基于循环提取有效信息的主轴承故障特征增强方法

针对航空发动机主轴承发生故障时特征信息提取不充分的问题,提出一种基于循环提取有效信息的主轴承故障特征增 强方法。 该方法首先对原始振动信号进行小波包分解,计算得到各个节点分量的相关系数值和峭度值,将其进行归一化融合为 一个综合参数 Pi;其次根据特征信息循环提取准则定义一个置信区间,该区间将所有节点分量划分为高信噪比信号、低信噪比 信号和高噪信号 3 个部分;然后不断筛选出高信噪比信号直至达到终止条件;最后重构所有高信噪比信号,并进行包络解调提 取出轴承微弱故障特征。 经仿真信号验证,去噪信号的信噪比相对于去噪前提升了 11. 31 dB。 基于航空发动机中介轴承模拟 试验台所测数据开展了特征信息循环提取方法有效性的综合验证,并对某型航空发动机主轴承振动信号进行了分析。 实践表 明:该方法适用于强背景噪声干扰工况下滚动轴承的特征提取,能准确诊断航空发动机主轴承故障。     

数据挖掘技术在信号特征模式提取中的应用

主要阐述如何从故障信号数据库中,应用模糊聚类分析方法挖掘信号的特征模式,并以氧传感器信号为例说明该 方法的应用过程,通过数据挖掘提取氧传感器的四个参数作为信号的特征。     

基于数据挖掘的火电厂风机故障预警研究

针对火电厂中风机运行环境粉尘浓度大、工作时间持久、输出功率大,很容易产生各种故障的情况,以一次风机为研究对象,使用数据挖掘技术对风机故障预警系统进行优化.通过优化,找出了最佳的风机故障预警时间,比原超限报警时的时间点相比提早了2.5 h.     

离心式空压机电机轴承振动故障的排除

分析离心式空压机电机输出端轴承振动超标的原因,提出减振办法并组织实施,效果显著。     

基于VMD-LPP融合的轴承故障特征频率提取

为提高轴承故障特征频率的提取效果,提出了变分模态分解(VMD)和局部保持投影(LPP)相融合的轴承故障特征频率提取方法.该方法主要有三个步骤:一是利用VMD对信号进行分解,得到若干个本征模态分量(IMF),并将各分量组成高维信号矩阵;二是利用LPP对高维信号矩阵进行降维得到低维信号矩阵,而后进行信号重构,得到重构信号;三是对重构信号进行包络分析,根据包络谱中突出的频率成分判断轴承故障类型.轴承故障诊断实例验证了方法的有效性.     

基于故障模式的外部质量及分析

计算机辅助质量管理是企业实施先进生产模式的重要基础。提出了一种以故障模式为基础的外部质量控制和分析的方法，论述了基于故障模式的外部质量控制及分析的基础，分析了外部质量控制过程中产生的质量信息的方法及基于质量信息数据库的知识发现，以及故障原因分析知识的数据挖掘和从故障现象到故障原因的聚类挖掘。     

基于改进K-SVD字典学习算法的轴承故障信号特征处理

轴承故障信号识别经常受到各种噪音的影响,传统K奇异值分解(K-Singular value decomposition, K-SVD)算法在稀疏表示中效果较差,通过终止准则对进K-SVD字典学习优化,设计了基于改进K-SVD稀疏表示的轴承微弱故障信号特征处理方法。将终止准则当作字典更新收敛条件,采取正交匹配追踪算法进行稀疏求解,以包络谱形式实施分析,达成对微弱故障特征的提取目标。仿真信号结果表明,添加噪声信号时域图难以对特征频率实施精准提取。通过改进K-SVD算法来学习该分量特征信息有着明显的冲击特征,通过重构误差的波动状况对更新收敛性验证。试验结果结果表明,故障特征频率被其它频率掩盖,导致故障状态难以被有效辨别。本文方法实现对微弱故障特征的高效提取,精准判断故障状态。     

基于数据挖掘的工艺规则提取

CAPP系统在进行工艺设计时会产生大量数据，如何充分利用历史数据始终是一个技术难题。为此提出采用数据挖掘技术提取工艺规则，研究了关联规则和序列模式的定义和挖掘过程，通过实例给出数据挖掘的应用。应用表明该方法能有效提高CAPP系统的应用效率，缩短产品的开发周期，对于实现工艺设计自动化具有重要意义。     

轴承-轴承座系统振动特征与局部故障尺寸的关联

轴承-轴承座系统振动特征与局部故障尺寸的关联关系是轴承内部故障精确定量诊断的重要依据。针对不同尺寸局部故障诱发的轴承-轴承座系统振动特征的问题,采用显示动力学有限元算法,综合考虑其各部件的弹性变形、重力和轴承元件之间的接触与摩擦的影响,建立含局部故障的轴承-轴承座系统有限元动力学模型,研究不同尺寸局部故障诱发的轴承-轴承座系统的振动特征。分析局部故障尺寸变化对其振动特征的影响规律,揭示局部故障尺寸与轴承-轴承座系统振动特征之间关联关系,为获取其准确的振动特征提供了一种可行的手段,也为轴承-轴承座系统内部轴承早期局部故障的准确定量诊断提供了有效参考。     

基于数据挖掘的故障智能诊断系统研究

在分析故障诊断专家系统的关键技术和存在问题的基础上，针对舰船推进系统，提出了基于数据挖掘的故障诊断(Data。Mining-based Fault Diagnosis，DMFD)方法，给出了DMFD模型的具体实现过程，解决了其实现过程中的核心问题。采用：DMFD模型的故障诊断系统(DMFDSystem，DMFDS)具备有自动获取诊断经验知识和进行全方位运行状态并常诊断的能力，在一定程度上克服了传统故障诊断专家系统存在的知识获取困难和诊断只能针对某一特定运行状态异常的缺点。     

列车滚动轴承故障特征获取和诊断

列车滚动轴承现场测试、信号等有其特殊性,应用数据挖掘技术获取诊断知识。建立轴承实例库,应用c-means算法对实例集合进行分类,以模糊截集获得明确类别的实例分类结果,以分类正确率构造目标函数,挖掘出敏感分析方法、距离计算方法及其特征矢量模式等知识。基于挖掘出的知识,应用模糊模式识别和综合决策结合算法诊断轴承故障。实例证明该方法比较客观、全面、接近工程实际。     

基于数据挖掘技术的远程服务与故障诊断

构建一个多制造商和多客户共用一个服务平台的设备远程监测与故障诊断系统，采用现场总线技术采集现场设备状态数据，通过Internet将信息发送到远程服务中心，由不同的工具对信息进行处理，诊断中心采用智能诊断与专家诊断相结合的工作模式，利用关联规则挖掘知识并用于智能诊断，本文阐述了系统网络运行结构，系统功能模型，基于关联规则发现知识的算法以及评价与实现。     

基于盲均衡的轴承故障诊断研究

通过理论分析,将无线通信领域内基于多传感器的SIMO系统盲均衡技术应用于齿轮箱故障诊断的多路振动信号的融合.在某单级减速齿轮箱内植入滚动轴承内圈故障,试验证明,由融合后的传感器数据得到的故障特征更为突出.     

基于动态数据挖掘的热力参数传感器故障诊断

针对火电机组热力参数动态数据的海量、高维特点,提出了一种基于动态数据挖掘的热力参数传感器故障诊断新方法。该方法通过对热力参数信号进行经验模态分解,获得一系列平稳的本征模态函数(intrinsic mode function,简称IMF)分量和一个趋势余量,实现传感器故障特征信息的动态挖掘。以各IMF分量和趋势余量的方差作为特征向量构建欧氏距离判别函数,结合径向基函数神经网络确认传感器是否发生故障。根据专家经验得到的规则分析传感器测量值与理论值之间的差值,判别传感器的故障类型。以某电厂600MW火电机组实时运行数据为基础进行仿真实验,结果表明:该方法能够仅使用热力参数传感器正常状态下的样本,有效区分传感器故障造成的信号变化与机组本身正常负荷波动造成的信号变化,实现快速准确地对热力参数传感器的工作状态和故障类型进行判别。     

基于数据挖掘的风力发电设备在线故障诊断平台

为保证风电场大型风力发电机组安全、可靠、经济和优化运行,提出了一个基于数据挖掘技术的风力发电机组在线状态监测与故障诊断系统。并介绍了该系统的硬件、软件体系结构、网络技术及特点,给出应用实例说明其实用性和有效性。     

基于小波包分析的电动机轴承故障诊断

比较详细地阐述了电动机滚动轴承异常产生的机械振动机理,得出了几种常见故障的频率表现.结合实验数据,对所测得的振动信号进行小波包分解,对特定的频率段与正常信号相应的能量进行比对,确定出故障频率,从而准确找出电动机的故障所属.     

基于倒频谱理论的滚动轴承故障检测

探讨了倒频谱技术在滚动轴承故障诊断中的应用。针对滚动轴承振动信号的特征,利用倒频谱技术可简化谱图的特征分析,提高滚动轴承故障诊断的准确性。     

基于最优Morlet小波的滚动轴承故障诊断

将最优Morlet小波和阈值降噪法相结合,进行强噪声背景下滚动轴承故障诊断.依据峭度最大准则确定最优Morlet小波基.利用连续小波变换和软阈值法对振动信号降噪.试验表明,该方法具有良好的去噪性能,并能更好地提取滚动轴承振动信号中的故障特征.     

基于LMD-MS的滚动轴承微弱故障提取方法

轴承的早期故障信号属于微弱信号,其故障特征提取一直是旋转机械故障诊断的一大难点。笔者将掩膜法引入到局部均值分解(local mean decomposition,简称LMD)分解中,提出了一种基于LMD和掩膜法(mask signal,简称MS)的滚动轴承微弱故障提取方法。由于LMD在噪声背景下分解出的功能分量(product function,简称PF)存在模态混叠现象,很难辨别故障频率的真伪,所以引入了掩膜信号法对LMD分解出的与原信号相关性强的PF分量进行处理,抑制模态混叠现象,提取故障频率。文中以滚动轴承实际故障信号为对象进行分析,通过将掩膜信号法与LMD方法相结合的方式,对存在噪声的故障信号进行处理,将故障频率处的峭度值提高了8倍,同时将信噪比提高了19.1%,成功提取了故障信号,为故障特征提取提供一种新的诊断方法。     

基于数据挖掘的煤矿传送设备故障点定位系统

为明确当前煤矿传送设备健康状态,确保矿井采集现场安全作业,设计一个基于数据挖掘的煤矿传送设备故障点定位系统。系统硬件中设计了 CAN 总线编码器与通信总站 2 个部分,使用 HD7279 作为键盘与电磁锁的操控芯片,以控制继电器作为煤矿传送设备的通信总站锁控机构,利用光电耦合隔离、交叉布线等增强系统硬件抗干扰性;系统软件使用 Visual Basic 和 C 语言编写,包含故障诊断、中断、显示和通信 4 个板块,采用数据挖掘技术中多种群遗传算法编码故障电流,创建系统开关函数与适应度函数,将训练后的故障数据输入到系统中,输出煤矿传送设备故障点定位结果。实验结果表明,所建系统具备极强的处理能力,且故障点的定位速度较快、正确率较高。