基于振动可视化的机械系统级故障诊断方法

基于振动可视化技术与系统级故障诊断理论,提出复杂机械系统故障诊断方法.对于复杂机械设备的振动信号,通过振动可视化技术补充和完善常规监测手段振动信息,同步反映设备多测点在时间和频率上的变化;利用局域波时频分析法处理不同测点振动信号所包含的特征信息,作为系统级故障诊断模型的输入量.首先以功能简单的运动部件为对象研究可视化技术应用的可行性;对复杂机械系统以多通道振动信号分析结果作为输入量,将其应用于系统级故障诊断,建立测试图与诊断图,并利用集团算法求解故障源位置信息.应用结果表明,基于振动可视化技术的机械系统级故障诊断方法能够有效地简化复杂机械系统故障源的确定过程.     

基于多征兆域的异构集成故障诊断策略

为了充分利用机械设备振动信号的信息,并避免学习的复杂性,提出多征兆域异构集成故障诊断方法,即提取信号在不同征兆域的故障特征,利用异构分类器分别学习,集成各分类器的结论.该方法充分利用了多征兆域信息的冗余性、互补性和辅助性,以及异构分类器方法之间的互补性,提高了故障诊断的准确性和确定性.文中方法在转子系统故障诊断应用中得到验证,结果表明,多征兆域异构集成方法明显优于单征兆域单分类器方法与单征兆域集成方法.     

基于信息熵和SVM多分类的飞机液压系统故障诊断

飞机液压系统是典型的非线性系统,故障机理复杂,提取故障信息困难,且故障样本较少。针对飞机液压系统部件故障,文章采用了基于信息熵特征权值分配和支持向量机(SVM)多分类的故障诊断方法。先提取飞机液压系统压力信号的统计特征,然后通过计算特征信息熵为特征分配相应权值,将权值较大的特征作为支持向量机的输入向量,最后建立SVM多分类器将正常与多种故障状态进行分类;所采用的方法不仅有效降低了支持向量机模型的计算复杂度,而且提高了分类精度。通过建立飞机起落架收放系统仿真模型,对该故障诊断方法进行了验证研究。仿真结果表明,该方法选用高斯径向基核函数能够有效对液压系统进行故障诊断。     

支持向量机在TE过程故障诊断中的应用

支持向量机学习算法针对小样本情况表现出优良的性能,能够在有限特征信息情况下,最大限度地发掘数据中隐含的分类知识,使其能够更适用于故障诊断领域。研究决策有向无环图多类分类支持向量机在TE(Tennessee Eastman,TE)过程中的应用。仿真结果表明该方法分类精度较高且测试时间短,能够满足复杂工业过程对故障诊断的要求。     

一种嵌入式闸门监控系统的设计与研究

研究与设计一种嵌入式闸门监控系统.指出了传统闸门监控系统存在的问题,阐述了嵌入式闸门监控系统的优点,将基于ARM7的嵌入式技术应用于闸门监控系统,研究了嵌入式闸门监控系统的控制子系统、远程监控和故障诊断子系统以及信息发布和办公自动化子系统.嵌入式闸门监控系统将大大提高闸门的自动化管理水平,提高闸门监控的安全性和可靠性.     

基于RBF与BP神经网络的建筑电气系统故障诊断比较研究

建筑电气系统的故障自诊断一直是国内外故障诊断领域的空白,其主要原因是建筑电气系统庞大、复杂,子系统多,难于建立数学模型.利用神经网络不依赖模型和收敛速度快的优势和特性,可以很好地解决该问题.由于神经网络在建筑电气故障领域的基础研究和应用非常少,通过对经典的RBF和PB神经网络故障诊断方法进行对比研究,为后续研究打下基础.通过利用建筑电气系统试验平台的数据进行实验,结果表明在两种神经网络未经优化的情况下,RBF网络在建筑电气故障诊断的应用上要优于BP网络.基于RBF网络的建筑电气故障诊断方法在工程上将有广阔的应用前景.     

复杂大系统体系装备的优化配置

针对C~4ISR的体系结构,研究复杂大系统体系的优化配置方法.对各子系统进行数学建模,建立了信息感知、电子对抗、指挥控制和网络通信这4大子系统体系的性能模型,并提出基于多目标遗传算法的分层次体系性能配置模型,通过对模型的求解实现对系统体系的合理配置.通过仿真实验证明,该方法在C~4ISR的体系配置中有效可行,能较好地为实际应用提供参考和依据.     

地区电网设备异常和事故信号智能处理系统研究与设计

针对地区电网控制中心的大量二次报警信息只能靠人工经验进行处理的弊端,对现有EMS分析软件功能进行扩展,分别介绍了处理设备异常报警信息的分布式智能处理子系统和处理故障信息的故障诊断子系统、故障恢复子系统的结构、功能以及实现技术,设计并部分实现了设备异常和事故信号智能处理系统.该系统能大大缩短电网事故处理时间、避免调度操作错误,对于保障电网的安全、优质、经济和稳定运行起到了积极的作用.     

Bayes数据融合方法及其在水下目标检测中的数学仿真验证

对基于Bayes判决法的模式分类方法进行了理论分析,将多变量Bayes模式分类方法应用于决策信息融合过程,证明了用多传感器测得的多维信息进行决策融合性能优于用单传感器测得的一维信息。将基于Bayes判决法的数据融合方法用于水下目标检测,能大大提高系统的目标检测能力,理论分析和数学仿真均证明了该方法的有效性。     

PCA-CHMM在化工过程故障诊断中的应用

为了解决主元分析(principal component analysis，PCA)在故障分类方面的不足，提出一种结合PCA和连续隐马 尔可夫模型(continuous hidden Markov model，CHMM)的故障诊断方法.PCA对测量数据进行优化降维，用少数几个主元 表征过程主要变化信息，实现过程特征提取.但是PCA不能对这些过程变化信息进行有效的分类和识别，运用CHMM成熟的 时序模式分类能力能够较好地解决这个问题.通过Tennessee Eastman过程仿真验证了基于PCA和CHMM的故障诊断方法的性 能.     

基于RS-ANN的汽车发动机故障诊断分析

利用粗糙集理论对知识的约简能力及神经网络的分类能力,构建粗糙集-神经网络（RS-ANN）故障诊断组合模型;并将该模型应用于汽车发动机故障数据进行实例验证,该模型诊断速度快,故障诊断正确率高.     

复双谱耦合性质在故障诊断中的应用

为了提高故障诊断正确率,提出了一种基于复双谱的机械故障诊断方法.这种方法根据复双谱的不同耦合方式进行故障判别.由于耦合方式不同,复双谱包含的信号间的耦合信息也不相同,这些信息可以用来进行故障诊断.在减压阀故障诊断实验中,对特定的故障信号和正常信号同时采用相同的耦合方式,根据二维小波可以有效提取信号中频率信息的特点,利用二维小波提取复双谱中的这些耦合信息的特征值,并将这些特征值输入支持向量机进行故障判别.实验结果表明,随着耦合方式的不同,同一故障的诊断正确率也不相同.     

基于模糊信息融合的变压器故障诊断研究

设计了一种与模糊信息融合方法相结合的变压器故障诊断系统模型.该模型采用分布式MAS故障诊断系统结构,其故障诊断子系统采用三种不同的在线监测Agent并行方式运行并且两者相互之间兼有信息交互;该结构克服了实时性、可靠性不强的缺点;实验仿真论证了基于模糊信息融合的故障诊断法的可靠性与可行性并且分析证明了该方法的有效性.     

Fault tolerant control for a robot collaborative system

A new fault-tolerant control scheme is proposed for a nonlinear collaborative system that contains two robot subsystems. When fault occurs in one subsystem, the fault-free subsystem is used to compensate the fault influence of the faulty one on the whole collaborative system. When the faulty subsystem could not repair itself or the repair process needs a long time, the controller of the fault-free subsystem is reconfigured using the fault diagnosis information and other measured information, leading to the fault tolerant control of the robot collaborative system. Simulations of fault tolerant control for the robot collaborative system show the effectiveness of the proposed method.     

EEMD-PE与M-RVM相结合的轴承故障诊断方法

滚动轴承振动信号中包含了大量轴承运行状态信息,但是由于振动信号具有非线性和非平稳性的特点,难以充分提取振动信号中的故障特征,导致现有基于模式识别的轴承故障诊断方法的故障识别准确率较低.为了提高滚动轴承故障识别的准确率,提出了一种基于集合经验模态分解-排列熵(EEMD-PE)特征提取与多分类相关向量机(M-RVM)相结合的轴承故障诊断方法.首先,该方法利用EEMD对非线性和非平稳信号的自适应分解能力,将轴承故障信号分解为一组包含故障特征的本征模态函数(IMFs).然后,利用排列熵提取由EEMD分解得到的IMFs中的故障特征,并组成特征向量.最后,采用EEMD-PE对不同故障状态下的训练样本集进行特征提取,组成特征向量集对M-RVM分类器进行建模,以概率输出的形式实现对滚动轴承的故障诊断.实验结果表明:EEMD-PE特征提取方法能够对滚动轴承振动信号的故障特征进行有效提取,M-RVM能够对故障滚动轴承振动信号包含的故障特征进行识别.与现有轴承故障诊断方法相比较,所提出的方法能够提高故障识别准确率,达到99.58%.     

基于局域波法和KPCA-LSSVM的滚动轴承故障诊断

针对故障滚动轴承振动信号具有非平稳性,提出基于局域波法和核主元分析 最小二乘支持向量机(KPCA LSSVM )的故障诊断方法.先对轴承振动信号进行局域波分解得到若干内禀模式函数(IMF),分别计算各IMF分量的特征能量、奇异值和AR模型参数作为原始特征向量,再用KPCA将原始特征向量映射到高维特征空间提取主元构造新的特征向量,将其作为LSSVM分类器的输入来实现轴承的故障诊断.故障诊断试验结果表明,KPCA LSSVM诊断方法通过KPCA得到更多的识别信息,改善了LSSVM的分类性能,相对于直接LSSVM诊断方法具有更优的泛化性,可准确识别轴承的故障类别和严重程度.     

基于Petri网的电力系统故障域搜索

把Petri网方法应用到电力系统结线分析中,建立了变电站结线分析的Petri网模型,此模型同样适用于电力网的结线分析,可快速、准确地得到电力网的子系统,从而确定无源子系统为故障区域。通过对一模型系统的分析研究,表明用本文所提出的Petri网方法,能够准确地得到系统的各个子系统,并找出无源区域,得到故障区域。     

齿轮箱故障诊断中的正交匹配追踪算法

为通过齿轮箱的振动信号进行故障诊断,应用正交匹配追踪算法对振动信号进行处理.齿轮箱的振动信号包含了齿轮箱运行状态特征,但同时也掺杂了大量噪声信号,总体呈现出非平稳性.齿轮箱故障诊断的关键是从齿轮箱的振动信号中剔除冗余信息,用少量特征信息准确的表达信号,完成对信号中故障特征的提取.传统的频域分析法,只能从频域图上定性的判断故障,无法做到定量判断.正交匹配追踪算法是一种定量提取特征的方法,在傅里叶正交基下对振动信号进行时域向频域的映射,在频域上定量的得到主要特征,再根据主成分分析思想,提取出3组主要特征点,将已知故障分类的信号特征与待检测信号的特征进行对比,通过频域的位置和幅值的两次比较,判断故障状态,实验证明该方法可以准确的判断出齿轮箱从正常状态到100%磨损的5个不同形态的特征,完成对齿轮箱的故障诊断和分类.     

基于经验模式分解和广义维数的机械故障诊断

结合经验模式分解方法和广义维数的特点,提出了基于经验模式分解和广义维数的机械故障诊断方法。先对信号进行经验模式分解,得到内禀模态函数,然后求每个内禀函数的广义维数,从中提取盒维数、信息维数和关联维数,组成广义维数矩阵。通过分析待检测信号和各样本信号的广义维数矩阵相关系数,判断故障状态。实验结果表明,该方法可以准确地识别机械故障状态,是一种有效的机械故障诊断手段。     

基于双树复小波包和AR谱的滚动轴承复合故障诊断方法

针对滚动轴承复合故障信号中故障特征难以分离的问题,提出了基于双树复小波包和自回归(autoregressive,AR)谱的故障诊断方法.首先,利用双树复小波包变换将复杂的、非平稳的复合故障振动信号分解为若干个不同频带的分量;然后,对包含故障特征的分量进行希尔伯特包络;最后,对包络信号求其AR功率谱,由此实现对复合故障特征信息的分离和故障识别.实验结果表明:该方法可有效地分离轴承复合故障的特征频率,验证了该方法的可行性和有效性.