基于轴承故障信号特征的自适应冲击字典匹配追踪方法及应用

针对滚动轴承故障特征,提出了一种自适应冲击字典匹配追踪方法。根据轴承故障信号的产生机理,将轴承的转速、尺寸等因素引入到字典中,建立了一种基于故障信号特征的新型字典模型。依据字典模型中各个关键参数对分析结果的影响程度,确定冲击位置信息为首要模型参数,提出了逐次改变特性参数的方法建立自适应字典,使得字典中的每一个原子都与被分析信号有很好的相似度,降低了字典的冗余程度,提高了字典的使用效率。同时结合匹配追踪原理建立了自适应冲击字典匹配追踪的方法。仿真信号,实验信号和工程信号分析结果表明,基于自适应冲击字典匹配追踪方法可以对轴承不同位置的故障进行有效诊断。将该方法与遗传算法匹配追踪进行比较,表明该方法的处理效果更佳。     

基于自适应Morlet小波参数字典设计的微弱故障检测方法研究

针对强背景噪声干扰下微弱故障冲击特征难以准确检测的问题,提出了一种基于自适应Morlet小波参数字典设计的齿轮故障诊断法。该方法基于信号局部分割和全局分析的思想,采用相关系数(CF)与峭度指标综合评价小波函数与目标信号的局部匹配度与全局匹配度,利用鲸鱼优化算法(WOA)自适应确定小波字典参数,逐点时移构建原子参数字典后,结合正交匹配追踪(OMP)检测故障特征信息。对仿真故障信号和齿轮实际故障信号分析的结果表明,该方法可以有效提取齿轮微弱故障特征,诊断效果优于传统的相关滤波算法(CFA)、小波降噪法和K-SVD学习字典方法。     

基于斜率特征的容差模拟电路故障诊断方法

针对基于斜率特征的模拟电路软故障诊断字典法中存在的容差问题,提出了基于蒙特卡罗(Monte Carlo,MC)仿真的测前仿真故障字典法,将电路容差允许范围的电路特征以及各元件发生故障的斜率特征建立统一的故障字典,用于测后故障检测及故障元件定位,不仅能判定待测电路参数是否在容差范围内,而且能诊断容差电路的软故障.论文给出了基于MC仿真的容差模拟电路故障字典建立的详细步骤,该容差处理方法仿真简单,易于实现,有利于基于斜率特征的故障字典法的进一步实用化.论文最后通过仿真实例验证了提出方法的有效性.     

基于级联过完备字典稀疏表征的滚动轴承复合故障诊断方法

针对滚动轴承多故障特征相互耦合不易诊断的问题,提出了一种将级联过完备字典与以基追踪降噪问题为优化原则的特征符号搜索(FSS)算法相结合的轴承复合故障诊断方法。该方法根据轴承故障冲击响应信号的特点,以轴承阻尼二阶系统的单位冲击响应函数作为级联过完备字典基函数,并通过相关滤波法获取构建字典的参数。结合得到的字典,使用特征符号搜索算法对信号中不同类型的故障冲击成分进行稀疏分解并重构,进而实现各故障特征的分离和提取。轴承复合故障仿真信号和实测信号的分析结果表明,所提方法能有效地分离和提取出复合故障中的各类故障特征,同时对降噪具有极好的鲁棒性。     

基于频域信号的稀疏编码在机械故障诊断中的应用

提出了一种使用稀疏编码对机械频谱信号自学习并识别故障的方法。首先分别对每类频谱信号进行字典学习得到每类信号的字典,然后依次计算测试样本在各个类别的字典上的稀疏重构系数,利用稀疏重构系数与对应类别的字典重构测试样本。最后将重构残差作为识别依据,对机器状态进行判断。通过将振动信号从时域转化到频域,将复杂的移不变稀疏编码问题转化为普通的稀疏编码,并且得益于高效的K-SVD字典学习算法,计算效率得到了大幅提高。所提方案直接使用原始频谱信号作为训练集,不仅省去了特征提取过程,而且保留了更丰富的信息。经实验验证,该方案较基于时域的移不变稀疏编码具有更高的计算效率、准确率和稳定性。相对于常规诊断算法,除了有准确率的优势外,不易受负载变化的影响,所需人工干预较少。     

自适应学习字典的信号稀疏表示方法及其在轴承故障诊断中的应用

信号稀疏表示的过完备字典根据构造方式分为解析字典和学习字典两大类。解析字典结构固定，自适应性差。构建解析字典需要充分分析振动信号的振荡特性，获取充足的先验知识。学习字典摆脱了先验知识的桎梏，可以直接从信号中自适应地训练学习出来，自适应性强。结合信号保真能力较好的广义极小极大凹罚函数，提出了基于自适应学习字典的信号稀疏表示方法，改进了 K?SVD 算法中样本训练矩阵的构造方式，减少了运算时间，并且利用软阈值算法弥补了学习字典对噪声抵抗性较差的缺点。最后在缺乏先验知识的条件下，分别在轴承的仿真信号和实验信号的分析过程中，运用所提出方法实现故障诊断。     

基于子空间字典偶学习的高光谱图像分类

针对高光谱高分辨率带来巨大数据量和空间分辨率引起混合像元的问题,提出了基于子空间(subspace)的字典偶学习(DPL)算法,简称DPLsub算法。DPL算法是对字典学习的改进,它通过学习得到综合字典和分析字典,在模式识别中体现了高效性,而子空间投影的方法能更好地表征噪声和高度混合的像元。将光谱和空间特征融合的方法用于分类研究试验。实验数据是两幅高光谱影像,比较了子空间字典偶学习(DPLsub)模型和其他三种分类器即最小二乘支持向量机(LS-SVM)、稀疏多分类回归(SMLR)和字典学习(DL-OMP)的分类结果。实验结果显示,DPLsub算法无论在时间上还是精度上都优于其他算法,证明了这种子空间字典偶学习方法对高光谱图像分类的可行性与高效性。     

基于耦合过完备字典的红外云图超分辨率方法

针对红外云图分辨率低的问题,提出一种基于耦合过完备字典的超分辨率方法。在分析红外云图成像退化模型的基础上,建立了采用稀疏表示理论的超分辨率重构框架,首先随机抽取大量高、低分辨率云图的图像块,组成训练样本,经过字典学习获取针对高、低分辨率云图块的两个字典Dh和Dl,为保证对应的高、低分辨率云图块关于各自的字典具有相似的稀疏表示,提出一种耦合字典学习算法,该算法改变了字典对的更新策略,通过在每一步迭代中交替优化Dh和Dl,得到耦合的过完备字典对;最后对输入的低分辨率红外云图,采用最优正交匹配追踪算法(Optimized Orthogonal Matching Pursuit Algorithm,OOMP),得到满足重构约束的高分辨率云图。实验结果表明,本文方法与其他方法相比,红外云图重构质量有较为明显的改善,而且比同类方法具有更高的计算效率。     

基于判别字典在线学习的视觉跟踪

提出了一种基于判别字典在线学习的跟踪算法,通过将字典项与标签信息相结合,分类的字典既具有重构性,又具有鉴别性。为了增强模型判别能力,将分类器嵌入到目标表示模型中,依据重构误差和判别分类得分最终确定候选目标。字典学习阶段采用在线字典学习算法同时对字典和分类器进行更新,使模型能够适应目标外观和背景环境的动态变化。实验结果表明,该方法在大量遮挡、快速运动、强光和姿态变化的大部分测试中达到了比较满意的效果。     

基于折线故障模型的模拟电路统一故障字典法

基于非线性模拟电路中元件表现出的折线故障特征,结合线性电路中的节点电压关系函数原理,本文实现了一种基于折线故障模型的模拟电路统一故障字典法,能够诊断电路中线性元件和非线性元件的硬故障(开路和短路故障)和软故障(元件参数变化至容差允许范围之外).分别针对三类电路:1简单线性电路,2含有三极管的电路,3基于闭环运放模块的电路,以节点电压平面上的折线作为故障特征,主要分析了参数直流扫描的范围和间隔,并利用易于程序实现的分段线性拟合算法得到扫描数据拟合的分段线性方程,将折线故障模型参数存为统一故障字典.在测后故障诊断时,考虑到容差的影响,给出了基于统一故障字典的诊断步骤,并引入最小直线距离法对软故障进行定位.最后通过仿真实例验证了该方法的有效性.     

基于神经网络的电子线路故障诊断

分析了故障字典法在实际应用中存在的不足，提出将单位BP算法应用到电子线路的故障诊断中。对基于该方法的航空装备电子线路故障诊断进行了计算机仿真，并分析了网络参数的变化对训练结果的影响。仿真结果表明了该方法的合理性和有效性。     

一种数字电路故障诊断方法的研究及实现

为了对数字电路进行元件级故障诊断，采用组合测试方案生成故障字典，并且设计了相应的硬件电路和软件流程，达到了将故障定到元件级的目的。研究表明，本组合测试方案能够直观简便地反映电路的故障。     

基于集合经验模式分解和K-奇异值分解字典学习的滚动轴承故障诊断

针对经典K-奇异值分解算法构造的字典中原子形态受噪声、谐波干扰影响,进而降低冲击故障特征提取精度的问题,提出了基于集合经验模式分解和K-奇异值分解字典学习的冲击特征提取方法。该方法首先利用集合经验模式分解与Hurst指数对振动信号进行预处理,剔除谐波干扰;其次,利用经典K-奇异值分解算法和预处理信号构造超完备字典;然后,利用K-均值聚类算法对字典中的原子进行筛选;最后,利用正交匹配追踪算法实现冲击故障特征的稀疏表示。实验分析和工程应用验证了所提方法的有效性和实用性。     

无人机发动机点火停车电路故障在线检测研究

为了解决某型无人机发动机的飞行故障隐患,通过对发动机点火停车电路所存在故障的模型研究,运用Pspice仿真软件对电路故障进行仿真,采用基于故障字典的故障诊断技术,建立了诊断故障字典．利用单片机设计了一套在线故障检测系统,提出了“状态传递”的测试策略进行测点优化,简化了系统设计,提高了故障诊断效率,实现了无人机发动机点火和停车电路故障的在线检测,确保了无人机的飞行安全和飞行任务的完成．     

Analog system-level fault diagnosis based on a symbolic method inthe frequency domain

Concurrently, a symbolic approach for analog system-level fault. Diagnosis and a systematic approach to maximize the fault location capability are proposed. This unified approach is realized as a result of combining the simulation before test (SBT) fault dictionary diagnosis method with a symbolic approach. The traditional SBT fault dictionary method is often costly aid inefficient because of a high number of simulations, but it can become very efficient when a symbolic approach is employed. This symbolic approach only requires one analysis for circuit topology to generate the network transfer function and a parameter substitution to obtain the frequency response (or time response) of the system. An efficient program is developed to deal with the frequency responses of the system to provide the optimum testing point set, and to automatically generate the fault dictionary. The “distance” between the measurement data and the frequency responses from the fault dictionary is evaluated to determine the diagnosis results. A practical example is presented in order to illustrate the main features of this proposed analog system fault diagnosis approach     

基于改进判别字典学习的故障诊断方法

近年来,基于稀疏表示的分类技术在模式识别中取得一定的成功。该框架中,字典的学习和分类器的训练通常是两个独立的模块,降低了方法的识别精度。针对以上问题,提出了一种特征提取和模式识别相融合的改进判别字典学习模型,将重构误差项、稀疏编码判别项及分类误差项进行了整合,并用K奇异值分解算法对目标函数进行优化,实现了字典和分类器的同步学习。该方法先对原始信号进行经验模态分解,并从分解的本征模态函数中提取时、频特征,形成故障样本;然后将训练样本输入改进模型用K奇异值分解优化;最后用习得字典及分类器权重对测试样本进行识别。实验结果表明：该算法不但适用于小样本故障问题,而且鲁棒性和分类性能都明显高于其它算法。         

裂纹碰摩耦合故障转子系统诊断分析

采用有限元方法分析了裂纹碰摩耦合故障转子系统的响应,研究裂纹碰摩耦合故障转子系统在动态特性方面和单一裂纹故障、单一碰摩故障的区别及耦合故障的诊断方法.由于当碰摩比较严重时,响应信号中碰摩特征比较明显,容易掩盖裂纹特征,使基于信号分析的诊断方法只能诊断出碰摩,难以诊断出裂纹故障,因此本文利用裂纹引起的等效弯矩现象,通过基于模型的诊断方法,区别碰摩裂纹耦合故障和碰摩故障,该方法不仅能诊断裂纹的有无,还能诊断裂纹的位置.最后通过试验验证了仿真结果.     

转子故障的仿真诊断

本文提出了仿真诊断概念。提出了一些利用计算机仿真实际转子─轴承系统进行故障诊断的方法。指出仿真诊断是对现有诊断技术的重要补充，这种诊断既可定性又可定量。并以一实验台为例验证了诸法的正确性。     

Soft fault detection and isolation in analog circuits: some resultsand a comparison between a fuzzy approach and radial basis functionnetworks

This paper provides a comparison between two techniques for soft fault diagnosis in analog electronic circuits. Both techniques are based on the simulation before test approach: a "fault dictionary" is a priori generated by collecting, signatures of different fault conditions. Classifiers, trained by the examples contained in the fault dictionary, are then configured to classify the measured circuit responses. The suggested classifiers have similar structures. The first is based on a fuzzy system, obtained by processing fault dictionary data for automatic generation of IF-THEN rules, and the second classifier is based on a radial basis function neural network. The two classifiers are used to detect and isolate faults both at the subsystem and component levels. The experimental results point out that both classifiers provide low classification errors in the presence of noise and nonfaulty components tolerance effects. The fuzzy approach provides better results due to an efficient generation method for the IF-THEN rules that allows adding IF parts in the input space regions where ambiguity occurs