度,采用了模糊C均值聚类法和多元线性回归理论对铣床主轴的热误差进行建模,实现铣床主轴加工误差值最小化;分析了模糊C均值聚类法筛选最优值的迭代过程,对铣床上不同位置的测量温度值进行分组,筛选出每组的最优温度值;采用多元线性回归理论,对铣床热误差理论预测模型进行了推导,通过实验验证多元线性回归理论所创建的热误差预测模型。实验结果表明:补偿前,铣床主轴Y方向和Z方向受温度影响产生的热误差最大值分别为45.0μm和28.0μm;补偿后铣床主轴Y方向和Z方向受温度影响产生的热误差最大值分别为3.2μm和3.8μm,误差范围都在4μm以内。采用模糊C均值聚类法和多元线性回归理论对铣床热误差进行补偿,铣床主轴运转受温度影响所产生的误差明显降低,从而提高了主轴定位精度。     

基于小波包和支持向量机的液压泵故障诊断

研究基于小波包频带能量的故障诊断方法及其在齿轮泵故障诊断中的应用.论述齿轮泵的典型故障设置及其数据采集.针对齿轮泵实验数据,研究基于小波包和支持向量机的齿轮泵故障诊断方法.实验结果表明:基于小波包一支持向量机的故障诊断方法是有效的,而且可以满足在线实时状态监测与故障诊断的要求.     

齿轮泵的故障诊断及排除方法

齿轮泵最常见的故障是泵体与齿轮的磨损、泵体的裂纹和机械损伤。出现以上的情况一般必须大修更换零件。 在机器运载过程中,齿轮泵最常见的故障有：（１）噪声严重及压力波动;（２）输油量不足;（３）油泵不正常或有咬死现象。现对其诊断及排除方法介绍如下： （１）噪音严重及压力波动的诊断及排除 诊断： ①泵的滤油器污物阻塞不能起滤油作用。 ②油位不足,吸油位置太高,吸油管露出油面。 ③泵体与泵盖的两侧没有上纸垫产生硬物冲撞。泵体与泵盖不垂直密封,旋转时吸入空气。 ④泵的主动轴与电机联轴器不同心,有扭曲磨擦。 ⑤泵齿轮…     

基于T-S模糊模型的HVAS涂层耐磨性能辨识

针对大型轴类零件的高速电弧喷涂(HVAS)修复的复杂性、非线性和难以用明确数学模型表达的特点,采用模糊C均值聚类算法得出输入空间的划分和聚类中心,最后结合递推最小二乘法辨识后建参数,建立了涂层耐磨性能与喷涂工艺参数的T-S模糊模型。将该辨识算法对实测数据进行了验证,在试验范围内,误差在-8.6%~5.8%之间。结果表明,该T-S辨识模型具有较高的辨识精度及较强的泛化能力。利用所建的模糊辨识结果,分析了喷涂工艺参数对涂层耐磨性能的影响规律,并获得了涂层硬度(HRC)极大值为92.04的最佳喷涂工艺参数。     

基于改进VMD形态谱和FCM的滚动轴承故障诊断方法

针对滚动轴承故障信号的非线性特性及不同故障类型信号具有不同形态特征的特点,提出一种基于改进变分模态分解（VMD）形态谱和模糊C均值聚类（FCM）算法相结合的故障诊断方法。采用VMD方法对滚动轴承振动信号进行分解,针对分解过程中关键参数的选取,提出相关参数选择方法,并计算各固有模态函数(IMF)的能量波动系数,以获得对信号特征信息敏感的模态分量进行重构。计算重构信号的形态谱以反映信号的形态特征。通过FCM算法实现滚动轴承工作状态和故障类型的诊断。运用该方法对实测滚动轴承振动信号进行分析,并将所提方法同基于原始振动信号、经验模态分解、总体经验模态分解形态谱的故障特征提取方法进行对比。结果表明：所提方法能够更加有效提取滚动轴承信号的故障特征,实现故障类型的准确诊断。     

基于模糊C均值聚类算法的温度测点优化与建模研究

在数控机床热误差补偿技术中,温度测点的选择与优化是一个难点。通过热成像仪获得了某立式铣床的温度场,根据温度场的分布情况,在机床上布置多个温度传感器。根据测量的温度和热变形数据,采用FCM模糊聚类和相关分析对温度测点进行了分组优化,然后利用多元回归分析建立了关键测温点的热误差模型,并通过实验进行了验证。结果表明:该方法能有效减少测温点,测温点由13个减少到5个,所建立模型预测精度较好,Y,Z方向热误差由50μm减少到9μm以内。     

基于分形盒维数的齿轮泵故障诊断

针对液压齿轮泵的三种典型故障--轴承磨损、齿轮磨损和侧板磨损,在小波包分解的基础上,采用分形盒维数的方法对故障的振动信号进行了盒维数研究计算.结果表明,齿轮泵在不同故障状态下,其盒维数明显不同,利用盒维数可以准确诊断出齿轮泵的工作状态.     

基于容积效率的液压齿轮泵状态监测与故障诊断

阐述了容积效率作为特征信息进行液压齿轮泵状态监测与故障诊断的原理,分析了液压齿轮泵中流量信号以及容积效率与齿轮泵工况之间的关系,指出了容积效率是状态信息的丰富载体,讨论了利用容积效率进行液压齿轮泵状态监测与故障诊断的可行性及方法.     

基于FCM聚类和RBF神经网络的机床热误差补偿建模

热关健点的选择和热误差建模技术是决定热误差补偿是否有效的关键,对提高数控机床的加工精度至关重要.为了实现对数控机床热误差的补偿控制,文章利用模糊C均值(FCM)聚类方法,对机床上布置的温度测点进行优化筛选,将温度变量从20个减少到4个,然后给出了基于RBF热误差补偿建模方法.通过建模实例表明,文章提出的建模方法,在保证补偿模型精度的同时有效减少了温度测点,降低了变量耦合影响,并提高了补偿模型的鲁棒性.     

基于压力信号分析与特征提取的齿轮泵故障诊断

以压力信号作为特征信息对齿轮泵进行故障诊断,通过压力信号分析,利用平稳小波分解与重构将压力信号的低频波动项与高频脉动项进行了分离,并对低频波动和高频脉动部分的功率谱进行了分析,得到了反映故障状态变化的特征.     

基于ALIFD模糊熵和GK聚类的滚动轴承故障诊断

针对滚动轴承故障振动信号具有非平稳性及非线性的特点，提出一种基于自适应局部迭代滤波分解（ALIFD）模糊熵和GK聚类的滚动轴承故障诊断方法。首先对滚动轴承故障振动信号进行ALIFD分解，得到若干个本征模态函数（IMF）分量，然后通过相关性分析筛选出前3个包含主要特征信息的IMF分量，并将筛选的IMF分量的模糊熵作为特征向量，最后利用GK聚类对所得的特征向量进行识别分类。将该方法应用于滚动轴承实验数据分析，并使用分类系数和平均模糊熵对分类性能进行评价，结果表明，与基于经验模态分解模糊熵和GK聚类的故障诊断方法进行对比，该方法具有更好的分类性能。     

基于AR模型的齿轮故障诊断

为了诊断出强噪声干扰下的齿轮故障,提出时域同步平均技术与AR模型相结合的齿轮故障诊断方法。用TSA技术提取强噪声干扰下的齿轮特征信号,用FPE准则确定AR模型的阶次,利用AR模型参数算法确定齿轮正常状态下参数向量及参数容差范围,然后在模型阶次不变的情况下分析齿轮故障信号的AR模型参数,对比建立的参数容差范围,从而诊断齿轮故障。将该方法对实际试验信号进行分析,对提取到的8组正常齿轮特征信号数据建立AR模型,优化AR模型的最佳阶次为5阶,由AR模型参数算法得到了正常齿轮的AR模型参数向量及参数容差范围,再用同样阶数为5阶的AR模型分析了故障状态下的几组模型参数,对比建立的正常AR模型参数容差范围,从而诊断出齿轮故障。     

基于复合简化模糊ARTMAP的故障诊断

简单模糊ARTMAP(SFAM)是一种功能强大的神经网络,可以用于故障诊断等分类问题;然而,单独SFAM存在对样本训练次序敏感的性能缺陷.为改善SFAM的性能提出表决融合方法.首先把用于故障诊断的特征向量规格化并提交给数个SFAM,用求和规则表决算法融合多个SFAM诊断结果.在此处理过程中,用置信度作为融合的加权因子,融合结果作为故障诊断系统的最终判决.通过用轴承故障诊断案例进行实验测试,结果表明表决融合方法对故障诊断的有效性.     

关联维数在齿轮泵故障诊断中的应用

提出了利用自相关函数和最近邻域发散度实现关联维数的可靠算法;针对齿轮泵的振动信号,先采用时域同步平均对信号进行消噪处理,然后用关联维数对齿轮泵进行故障诊断.实验结果表明,在齿轮泵的4种不同工作状态下振动信号的关联维数具有明显的可分性.     

基于安全聚类的大型机械故障诊断算法及应用

针对大型机械的故障特点,提出一种安全聚类故障诊断算法。该算法引入影响因子来度量故障带来的后果,把故障样本的相关性和安全性结合考虑,通过计算故障样本的相似度距离,把相似度比较接近的故障类别聚类成一个新的聚类中心,并利用训练样本生成的安全二叉树实现该算法的故障诊断流程。在生成的安全二叉树中,影响因子越大的故障类别越靠近二叉树的根结点处。利用安全二叉树对测试样本进行故障诊断时,按照从二叉树根结点到叶结点的顺序进行诊断,有效保证了后果严重的故障类别优先诊断。最后,将该算法应用在液压挖掘机故障诊断中,实验结果表明该算法的故障诊断正确率高,诊断的效率也较高,对大型机械的故障诊断具有可行性和有效性。