非线性耦合双稳系统的振动共振与随机共振

单一双稳系统受到弱周期信号和噪声的作用能产生随机共振.而在高、低两种不同频率信号作用下则能产生振动共振,将两个双稳系统经非线性耦合而成为耦合双稳系统,并在低频、高频信号和噪声的作用下研究了耦合双稳系统对低频信号的响应特性,给出了高频信号参数和耦合系数对振动共振和随机共振的影响关系,结果表明通过调节高频信号幅值或耦合系数大小能产生振动共振或随机共振,并构建了耦合双稳系统原理框图,为随机共振的控制及其利用提供了新的理论方法,数值仿真结果与理论分析结论完全吻合.     

形态学广义分形维数在发动机故障诊断中的应用

发动机故障信号是一种典型的非线性信号,分形几何理论为描述非线性故障信号的特性提供了一个有力的分析工具。广义分形维数能够很好的描述信号的几何特征和局部尺度行为,所蕴含的信息比单一的分形维数要深刻而全面。针对传统的广义分形维数计算方法的缺陷,本文提出基于数学形态学操作的广义分形维数计算方法,并对发动机正常、失火和气门间隙过大故障信号进行了分析,结果表明,与传统的盒计数法计算的广义分形维数相比,形态学广义分形维数能够更加有效地区分发动机在不同状态下的信号,并且数学形态学只涉及简单的加减和取大、取小运算,因此计算简单快速,为准确判断发动机故障状态提供了一种快速有效的新方法。     

基于双共振的涡街信号检测方法

耦合双稳系统由控制系统和被控系统经非线性方式耦合而成。分析了控制信号作用下耦合双稳系统的双共振特性,提出了基于双共振的随机共振增强方法,并将该方法应用于涡街流量信号的检测。数值仿真和实验结果表明,改变控制信号的频率可在控制系统中产生共振,进而增强被控系统中的随机共振,系统输出功率谱在特征频率处的谱值显著提高,从而准确检测出噪声背景中的微弱涡街信号。     

基于非线性耦合双稳态随机共振的轴承微弱故障信号增强检测方法研究

针对滚动轴承微弱故障信号难以检测的难题,提出一种基于新型非线性耦合双稳态随机共振模型的轴承微弱故障信号增强检测方法。噪声背景下,随机共振可以实现微弱信号的增强输出,提高微弱信号特征的检测。提出的非线性耦合双稳态系统是由两个单一双稳态系统经非线性方式耦合而成,通过分析耦合系数、阻尼系数随着噪声强度改变的信噪改善比响应特性曲线图研究了不同参数对随机共振现象的影响。结果表明,耦合双稳系统比单一双稳态系统具有更强随机共振现象的产生。最后采用模型对轴承故障微弱信号进行了增强检测应用,所提出的非线性耦合双稳态随机共振能够实现在复杂的噪声背景下对微弱故障信号的检测。     

双频信号作用下的单稳随机共振数值研究

在振动共振的基础上,研究了非线性单稳随机共振系统在高、低两种不同频率作用下的动力学特性,分析得出高频信号可以使系统产生分岔,而低频信号幅值及单稳系统非对称参数是系统跃迁阈值的影响因素,调节高、低频信号参数可改变势垒高度,诱发单稳随机共振效应。理论分析和数值仿真结果表明,在绝热近似条件下,单稳随机共振系统输出信号的信噪比及功率谱均呈非单调变化,同时通过级联后单稳系统输出的效果更佳,冲击信号仿真分析表明该类型随机共振系统有利于工程实际。     

基于偏最小二乘法分形计盒维数的冲击定位方法

针对航空板结构健康监测需求,提出一种基于分形计盒维数的板结构分布式光纤冲击载荷定位方法。使用分形维数能够定量描述与刻画非线性系统行为的复杂性以及度量信号的不规则度。研究发现,光纤布拉格光栅(FBG)传感器冲击响应信号频谱的分形计盒维数与冲击距离以及冲击位置与光纤轴向角度存在关联,以此为特征参数可以实现对冲击位置定位。由于冲击响应信号频谱的分形计盒维数与冲击位置之间存在重复性、非线性等问题,采用偏最小二乘回归法,对多个传感器数据进行数据融合,提高了冲击点位置预测提高定位精度。该方法与时差冲击定位方法相比,无需高速FBG解调设备。     

基于双维度变化的形态学多重分形的战场声目标识别

针对战场声目标识别的多重分形特性,提出了基于双维度变化的数学形态学多重分形计算方法。该方法定义了基于双维度变化的配分函数(DDCDF),同时引入回归分析对分形尺度与配分函数进行高精度拟合,确保采用两点式斜率计算作为分形维数的准确性;以运算速度与识别率为标准,筛选出最优尺度组合,并计算多重分形维数。通过半实物仿真对比试验验证了所提算法的运算效率较现有的形态学多重分形维数算法有明显提升;此外,将多重分形维数作为特征输入,使用支持向量机进行声目标识别,识别结果显示了该算法所提取的多重分形维数特征具有更好的区分度,其识别率比现有算法提升了23.5%,为战场声目标的非线性特征快速识别提供了一种有效的技术手段。     

分形与几何特征融合的转子故障特征提取方法

转子系统故障信号是典型的非线性、非平稳信号,分形几何为描述转子系统故障信号的特性提供了一个分析工具,但仅仅依靠分形维数无法有效的提取转子系统的故障特征。本文引入紧密度和丰度两个量,与基于的分形维数一起,对转子系统故障信号进行分析;最后采用神经网络技术对转子系统的正常、不对中、不平衡、碰磨、松动五种不同的运行状态进行分类识别。实验结果表明,通过对分形维数和紧密度、丰度的联合可较好地评定和区分转子系统的运行状态。     

基于分形盒维数和多重分形的爆破地震波信号分析

为深入研究爆破地震波特性,采用分形盒维数和多重分形理论相结合的数学方法,通过其算法的理论推导和MATLAB软件编程计算得到地震波信号的盒维数值和多重分形谱图,对地震波信号的分形特征进行了分析。研究表明:盒维数D值的大小反映了地震波曲线的复杂程度和频率结构特征,说明盒维数只是对地震波信号整体性的描述;多重分形能够更加精细地描述地震波信号的局部特征,其谱图描述了不同奇异性指数α的概率信息。因此提出使用分形盒维数和多重分形相结合的信号分析方法,获取爆破地震波信号的整体强弱、频谱结构特征和局部的奇异性等重要信息。     

基于调制随机共振的微弱信号检测研究

在工程信号处理过程中信号常超出随机共振绝热近似或线性响应理论的小参数要求而成为大参数信号。论文深入探讨非线性双稳系统随机共振发生机理和条件要求,将频率调制技术与随机共振理论相结合,提出用调制随机共振的方法实现随机共振理论在工程信号检测中的应用,进行了数值仿真分析证明其有效性,并将该方法应用于轴承内圈点蚀故障的检测     

基于局部特征尺度分解和形态学分形维数的滚动轴承故障诊断方法

提出了一种基于局部特征尺度分解与形态学分形维数的滚动轴承故障诊断方法。首先采用局部特征尺度分解方法将机械故障信号分解为若干个内禀尺度分量,然后利用形态学分形维数计算包含故障特征分量的分形维数,将得到的分形维数作为特征量判别信号故障的状态,实验结果表明基于局部特征尺度分解与形态学分形维数的故障诊断方法能够有效识别滚动轴承的内圈故障、外圈故障、滚动体故障和正常状态,实现滚动轴承故障诊断。     

级联双稳随机共振和基于hermite插值的局部均值分解方法在齿轮故障诊断中应用

针对于弱信号在齿轮故障中难以提取问题,提出了一种基于级联双稳随机共振 (Cascaded Bistable Stochastic Resonance,简称CBSR)降噪和局部均值分解（Local Mean Decomposition,简称LMD）齿轮故障的诊断方法。随机共振可有效削弱信号中的噪声,利用噪声增强故障信号的微弱特征;LMD方法可自适应将复杂信号分解为若干个具有一定物理意义上PF分量之和,适合处理多分量调幅调频信号。首先将振动信号进行CBSR消噪处理,然后对消噪信号进行LMD分解,通过PF分量的幅值谱找到齿轮的故障频率。通过齿轮磨损故障诊断的工程应用,表明该方法可以有效提取齿轮故障微弱特征,实现齿轮箱的早期故障诊断。       

基于VMD及广义分形维数矩阵的滚动轴承故障诊断

提出基于变分模态分解及广义分形维数矩阵的滚动轴承故障诊断方法。对信号进行变分模态分解得到若干模态函数,根据不同权重因子计算得到每个模态函数的广义分形维数序列,排列构成广义分形维数矩阵,最后通过分析待测信号和各样本信号的广义分形维数矩阵的相关系数判断故障状态。实验结果表明该方法能精确、稳定提取故障特征,区分不同状态的信号。     

基于局部均值分解与形态学分形维数的滚动轴承故障诊断方法

针对滚动轴承振动信号通常具有非线性与低信噪比特点,提出基于局部均值分解（Local Mean Decomposition,LMD）与形态学分形维数的滚动轴承故障诊断方法。采用LMD将滚动轴承振动信号分解为若干个乘积函数（Product Function,PF）分量,计算包含有滚动轴承故障特征的PF分量形态学分形维数,并将其用作特征量判断滚动轴承工作状态及故障类型。实验分析结果表明,该方法能有效用于滚动轴承的故障诊断。     

利用关联维数分析机械系统故障信号

根据机械系统运行中测量到的信号的处理，进行系统特征识别。针对非线性系统的特点，区别于以往对线性系统使用的时域，频域定性分析法，用分形维数定量刻画机械系统运行状态。使用分形维数中能直接反映转子系统运行特点的关联维数来获得转子运行故障以及故障发展程度的定量描述。本文采用的高效关联维数算法，提高了计算速度和描述转子系统故障的精度。     

基于EMD分形技术提取变速器轴承故障特征

故障轴承振动信号具有分形特征,可以利用分形维数有效识别变速器轴承的故障模式.噪声的存在对分形维数的计算结果影响较大,为此采用经验模态分解（EMD）方法,对变速器轴承振动信号进行EMD分解,计算分解后的IMF分量的分形维数,提取出变速器轴承不同技术状态下的故障特征。对实测变速器轴承振动信号分析,结果表明：EMD能对不同频带信号进行有效分离;特定IMF分量的分形维数能敏感反应变速器轴承技术状态,可以作为变速器轴承故障诊断的特征参数;EMD与分形维数相结合是提取变速器轴承故障特征的一种有效方法。     

机械振动信号自适应多尺度非线性动力学特征提取方法研究

针对机械振动信号的故障特征提取问题,提出了基于独立变分模态分解与多尺度非线性动力学参数的特征提取方法。①提出频谱循环相干系数选取匹配波形对机械振动信号进行端点延拓后再进行VMD分解得到不同频率尺度的IMF分量;②根据互相关准则选取有效的IMF分量进行核独立成分分析,分离出相互独立的有效故障特征频带分量;③计算各独立分量的复合多尺度模糊熵偏均值,并利用正交变换将独立分量正交化后构造多维超体,进而利用多维超体体积定义并计算信号的双测度分形维数,从而获得多尺度非线性动力学特征参数,实现机械故障诊断。仿真和实验结果表明:所提方法可有效抑制VMD分解的端点效应和模态混叠,信号分解效果好,特征参数分类精度高,极大地提高了机械故障诊断准确率。     

Application of General Fractal Dimension to Coupling Fault Diagnosis

This paper presents the coucept of general and sensitive dimension,and also proposes the calculation formula of the general dimension least squares method.By calculating and analyzing the power spectrum and general dimension grom the fault sample,the relationship is achieved between sample status and the general simension from vibration signals of the equipment so as to provide reference to fault diagnosis.Furthermore,a correlation function of general dimension is proposed,and calculations are carried out for a monitor signal and samples signal.The diagnosis method based on fractal theory is effective through the concrete examples of the steam-electric generating set fault diagnosis,and the correlation coefficient of general dimension between a monitor signal and samples signal can improve the accuracy for fault diagnosis.     

四分位偏差分形维及其在齿轮故障识别中的应用

介绍了用于非平稳、非线性信号的四分位偏差分形维算法，并通过仿真实例验证了此计算方法的准确性。针对齿轮振动信号的非平稳、非高斯、非线性特点，将四分位偏差分形维用于齿轮故障分类，结果表明此方法能很好地区分齿轮故障模式。以四分位偏差与相应的截距为特征量进行聚类，能更好地区分齿轮的各种故障模式。可将其用于在线故障识别。     

分形特征的模拟电路故障诊断方法

针对模拟电路中存在的非线性问题,提出一种以模拟电路分形特征为输入量的故障诊断方法。通过对多测试分量数据进行分形特征提取,输入神经网络建立信息融合中心融合处理各分形特征量,利用多源性互补信息减少模拟电路故障诊断的不确定性。实验结果表明,该故障诊断方法可准确地检测出模拟电路中的故障现象。