基于小波域平稳子空间分析的风力发电机齿轮箱故障诊断

风力发电机齿轮箱故障信号为非平稳瞬态微弱信号,容易被齿轮啮合信号及其他噪声淹没。提出一种融合连续小波变换(Continuous wavdot transform,CWT)和平稳子空间分析(Startionary subspace analysis,SSA)的信号分解方法并应用于风力发电机齿轮箱故障诊断中。平稳子空间分析作为一种盲源分离技术可将高维数据分解成平稳源部分和非平稳源部分,对待分析信号各分量间的独立性没有要求且不需要任何先验信息。连续小波变换则可利用其所具有的多尺度分析特性把一维时间序列转换为不同尺度下的多维时间序列。对观测得到的一维时间序列数据进行连续小波变换得到多维时间序列作为平稳子空间分析的输入,利用平稳子空间分析方法将该多维时间序列分解为平稳源信号分量和非平稳源信号分量,对非平稳源信号进行包络谱分析得到齿轮箱故障的特征频率。该小波域平稳子空间分析方法被应用于一个实际风力发电机齿轮箱振动信号的分析,试验结果表明该方法可有效地诊断出齿轮箱中的轴承故障。     

基于概率密度空间划分的符号化时间序列分析及其在异常诊断中的应用

提前诊断出机械系统中的异常信息对于防止生产事故的产生非常重要。在各种诊断方法中,符号化时间序列分析(STSA,Symbolic time series analysis)是一种常用的异常诊断方法,然而它的诊断效果和符号化时间序列的形成紧密相关。在对之前方法总结分析的基础上,提出了一种高效实用的符号化方法——基于概率密度空间划分的符号化方法。在该方法中,首先对时间序列进行概率密度统计分析,进而确定若干个概率相等的区间,然后对属于特定区间的值赋予一个特定的符号。为了检验该方法的效果,将基于概率密度空间划分的符号化时间序列分析方法用于轴承疲劳实验的异常诊断当中。通过对比实验表明:概率密度符号化方法相比于传统的空间划分方法对异常更加敏感,能够更早诊断出轴承的异常。     

基于车载传感信息融合的电动汽车驾驶行为辨识

本文的主要目的是基于信息融合的方法设计出一套能准确辨识出驾驶行为的系统.本系统使用六轴加速度计采集加速度信息,通过多尺度多重分形(MMA)算法(首次将该算法用作特征提取的方法)从加速度信号中提取出可反映不同驾驶行为的波动特征.并采集电动汽车的OBD接口获取的包括速度、功率、电流等车载OBD信息并提取特征.分别通过随机森林(RF)算法对驾驶员的驾驶行为进行辨识.提出一种新的信息融合的方法,采用该方法对加速度信息和OBD信息进行融合,发现信息融合的方法可以更有效的辨识出电动汽车的驾驶行为.     

自适应频谱塑形主动控制及舰艇领域应用研究进展

舰艇的隐身性能是其重要的性能指标和战术指标.吸振隔振等被动控制技术在舰艇减振降噪领域得到了广泛的应用,但依然无法满足舰艇对声隐身性的需求,因此,开展舰艇的振动与噪声主动控制研究意义重大.频谱塑形主动控制可以通过改变辐射噪声特征的方式对舰艇进行变特性声隐身.介绍了频谱塑形主动控制的内涵,根据自适应频谱塑形主动控制理论的发...     

基于PCI总线的多通道多频率实时数据采集系统

在数据采集中，有时需要利用不同采样频率采集多个通道的信号、实时显示波形、保存采样数据以供分析。本文介绍的系统，采用美国国家仪器公司的PCI总线E系列数据采集卡，在VC5．0上利用NI－DAQ，成功实现了多通道多频率数据采集、波形实时显示的功能，对于工业电设备的在线监测，故障分析具有重大意义。该系统通用性强、安全可靠，已经在实践中加以采用。     

数据领域选择与空间迁移在齿轮箱故障诊断中的应用

提出一种空间迁移新思路,以提升齿轮箱故障诊断性能,其由辅助振动数据构成源领域、目标振动数据构成目标领域,迁移学习（Transfer learning,TL）将前者分类模型应用至后者,以克服短时间内目标振动数据不足的问题。根据频带选择独立成分分析（Band selective independent component analysis,BS?ICA）规则选择迁移模型的数据领域,并提取其时域特征构成五维空间。利用均衡密度投影（Equilibrium density projection,MDP）将源领域和目标领域同时映射至二维投影空间,并最小化领域均值差异以拉近两者在低维空间内的距离。在投影空间内,利用逻辑回归（Logistic regression,LR）和支持向量机（Support vector machine,SVM）基分类器对映射样本实施分类。同时通过剔除低质量源领域样本,加入新采集样本以维持模型更新。利用 Spectra Quest 齿轮传动系统,对比迁移成分分析（Transfer composition analysis,TCA）、领域适应机（Domain selection machine,DSM）等传统 TL 模型,所提方法不但能提高工况快速变化时的诊断精度,同时能加快诊断速度,具有实际的工程应用价值。     

航空发动机燃油控制系统故障诊断技术研究进展与挑战

随着发动机性能要求的不断提升,燃油控制系统服役的工况变得越来越恶劣、边界条件越来越复杂。燃油泵固有压力脉动与管路、活门的流固耦合振动,密封圈腐蚀或老化导致的泄漏,油液污染或润滑油失效而产生的磨损加剧等均会造成燃油控制系统的致命故障。同时,燃油控制系统具有少测点、变工况、强干扰及强非线性等特点,导致该领域对故障诊断技术存在迫切需求,同时也面临巨大挑战。为推动故障诊断技术在燃油控制系统领域的发展,总结燃油控制系统的特点与常见故障,并在此基础上介绍故障诊断技术的主要方法与分类。进一步从液压元件互换性角度,概述基于物理模型、信号处理和人工智能诊断方法在燃油控制系统关键部件中的研究现状。最后指出燃油控制系统故障诊断技术存在的挑战与机遇。     

基于深度宽卷积 Q 网络的行星齿轮箱故障智能诊断方法

针对行星齿轮箱故障诊断常依赖较强的专业知识,诊断模型通用性差的问题,基于深度强化学习,提出一种深度宽卷积Q网络的行星齿轮箱故障智能诊断方法。首先将行星齿轮箱的故障诊断分解为序贯决策问题,采用分类马尔科夫决策过程进行描述,并建立故障诊断模拟环境;其次设计深度宽卷积神经网络作为深度Q网络模型中的动作值网络,增强对环境状态的感知能力;最后模型通过与环境间的不断交互,并依据环境反馈的奖励,自主学习最佳诊断策略,从而完成行星齿轮箱的状态辨识。试验及案例结果表明：该方法能够在多个工况下均可有效、准确地实现行星齿轮箱的智能诊断,诊断准确率均超过99%,增强了诊断模型的泛化性和通用性。     

Windows环境下IMP驱动程序开发及其在数据采集中的应用

IMP是一种适应微机控制技术发展和工业现场应用要求的分布式数据采集设备，本文讨论了Windows环境下IMP设备驱动程序的开发及其在温度信号和电机运行参数集中的应用。