共查询到19条相似文献,搜索用时 453 毫秒
1.
2.
3.
4.
为了从非线性、非平稳的振动信号中提取故障特征频率,提出了一种故障特征频率提取新方法。该方法将局部特征尺度分解和流形学习算法局部切空间排列相结合,首先利用局部特征尺度分解将振动信号分解成若干个内禀尺度分量,将其组成多维特征向量;其次采用流形学习算法中的局部切空间排列对多维特征向量进行降维处理,得到低维特征向量,对得到的低维特征向量进行信号重构;最后采用频谱分析方法对重构信号进行故障特征频率的提取。在滚动轴承故障试验中,所提出方法能够准确提取出内圈和外圈故障的特征频率,验证了该方法的有效性。 相似文献
5.
6.
7.
8.
《机械设计与制造》2015,(9)
针对旋转机械的转子故障诊断中原始特征多、难以有效提取振动信号非线性特性的问题,提出一种结合已知故障类别信息进行流形学习降维的新算法—监督邻域保持多项式嵌入(Supervised Neighborhood Preserving Polynomial Embedding,S-NPPE)。利用样本点的故障类别信息,改进转子故障特征数据集中样本点间的欧式距离,重新构造样本点邻接图,再对数据集进行非线性降维处理。先介绍流形学习降维理论,然后给出重构邻接图以及S-NPPE算法的基本步骤,结合转子试验台的不同状态下的振动信号,探讨其在转子故障数据集降维中的应用。 相似文献
9.
10.
11.
《仪器仪表学报》2016,(Z1)
A fault identification method ofrotating machinery is proposed,which combines wavelet packet of time-frequency analysis and manifold learning.Firstly,the sampled vibration signal is decomposed to multilayer information with wavelet packet decomposition(WPD) method.Andevery level data of wavelet packet decomposition is processed bydemodulatingof Hilbert transform,eliminating the high frequency noiseof FIR filterand reducing the data length of the low frequency of resampling.Further,every level data vector is deal with normalization and calculated for the auto power spectrum.Finally,the manifold learning methods of t distributed stochastic neighbor embedding(t-SNE) is applied to do dimension reduction to generate 2D manifold figure data.Different fault forms of gearbox have different manifold features,which is used to identify failure status of equipment.With the experiment test,the feasibility and effectiveness of this identification method is verified. 相似文献
12.
GuYuhaiHe LinfengDeng Yali 《仪器仪表学报》2016,(S1):152-156
A fault identification method ofrotating machinery is proposed,which combines wavelet packet of time-frequency analysis and manifold learning.Firstly,the sampled vibration signal is decomposed to multilayer information with wavelet packet decomposition(WPD) method.Andevery level data of wavelet packet decomposition is processed bydemodulatingof Hilbert transform,eliminating the high frequency noiseof FIR filterand reducing the data length of the low frequency of resampling.Further,every level data vector is deal with normalization and calculated for the auto power spectrum.Finally,the manifold learning methods of t distributed stochastic neighbor embedding(t-SNE) is applied to do dimension reduction to generate 2D manifold figure data.Different fault forms of gearbox have different manifold features,which is used to identify failure status of equipment.With the experiment test,the feasibility and effectiveness of this identification method is verified. 相似文献
13.
针对内燃机故障诊断中振动响应信号强耦合、弱故障特征的问题,提出一种基于内燃机振动谱图纹理特征提取的故障诊断方法。首先,为了清晰地刻画内燃机振动信号时频联合分布中的非平稳时变分量,将变分模态分解(VMD)与Rihaczek复能量密度分布方法有效结合,得到了时频聚集性好、无交叉项干扰的内燃机振动谱图像;针对VMD分解过程中的参数选取问题,提出将功率谱熵作为目标函数,对VMD的分解参数进行网格寻优,提高了VMD分解的自适应性。为了实现对内燃机振动谱图像的自动识别及故障诊断,提出了改进的局部二值模式(ILBP)方法,用来对振动谱图中蕴含的纹理信息进行分析,提取低维特征参量并采用最近邻分类器对内燃机不同工况的振动谱图像进行模式识别。将该方法应用于内燃机故障诊断实例中,结果表明该方法能有效提取内燃机振动信号中的微弱故障特征,实现内燃机故障的自动诊断。 相似文献
14.
针对柴油发动机的充电发电机结构及振动的复杂性导致其转子振动故障具有多层次性、耦合性和随机性,以及故障信息不完整性等特点,提出了一种基于振动频谱分析和贝叶斯网络的转子振动故障诊断方法。该方法将故障源和故障现象根据专家经验数值化表示并离散化,运用改进的优化分簇算法,构建特定振动故障类型的贝叶斯诊断网络,利用贝叶斯网络推理算法诊断出故障概率分布,并利用具体的故障证据、设定值对该方法进行验证。仿真及实验结果表明,该方法能在故障信息不完整情况下,依据不完整证据信息更新各网络节点的概率状态,实现对不确定信息的推理和估计,得到较好的诊断结果,提高了转子振动故障的诊断准确度。 相似文献
15.
16.
为了提高汽轮机振动故障信号的可分性和诊断正确率,应用流行学习方法对汽轮机振动信号进行故障特征提取。研究结果表明,应用流行学习方法可以有效地提取汽轮机振动故障的特征信息,将不同故障类型的特征信息有效地区分开来。运用流行学习方法进行故障特征提取后的诊断结果与小波包分析方法相比,诊断正确率明显提高。 相似文献
17.
为了提升大型机组设备故障信息的提取效率,实现故障可视化诊断,提出大数据处理环境下大型机组设备故障可视化诊断方法。采用基于工作变形分析( ODS )的振动可视化技术完成大型机组设备的振动分析,获取设备不同模态下的故障频率响应信号,并将其频率谱作为故障特征,利用模糊减法聚类算法获取故障诊断结果;并利用三维平行散点图与人机交互将故障诊断结果可视化呈现。测试结果表明,该方法可通过数据聚类有效完成大型机组设备故障诊断,并且具备较好的可视化效果,可满足大型机组设备故障的可视化需求。 相似文献
18.
针对齿轮箱复合故障振动信号易受到背景噪声干扰,使得传统方法对复合故障冲击特征难以准确分离的问题,提出一种自适应最大二阶循环平稳盲解卷积(ACYCBD)与1.5维导数增强谱相结合的复合故障诊断方法。首先,利用循环谱分析检测复合故障振动信号中与故障特征相关的循环频率成分,构建不同目标类型的循环频率集;之后,根据不同类型的循环频率集,提出一种以三阶累积量稀疏度(TCS)为指标,自适应地选取最大二阶循环平稳盲解卷积(CYCBD)的最优滤波器长度的改进算法,从而更好地获得包含不同故障冲击成分的CYCBD最优滤波信号;最后,提出一种新的1.5维导数谱进行特征增强,提高信噪比,并分析谱图中突出的故障特征频率进而判别故障类型。通过仿真信号与故障实验平台数据对算法进行验证,结果表明该方法能够实现齿轮箱复合故障的准确分离与诊断。 相似文献
19.
Hilbert-Huang变换在齿轮故障诊断中的应用 总被引:20,自引:3,他引:17
为齿轮故障诊断提供了一种新的途径,将Hilbert-Huang变换引入齿轮故障诊断,提出了局部Hilbert能量谱的概念,同时根据齿轮故障振动信号的特点建立了两种基于Hilbert-Huang变换的齿轮故障诊断方法:基于EMD的频率族分离法和Hilbert能量谱方法。采用EMD(Empiricalmodedecomposition)方法对齿轮振动信号能有效地将各个频率族分离;局部Hilbert能量谱可以反映齿轮振动信号的能量随时间和频率的分布情况,从而可以提取齿轮振动信号的故障信息。将这两种方法应用于齿轮故障诊断中,结果表明,基于EMD的频率族分离法和Hilbert能量谱方法都能有效地提取齿轮故障特征信息。 相似文献