多传感器信息融合在滚动轴承故障诊断中的应用

针对单一传感器在滚动轴承故障诊断中存在故障识别率不高,敏感特征不易提取,诊断系统可靠性差等问题,提出了采用多传感器特征层、决策层信息融合的故障诊断方法.对振动信号采用经验模式分解(EMD)、小波包和局部均值分解(LMD)方法进行处理并提取特征向量,构建支持向量机分类器.经过特征层交叉诊断,得到初步诊断结果,在决策层采用D-S证据理论进行决策融合.试验表明:该方法可以提高滚动轴承故障识别率.     

基于HHT变换的起动电动机特征信号时频分析

针对车辆起动电动机电气和机械故障发生时特征信号的时变不平稳特性,进行了时频域分析处理,提出了利用现代信号处理方法对故障信号提取特征向量的方法,主要对起动电动机的电枢和轴承故障进行诊断。在构建电机故障测试实验平台的基础上,利用破坏性实验构造了故障类型,测取了电枢电流和振动信号,分别采用小波分析理论和HHT变换对信号进行分析,通过分解再重构的方式将信号分解成了频率由高到低的不同分量,并获得了故障的特征频率,提取了特征向量。实验结果表明,基于HHT变换的现代信号处理方法在处理时变非平稳信号方面比小波分析理论更具有自适应性,更易识别。     

信息融合在飞行器智能健康诊断中的应用

提出了一种基于经验模态分析(Empirical mode decomposition,EMD)和D-S证据相结合的飞行器健康诊断方法.该方法首先对由声发射传感器募集到的飞行器关键结构部件原始声发射信号进行EMD,得到多个内禀模态分量,选取内禀模态能量构建声发射信号的特征向量,并分别采用模糊神经网络、GRNN网络和Elman神经网络对提取出的特征向量进行分类,最后运用D-S证据理论进行决策融合,对飞行器的健康状态进行诊断.实验表明,运用此方法对某型号真实飞行器关键结构部件的健康状态进行诊断,可以得到很好放入诊断结果.与单分类器相比,采用D-S证据理论进行决策融合有效地提高了故障诊断的精度.     

基于SVM与D-S证据理论的异步电动机转子断条故障诊断方法

目前异步电动机转子断条故障诊断方法都是基于从定子电流中提取出特征频率来对转子状态作出诊断的方法,当异步电动机空载或轻载时,该特征频率易受基频泄露的影响而很难得到,同时该特征频率受转速波动影响很大,单纯根据该特征频率对转子状态作出判断缺乏准确性。针对上述问题,提出了一种运用SVM与D-S证据理论对异步电动机转子断条故障进行识别的诊断方法。该方法基于扩展Park法与FFT变换法,分别从定子电流信号和振动信号中提取转子断条故障的特征信息,利用SVM对异步电动机的状态进行模式识别,并将识别结果形成彼此独立的证据,而后根据D-S证据融合规则进行融合处理,从而实现对异步电动机转子断条故障的准确识别。实验结果表明,该方法可以对异步电动机转子断条故障作出准确判断。     

证据理论在旋转机械故障诊断中应用

针对旋转机械故障诊断中的不确定性问题,提出基于多传感器D-S(Dempster-shfer)证据理论和模糊数学相结合的信息融合算法;通过多传感器测出旋转机械振动位移和振动加速度,得出D-S证据理论中多传感器分别对旋转机械的信度函数分配值,使用改进的D-S证据算法得到融合后的信度函数分配值,由D-S合成规则确定故障类型,通过在多功能旋转机械平台上的试验得出改进后的证据理论明显提高了旋转机械故障诊断的精度.     

基于D-S证据理论的航空发动机振动故障分析

航空发动机结构复杂且工作条件恶劣,对其振动的有效分析是进行故障诊断的重要手段.由于不同特征量对振动具有不同的分析能力,为了综合利用不同特征项下的分析结果,采用基于D-S证据理论的信息融合方法对不同特征下的BP神经网络的诊断结果进行融合,并针对航空发动机实际工作状况提出一种利用神经网络的输出统计值构造信度函数的方法.通过对实测航空发动机试车时振动信号的实验分析结果表明,该算法可以有效地提高航空发动机振动故障识别的准确率.     

基于信息融合的电机音频故障诊断

针对目前电机音频故障诊断单传感器信号分析可靠性不足的缺点,将信息融合技术与神经网络相结合,建立电机故障诊断系统。采用多层神经网络进行故障特征级融合与电机故障的局部诊断,获得彼此独立的证据,运用D-S证据理论合成算法对各证据理论进行决策级融合,构建了电机故障音频多源信息诊断系统模型,并对此模型进行了验证,取得了良好的诊断效果。     

融合诊断中信息容错性的证据重构方法

在基于证据理论的故障融合诊断过程中,错误的待融合信息会引起故障的漏诊.针对此类容错性问题,提出了一种证据重构方法,在已有的故障诊断识别框架的基础上,利用多传感器信号的方差计算信号的相对可靠程度,构造新的信度函数,对待融合证据进行了重新分配,以减少出错信息对融合结果的影响,同时对该方法中可调参数的选取原则进行了理论分析.融合诊断实验在隔振器硬件实验平台上进行,诊断对象为振动发散故障,针对的信息容错性问题为基础加速度信号断路情况.对比性实验及结果分析表明,采用该方法能够在单路信号传输出错的情况下及时诊断振动发散故障,增加了融合诊断系统的容错性.     

基于信息融合的煤矿绞车健康诊断系统设计

针对传统的绞车故障诊断方法存在滞后性和缺乏对早期故障的预测能力的问题,设计了基于信息融合的煤矿绞车健康诊断系统。该系统以LabVIEW软件为开发平台,利用传感器采集绞车的振动信号,通过计算获取振动信号基本概率赋值,从而提取特征信号,然后采用D-S证据理论进行信息融合,根据融合规则判定绞车是否健康运行。测试结果验证了该系统的可行性。     

超球SVM与证据理论在故障诊断中的应用

针对使用多传感器信息融合技术进行故障诊断时,故障模式较多、基本概率赋值难以确定的问题,提出一种基于超球支持向量机与D-S证据理论相结合的故障诊断方法。该方法使用超球支持向量机针对每一个传感器的故障空间训练分类模型,根据类内隶属度与类-类相似度得到各故障类别的基本概率赋值,利用D-S证据理论进行证据融合,基于信任函数进行故障决策。试验结果表明该方法提高了故障识别能力,有一定实践意义。     

飞行器导航传感器故障诊断的应用研究

研究导航传感器故障诊断问题,由于飞行器导航传感器所处环境十分复杂,导航系统由多种部件组成,故障存在许多随机性、模糊性和不确定性因素,难以建立确定数学模型。传统线性模型故障诊断准确率低。为了提高飞行器导航传感器故障诊断准确率,提出一种神经网络的导航传感器故障诊断方法。飞行器导航传感器发生故障时信号中会产生突变成分,利用小波包对原始故障信号进行分解,提取信号特征向量,然后将特征向量输入神经网络训练,实现飞行器导航传感器故障智能化诊断。在Matlab平台实现传感器故障诊断的仿真,结果表明,神经网络提高了飞行器导航传感器故障诊断的准确率,是一种在线、行之有效的导航传感器故障方法。     

信息融合技术在大型发电机故障诊断中的应用

研究大型发电机故障诊断问题,大型发电机组故障具有复杂性和多样性,单从某一方面进行故障诊断,诊断结果比较低。为提高了大型发电机故障诊断准确率,提出一种基于信息融合技术的大型发电机故障诊断方法。首先对故障特征进行提取和降维,然后采用多个支持向机对大型发电机组故障进行初步诊断,获得相互独立的证据,最后对各证据采用DS证据理论融合算法进行融合,从而实现对大型发电机故障的准确诊断。仿真结果表明,采用信息融合的故障诊断系统有效地提高了大型发电机故障的诊断精度,增加故障诊断结果的置信度。     

基于神经网络技术的机器人并发故障自动诊断方法

为了提高柔性负载抓握机器人的故障检测能力,提出基于神经网络技术的机器人并发故障自动诊断方法.运用高分辨的智能传感器信息识别技术,结合刚度和强度等机械结构特征分析,构建柔性负载抓握机器人的故障信息采集模型,采用变刚度原理,提取柔性负载抓握机器人的振荡信息特征,通过谱特征检测和动态信息融合进行柔性负载抓握机器人的故障信息的...     

分布式光纤扰动传感系统故障模式识别仿真

针对传统方法存在识别时间过长、识别率较低等问题,提出一种新的识别方法———基于信息融合的光纤扰动传感故障识别方法。通过集合经验模态分解进行信号分解处理,并提取所得分量中的敏感分量。利用各敏感分量与原信号的关系值及互信息乘积绝对值作为评定标准,选择含系统信息的分量作为分析对象。利用轻量级协议算法及线性模型提取所选对象中的故障特征向量。以提取的故障特征向量为依据,利用系统灰色性故障识别方法和模糊性识别方法出发得到传感器系统故障诊断信息,获取传感器多角度信息融合故障识别,利用信息融合故障识别方法对光纤扰动传感器故障数据进行了识别。实验结果表明,所提方法有效减少了识别时间,提高了识别率。     

基于VMD-SVD的单向阀微弱故障诊断方法

针对大型往复式机械高压隔膜泵单向阀振动信号中的微弱故障特征难以提取,且磨损击穿故障、卡阀故障及正常状态振动信号难以识别的问题,提出一种基于变分模态分解和奇异值分解的单向阀微弱故障特征提取及诊断方法.首先对振动信号进行VMD分解,再借助能量百分比和方差贡献率筛选出包含丰富故障信息的模态IMF分量,其次对筛选后的IMF分量...     

电动机故障诊断技术探讨

介绍了电动机常见电气故障和机械故障的类型及产生原因,详细阐述了短时傅里叶变换、小波变换、小波包变换、经验模态分解等基于信号处理的诊断方法,以及基于专家系统、模糊理论、支持向量机、神经网络等的智能诊断方法在电动机故障诊断中的应用,指出多种诊断方法相结合以及信息融合方法是电动机故障诊断技术的发展趋势。     

双馈风力发电机状态监测系统软件设计

采用双馈风力发电机状态监测系统可及时发现并跟踪风电机组主要部件的机械和电气故障,有效降低机组的运行维护成本,保证风电机组的安全稳定运行.软件采用模块化设计思想,主要功能包括管理、诊断、监测、查询、数据存储、数据备份等.通过对振动、电流、电压、温度等参量进行分析,该软件实现了诊断发电机定子和转子匝间短路、相间短路、相对地短路、轴承故障的功能.将该系统试用于某风电场1.5 MW双馈发电机组上,结果表明其可用于监测和诊断双馈风力发电机.     

基于SVM的低压直流断路器故障诊断研究

低压直流断路器作为电力系统控制和保护的最重要的开关设备之一,它的可靠运行关系着电力系统的安全稳定性;因此实现低压直流断路故障诊断对于提高电力系统可靠性和稳定性方面具有重要意义;首先搭建了低压直流断路器信号监测与采集平台,然后提取断路器在分合闸过程中的机械振动信号和线圈电流信号的特征量作为训练和识别故障的特征,最后研究了SVM对电流、振动特征向量的故障诊断效果;结果表明:SVM能够实现低压直流断路器故障诊断,并且在融合振动信号和电流信号时的诊断效果更好。     

智能控制下机械式自动变速器故障检测方法

考虑到当前机械式自动变速器故障检测方法由于故障种类划分能力较差,导致复合故障检测结果正确率较低的情况,设计智能控制下机械式自动变速器故障检测方法。设定信号采样频率,对采集后的信号进行离散处理,提取自动变速器振动信号。使用LSSVM模型构建支持向量机,完成振动信号训练处理。根据机械控制理论结合证据分类检测方法,完成自动变速器故障诊断。至此,智能控制下机械式自动变速器故障检测方法设计完成。构建实验环节,经实验结果证实,新型检测方法的复合故障检测结果正确率得到明显提升,在日后的研究中可应用此方法完成故障检测过程。