基于RBF神经网络的多转子故障类型诊断

对多转子系统中转子故障诊断进行了研究,以转子正常、偏心、不平衡和弯曲四种工作状态为例,采用径向基函数(RBF)神经网络对故障进行诊断.通过快速傅里叶变换和能量谱对转子振动信号进行特征提取,并将提取的特征向量作为神经网络的输入,实现多转子故障类型的识别.结果表明,利用能量谱和RBF神经网络能够有效地识别转子故障类型.     

基于切片谱RBF神经网络的旋转机械故障诊断

结合切片谱和RBF神经网络提出一种切片谱RBF神经网络旋转机械故障诊断方法。该方法以信号的切片谱为故障特征量,以RBF神经网络为分类器,进行旋转机械故障诊断。轴承故障的诊断结果表明,该方法是可行和有效的。     

松动对碰摩转子-轴承系统非线性特性的影响研究

在同时考虑轴承油膜力和碰摩发生时转子与定子之间的相对滑动速度对非线性摩擦力的影响基础上,构造了含有松动和碰摩故障转子系统的动力学模型,对转子 轴承系统由松动和碰摩耦合故障导致的非线性动力学行为进行了数值仿真研究,发现该类系统在运行过程中存在周期运动、拟周期运动和混沌运动等丰富的非线性现象,研究结果为转子 轴承系统故障诊断、动态设计和安全运行提供了理论参考。     

内燃机轴承-转子系统缺陷故障动力行为分析

本文通过对滚动轴承支撑的内燃机转子系统故障模型的建立和非线性动力学行为的分析,为内燃机故障的诊断和研究提供理论参考。基于赫兹接触理论,得到了滚动轴承缺陷故障后系统的实际接触变形及轴承力的计算方法,并通过对系统动力学模型的建立和求解,得到系统故障后的非线性动力学响应。数值结果表明,轴承出现缺陷故障后,内燃机转子系统非线性响应变化明显,速度和位移波动明显加强,实际中可通过这些异常行为的检测诊断系统的故障。     

混合轴承-转子运动轨迹的RBF神经网络控制

提出了动静压混合滑动轴承支承-转子运动轨迹控制技术和方法,以期用于转子振动控制和非圆截面零件加工。通过调节主动节流器的参数,改变轴承油腔的压力、流量,影响轴承封油面上的压力分布,控制转子按预定轨迹运动。建立了轴承-转子系统的动力学模型,给出了基于最小资源分配（MRAN）和扩展卡尔曼滤波（EKF）的径向基函数（RBF）神经网络自适应控制策略,在线辨识系统参数,以适应其非线性、参数未知特点。计算结果表明,RBF神经网络控制器具有良好的非线性逼近能力;转子不平衡响应或外部同步激励力引起的振动得到了有效抑制,得到了较为精确的转子非圆轨迹跟踪结果。     

基于经验模态分解与支持向量机的旋转机械碰摩故障识别方法研究

碰摩故障是旋转机械常见的故障.本文以双盘悬臂转子-轴承系统的碰摩故障为例,提出基于经验模态分解和支持向量机的碰摩故障识别方法.首先对信号进行经验模态分解,得到多个固有模态函数之和,然后对每一个固有模态函数分量进行奇异值分解,得到矩阵的奇异值,将其作为信号的状态特征向量,利用支持向量机方法对多种碰摩故障进行分类,同时进行故障识别.试验结果表明,该方法的识别率明显优于传统的BP神经网络和RBF神经网络分类器,且鲁棒性好.     

改进小波包与RBF网络在轴承诊断中的应用

基于故障轴承的特征提取,提出一种基于小波包与径向基RBF神经网络相结合的故障诊断方法,克服了以往常用诊断方法中的小波BP神经网络网络收敛慢、训练时间长、而且常常陷入局部极小点的缺点。采用小波滤波技术对采集到的滚动轴承振动信号进行滤波处理,利用小波包分解获得滚动轴承振动信号的特征向量作为故障样本对RBF网络进行训练,进行了详细的故障诊断试验研究。实验结果表明训练好的RBF网络能够很好地诊断出轴承故障类型,故本方法在旋转机械故障诊断方面具有良好的应用价值。     

基于BP神经网络的翻车机液压系统故障诊断

为了快速诊断出翻车机液压系统故障产生的位置以及故障原因,提出了一种基于BP神经网络算法的翻车机液压系统故障诊断方法,在此基础上提出了大型液压系统故障诊断分块建模的原则。利用某公司C型转子式翻车机故障数据样本建立了整体、分块故障诊断BP神经网络模型,对比实验数据分析表明,采用分块建模原则建立的BP神经网络故障诊断模型对翻车机液压系统故障具有较高识别精度,对提高翻车机液压系统状态监测与故障诊断能力有较大实用价值和工程意义。     

车辆液压系统遗传神经网络诊断技术研究

基于AMEsim建立了牵引-制动型液力变矩器液压系统仿真模型,通过注入不同故障信息,分析变矩器进口压力不稳定的故障原因,生成了仿真故障样本。通过试验,采集待检测的液压故障样本,基于遗传神经网络以仿真故障样本为训练样本,对待检测故障样本进行了模式识别。试验结果表明,故障仿真模型可以较好的模拟液压系统故障,将其与遗传神经网络相结合可以实现故障的智能诊断。     

基于小波神经网络的滚动轴承故障诊断

根据滚动轴承振动信号的频域变化特征,利用小波分析对其建立频域特征向量,准确地提取了故障的特征信息,结合RBF神经网络训练速度快的优点,将RBF神经网络应用于轴承故障特征的选择,并利用所确定的特征及RBF分类器进行故障诊断。实验结果表明,该方法可实现滚动轴承故障的可靠诊断。     

Dynamics analysis of a cracked dual-disk over-hung rotor-bearing system

A dynamic model of a dual-disk vertical over-hung rotor-bearing system is developed, taking into account nonlinear oil-film force. Its dynamic behaviors are investigated by numerical Runge-Kutta method. Its bifurcation and chaos characteristics are analyzed with crack fault and without crack fault. By analyzing the bifurcation plot, Poincare section plots and amplitude spectra, we found that the crack greatly influences the dynamic characteristics of the rotor-bearing system. Because of the strong effect of the nonlinear oil-film force and crack to the system, 1/2 times, 1/3 times frequency components appear in the response spectrum map. The results may bring up theoretical references for fault diagnosis of rotor-bearing systems. __________ Translated from Journal of Vibration Engineering, 2005, 18(1) (in Chinese)     

基于RBF神经网络的飞机蓄压油箱爆破故障诊断

本文采用径向基（RBF）神经网络，对军用飞机燃油系统蓄压油箱空中爆破进行故障诊断，结果表明RBF神经网络具有精度高，收敛速度快等优点，可应用于飞机燃油系统其它部件的故障诊断。     

Stability of periodic motion on the rotor-bearing system with coupling faults of crack and rub-impact

A dynamic model was set up for the rotor-bearing system with coupling faults of crack and rub-impact. Using the continuation-shooting algorithm for periodic solution of nonlinear non-autonomous system, the stability of the system periodic motion was studied by the Floquet theory. The saddle-node bifurcation, periodic-doubling bifurcation and the Hopf bifurcation were found. There are peculiar dynamic characteristics of the rotor-bearing system with coupling faults of crack and rub-impact that differs from single fault. The conclusions provide theoretic basis reference for the failure diagnosis of the rotor-bearing system with coupling faults of crack and rub-impact fault.     

基于MATLAB软件包程序的电喷发动机故障诊断

目前国内外常用的汽车故障诊断仪(解码仪)功能并不全面,不能诊断不出现故障码的机械类故障.为了解决这个问题,提出了一种利用径向基函数神经网络进行电喷发动机故障诊断的方法.该方法通过MATLAB软件包与ACCESS数据库相结合编制故障诊断程序,从而实现了无故障码的故障诊断.同时还将径向基函数网络与BP网络进行了比较.实验表明,径向基函数网络更适用于故障诊断.     

基于BP和RBF神经网络的滚动轴承故障诊断比较

通过仿真实例,应用BP和RBF神经网络对滚动轴承的故障诊断进行了比较研究,结果表明,BP网络和RBF网络仿真效果都比较理想,但RBF网络构建简单,训练速度快且比较稳定,体现了RBF神经网络的优越性。     

两端支座松动转子系统的频率特性分析

针对转子-轴承系统中两端支座发生的松动故障,建立了带有非线性油膜力的数学模型。采用数值仿真的方法对发生故障的转子系统进行模拟,得到了系统的频率特性。模拟结果表明：当支座发生松动振动时,若振动位移小于最大间隙值,则它的频谱除了1倍频分量外还有丰富的且相对幅值较大的低频成分;若振动位移大于最大间隙值,则它的频谱会出现非常突出的较高倍频的分量, 而1倍频却消失了。得出的结论有助于对该类故障的诊断分析。     

基于RBF神经网络的齿轮箱故障诊断

阐述径向基函数(radial base function,RBF)神经网络的基本原理和算法,将其应用于齿轮箱故障诊断与识别,建立齿轮箱的BRF故障诊断模型,并与BP(back propagation)神经网络、学习率自适应BP神经网络进行对比分析研究。结果表明,RBF神经网络性能优于BP神经网络,具有较快的训练速度、较强的非线性映射能力和精度较高的故障识别能力,非常适用于齿轮箱的状态监测和故障诊断。但在具体应用中应当注意,RBF网络的训练样本必须含有一定的噪声,以提高网络的容噪性能;各类故障的训练样本数不能太少,否则RBF网络的故障分类能力很差。     

基于RBF神经网络的电喷发动机故障诊断研究

研究了RBF神经网络用于电喷发动机故障诊断的方法,并建立了神经网络故障诊断模型.最后,以桑塔纳2000型(GSI)轿车AJR型发动机怠速不稳故障为例,通过V.A.G1552汽车故障诊断仪测量出所需的数据流,在Matlab环境下,对电喷发动机怠速不稳的2种故障原因进行故障模式识别和诊断.     

裂纹-碰摩转子-轴承系统周期运动稳定性

建立了含有裂纹-碰摩耦合故障转子轴承系统的动力学模型,利用求解非线性非自治系统周期解的延拓打靶法和F loquet理论,研究了系统周期运动的稳定性。发现碰摩转子-轴承系统在不同的转速下会发生鞍结分岔、倍周期分岔和Hopf分岔等现象,裂纹-碰摩耦合故障转子-轴承系统具有不同于单一故障的独特的动力学特性。研究结果为转子-轴承系统故障诊断和安全运行提供了一定的参考。     

双相干谱和RBF网络在旋转机械故障诊断中的应用

双相干谱保留了信号的相位信息，可以用来描述非线性相位的耦合，径向基函数网络具有良好的推广能力和分类能力。文中将双相干谱和径向基函数网络结合，提出一种基于双相干谱与径向基函数网络相结合的旋转机械故障诊断方法，即以双相干谱为故障特征向量，以径向基函数网络作为分类器，对旋转机械的故障进行分类，并以转子不平衡、转轴碰摩、油膜涡动为例进行实验研究。实验结果表明，结合双相干谱和径向基函数网络的旋转机械故障诊断方法是有效的。