S变换相对谱熵及其在液压泵退化状态识别中的应用

为更好地表征液压泵的退化状态，对液压泵退化特征提取方法和退化状态识别方法进行研究。基于S变换分析非平稳信号的优异能力以及相对熵较好表征振动信号概率分布差异的特性，提出S变换相对谱熵的液压泵退化特征提取方法，对液压泵仿真信号分析结果验证了所提出的S变换相对能谱熵和S变换相对奇异谱熵作为退化特征的有效性和可行性。将两个特征指标组成退化特征向量，对滑靴磨损和松靴故障模式下不同故障程度的液压泵振动信号进行分析，进一步验证所提出的特征指标作为液压泵退化特征的有效性。将加权灰关联法用于液压泵退化状态识别，建立了液压泵的标准退化模式矩阵，对两种故障模式下液压泵待检测样本的退化特征向量和标准模式矩阵做加权灰关联分析，根据灰关联度的大小判定液压泵的退化状态，结果验证了所提出方法的良好性能。     

基于双谱熵模型的故障模式识别

提出利用双谱计算信号的双谱熵,并作为特征参量进行故障模式识别的方法。分析了振动信号双谱的特征,在子空间分布概率下,推导了基于能量分布的双谱熵计算方法。在理论推导分析的基础上,进行了某齿轮箱在4种工况下的振动信号提取实验,建立了齿轮箱故障模式识别BP神经网络。最后将双谱熵特征参量作为输入,对设置了4种故障工况的齿轮箱进行了故障模式识别,成功地判别了4种工况,验证了方法的有效性。     

混流式喷水推进泵叶轮刮擦故障诊断方法

针对喷水推进泵的叶顶间隙过大或者过小都会影响喷水推进船航速的问题,提出一种利用泵壳体振动和输入轴力矩参量对叶轮刮擦故障进行识别的方法。在介绍混流式喷水推进泵叶轮径向摩擦振动机理的基础上,对装有2台喷泵的某高速巡逻艇的实船试航,通过获取的靠近叶轮的壳体振动信号以及输入轴力矩信号分析,得到了具体的故障特征指标。该分析结果为使用人员及时对这类异常状态做出快速、准确的判断,及时调整叶轮安装的状态以防止更大事故的发生提供了参考。     

装甲车辆齿轮箱故障诊断中的信息增强技术

利用时域平均技术完成对周期信号的提取，通过对信号的内插处理、解调分析、重新抽样和时域平均，完成对轴频信号和啮频信号的提取；通过对故障信号特点的研究，提出了故障信息增强方法，给出了故障敏感因子。通过对装甲车辆齿轮传动箱振动加速度信号测试结果分析，得到了良好的效果。与未采用故障信息增强方法相比，不仅提高了信号的信噪比，而且提高了故障信息。     

基于混沌理论的自动机故障诊断研究

针对某型号自动机的结构特点、运动过程和几种常见的故障模式进行分析。结合自动机的运动过程分析及其振动信号的非线性短时冲击特性,提出用混沌理论对自动机的故障进行诊断研究。提取了所测信号的李雅普诺夫指数,验证其为混沌系统,运用关联维数和Kolmogorov熵几个混沌参量提取出实测信号的特征。最后应用Elman神经网络进行了故障模式的识别,实现了基于试验测试的自动机故障诊断。为自动武器的故障诊断提供了一种新思路,对高速自动机的故障诊断有着重要的理论和现实意义。     

汽轮发电机组非线性振动故障快速诊断

针对某汽轮发电机组产生的异常振动,以全息谱技术为基础,对异常振动信号进行了精密振动分析。通过全息特征图谱快速确诊了此次异常故障的原因和部位,并及时建议工厂采取处理措施,避免了再次发生类似事故的可能,减小了因故障造成的设备损失。介绍了机组振动情况、分析过程、产生的原因及消除振动的措施。     

基于神经网络的自行火炮变速箱轴承故障模式识别

在分析振动信号的基础上，提取了反映自行火炮变速箱轴承故障的时域特征量和包络谱特征量．构造了结构合适的BP神经网络，实现了自行火炮变速箱轴承故障模式的计算机自动识别，有效地检测了自行火炮变速箱轴承的早期故障．     

基于高阶累量谱的轴承故障诊断

在轴承故障诊断中，故障信号的提取是一个关键问题。实际测得的轴承振动信号一般是非平稳和非高斯分布的信号，信噪比很低，微弱的故障信息往往完全淹没在噪声中，信号特征的提取非常困难。信号的高阶累积量对加性高斯噪声和对称非高斯噪声不敏感，应用在轴承的故障诊断中，可以有效地分离信号与噪声，提高信噪比，增强故障信息。对轴承在不同状态下的振动信号进行对比分析，提取了不同状态下轴承振动信号的功率谱与高阶累量谱（双谱），建立了用于故障诊断的双谱特征向量，并利用BP神经网络进行了故障诊断。分析结果表明，从高阶累积量提取的特征与功率谱相比，对故障特征比较敏感，容易实现智能诊断中的数字特征提取，可有效地区分轴承的故障。     

滚动轴承的故障特征提取

滚动轴承故障特征提取采用在C Builder中嵌入Matlab对载波信号消噪后,将振动信号用小波包进行3层分解,提取各节点重构信号的方差,作为故障特征参量,归一化后输入神经网络进行故障诊断.其交互步骤是用C implib命令将外部def文件生成含有Matlab函数的lib文件,并将其加到新建工程中,编写目标函数.Matlab完成数值分析处理、绘制数据图形.     

基于KPCA-HSMM设备退化状态识别方法的研究

为消除多通道观测信息冗余，压缩高维故障特征，提出了基于核主元分析( KPCA)多通道特征信息融合的隐半马尔可夫模型( HSMM)设备退化状态识别的新方法。首先，对采集的单通道振动信号进行小波相关滤波处理，构造单通道振动信号的小波相关特征尺度熵向量；然后，利用KPCA方法对多通道的小波相关特征尺度熵向量进行冗余消除和特征融合，得到多通道的融合小波相关特征尺度熵向量；并以此融合特征向量作为HSMM的输入进行训练，建立基于HSMM的设备运行状态分类器，从而卖现设备退化状态的识别。实验结果表明，该方法能有效的识别设备的退化状态，从而为多通道特征信息融合设备退化状态识别开辟新的途径。     

基于支持向量数据描述的火炮自动机故障状态监测技术研究

针对火炮自动机故障状态监测问题,提出了一种基于支持向量数据描述的故障状态监测模型。利用搭建的自动机振动测试平台获取自动机振动信号,采用变模态分解方法将振动信号分解为多个本征模态分量,计算各个分量的样本熵值作为故障特征,并以正常状态下的自动机故障特征为训练样本进行SVDD模型的训练,训练过程中根据模型特点找到合适的模型参数,完成自动机状态监测模型的构建。在自动机测试平台上设置多种预制零件故障进行模型的验证,结果表明所建立的状态监测模型对异常状态的发生有很强的敏感性,具有较高的检测准确率;同时设计了关重件模拟性能退化试验,试验结果验证了所提出的模型具有良好的早期故障检测能力,可较为准确地反映自动机故障性能退化过程,可为火炮自动机故障状态监测提供一定的借鉴和指导。     

基于Elman神经网络的电机故障诊断

通过Elman神经网络训练采集到的电机特征频率振动信号,建立电机故障的模型.并以转子故障为对象,在电机实验台上分别采集水平和垂直方向上的振动信号,通过放大、滤波和A/D转换后,进行频谱分析.为验证网络对故障判断的效果,对故障电机采集振动信号后,代入网络检验.验证表明该网络模型可有效识别电机常见故障.     

某型装甲车辆换挡控制系统建模分析

针对某型装甲车辆换挡技术不够成熟和故障率高等问题,建立一种液压控制系统模型对换挡控制系统进 行分析研究。根据装甲车换挡控制系统工作原理,在AMESim 软件中建立其控制系统仿真模型,并结合实验数据进 行校核,对油泵效率降低和调压阀阀芯卡滞2 种换挡控制系统典型故障进行分析研究,通过故障分析结果与正常仿 真值的对比,得出换挡控制系统在不同故障参数下对仿真结果的影响。研究结果表明：该换挡控制系统模型能够模 拟实际状态下的各种故障,通过分析研究能够快速判断故障原因,并提供解决方法,为换挡控制系统故障检测和性 能分析提供一定的参考。     

自动机机箱振动分析与诊断研究

自动机射击动作时因激振力的作用会产生一定方向和频率的冲击振动,构件的裂纹或松动等故障会影响到其响应成分的频率能量特性;针对自动机实射动作冲击响应振动信号,利用小波分析快速进行信噪分离,频域范围内采用功率谱分析结合小波包分解对各频段能量谱分析。根据振动信号时域峰值和时刻,频域能量的变化和分布,给出故障诊断层使用的状态特征向量,并用比例梯度动量共轭算法训练的神经网络模型进行自动机状态定位与故障识别。     

某火炮协调器摆弹装置的故障仿真研究

针对某火炮协调器在摆弹过程中遇到的故障问题,采用虚拟样机技术进行研究.利用ADAMS和AMESim软件建立协调器虚拟样机模型和液压系统模型,通过联合仿真,结合实验数据进行校核,并通过设置摩擦、电机电压、液压缸内泄露等故障进行仿真.对比故障仿真结果与正常仿真值,得出不同故障参数对仿真结果的影响.结果表明:该方法可更真实、准确、有效地研究协调器的动态特性,可为故障诊断与维修提供参考依据.     

故障树分析技术在某型发射装置弹射机构中的应用

为找出发射装置弹射机构的薄弱环节,以发射装置弹射机构无法弹射为顶事件建立故障树,采用故障树分析法,找出导致顶事件发生的各种原因和原因组合,在统计分析电子元器件、结构件和液压元件故障发生概率的基础上开展了故障树定量分析。在各底事件中电子元器件的重要度较高,结构件和液压元件的重要度较低,在研制中对电子元器件应重点关注。     

两栖车液压系统及其故障诊断搜索策略研究

为提高两栖车的水陆行走性能,设计出采用闭式回路的液压驱动系统并针对其结构组成、信息传递复杂、故障多发等特点,以“泵发动机憋停”故障诊断为例,利用故障树分析并综合考虑故障诊断中的搜索成本、故障概率等因素求解出两栖车液压系统故障搜索序列。克服了单纯采用故障树分析法在故障搜索时效率低的问题,提高了液压系统故障诊断的快速性和准确性,实现了故障诊断的优化,保障了两栖车液压系统的可靠性。