面向多工况设备故障诊断的改进灰色关联分析法

针对传统灰色关联分析法不能直接应用于多工况设备故障诊断、不能进行关联度趋势分析、典型故障标准数据序列难以建立等缺点，提出了一种改进灰色关联分析方法。该方法根据设备控制参数区分不同工况，在不同工况下分别进行灰色关联分析；通过改进关联系数计算方法，使不同待检序列的灰色关联度具有可比较性，并据此提出了关联度趋势分析法；结合关联度趋势分析，使用关联度阈值对设备异常工作状态进行诊断，解决了典型故障标准数据序列难以建立的问题。以航天发射场常规推进剂加注泵气缚故障诊断为例，说明了该方法的具体应用步骤，结果表明了该方法的可行性和有效性。和传统方法比，该方法适用于多工况设备，能够进行关联度趋势分析，具有广泛的应用范围和较大的应用价值。     

基于灰色关联度的框架式断路器故障诊断方法

针对断路器故障诊断技术中智能识别算法过于复杂的问题,提出了一种基于灰色关联度的框架式断路器故障诊断方法,该方法利用灰色综合关联度描述故障特征序列曲线之间的几何相似度来判断故障的归属,充分利用故障特征本身的变化趋势。其首先提取触头振动信号局部均值分解能量矩或分合闸线圈电流信号集合经验模态分解能量矩,经归一化后形成能量矩序列,将该能量矩序列与不同故障状态下的参考序列进行灰色综合关联分析,根据最大关联度原则确定故障类型,其中灰色综合关联度各指标的权值系数利用熵值赋权法得到。对断路器触头分合闸机械结构故障和操作附件分合闸线圈回路故障进行了诊断测试,结果表明,该方法能够准确有效地完成对断路器不同故障的诊断。     

以模糊聚类标准谱与灰色关联序诊断变压器内部故障的方法研究

通过对变压器故障和以DGA为特征量的症状之间难以量化的模糊和灰色特征的分析，采用模糊聚类分析方法获取。个聚类中心，根据聚类中心的物理和数学意义，这c个聚类中心组成变压器故障诊断的标准谱，利用灰色关联分析原理，求出待诊模式与各标准模式的关联序，实现故障诊断，进而提出了灰色关联分析和模糊聚类相结合的变压器故障诊断新方法。并经实例证明，其诊断准确率高于其它方法。     

基于灰关联分析的变压器故障诊断方法研究

以灰色系统理论的关联分析方法为基础,将该方法应用于变压器故障诊断模式识别。在基于灰关联分析的原理下,从故障数据中选取一组参考序列,运用该方法对实际数据进行分析并将其与其他方法做比较。实际诊断效果表明,该方法是行之有效的,值得深入研究和拓展。     

基于灰色理论的液压设备故障诊断

液压设备的故障具有特殊性,符合灰色系统的特征。运用灰色理论中的灰色关联分析方法进行液压系统的故障诊断是一种有益的尝试,在数据少的情况下,灰色关联分析方法是液压系统状态识别与故障诊断的一个有效工具。     

大型旋转机械振动故障诊断新方法

介绍大型旋转机械振动故障诊断的新方法——灰色关联诊断方法及基于人工神经网络的故障诊断方法。并以实测的故障数据为例,证明了其应用的可行性。     

基于贝叶斯网络和灰关联法的多态液压系统故障诊断

提出基于贝叶斯网络和灰关联法并综合考虑根节点后验概率和故障诊断处理成本的故障诊断方法。考虑根节点故障状态的多态属性,利用贝叶斯网络推理求得根节点后验概率,利用模糊子集描述故障诊断处理成本,通过灰关联法建立故障诊断决策矩阵,计算故障诊断决策方案的灰关联度,进而确定故障决策方案的搜索序列以得出系统故障原因。通过液压系统实例,分别求解出半故障状态和故障状态下的故障诊断序列,同时也验证该方法的可信度和可行性。     

基于DDAE-GRA的滚动轴承早期故障诊断

提出一种将深度降噪自编码(DDAE)和灰色关联度分析(GRA)相结合的滚动轴承早期故障诊断方法。使用DDAE提取轴承振动信号的特征,以正常样本特征作为灰色关联分析的参考序列,计算滚动轴承全寿命周期数据样本特征与正常样本特征的关联程度作为轴承性能退化的指标,绘制性能退化曲线并使用3σ阈值判定轴承早期失效时间。对辛辛那提大学轴承数据集外圈故障轴承的分析结果表明：DDAE-GRA模型识别的轴承故障发生在第533个样本,该样本包络谱中出现了明显的外圈故障特征频率及其倍频;DDAE-GRA模型比小波包分解-GRA,DDAE-FCM,DDAE-SVDD具备更好的鲁棒性,更适用于滚动轴承早期故障监测。     

基于灰色关联度分析的数控机床主轴系统故障诊断方法

数控机床的主轴系统可以看作一个灰色系统,将灰色系统理论中的灰关联分析应用于主轴系统的故障识别,并阐述了在故障诊断中应用灰关联分析的原理,分析了主轴系统几种典型的故障状态,并通过实验验证了待检验的主轴运行状态与通过灰关联分析判断的结果的一致性,结果表明分析结果是正确的.     

一种旋转机械系统耦合故障诊断的新方法

旋转机械系统中,与转子振动响应相关的裂纹非线性开/合行为以及动-静件瞬态碰摩接触或齿轮啮合冲击、机座松动等缺陷或故障均会激起非线性振动,且不同的故障激励源相互作用,导致复杂的故障耦合形态,增加了故障诊断的难度。为此提出一种基于本征模函数能量矩-灰色关联分析的旋转机械系统耦合故障诊断方法。应用能量矩测度,从振动响应信号的经验模态分解本征模函数中分别抽取特征,然后进一步利用灰色关联分析对耦合故障的关联特性进行定量评价,从而实现复杂耦合故障模式的识别。仿真与实验研究结果验证了方法的有效性。而且,利用本方法可以对故障的严重程度进行排序,可以有力地支持合理的维修决策的制定。     

模糊-灰色关联-神经网络故障诊断方法研究

提出模糊-灰色关联-神经网络这一故障识别方法，通过将模糊理论和灰色关联度相结合，形成所提取故障特征值的模糊关联度，将模糊关联度作为神经网络的输入量进行变速箱故障种类的识别。实现了针对在不同工作状态下的故障识别，为实现故障智能化诊断提出了一和综合性神经网络故障诊断方法。     

机械故障的可拓诊断方法研究

提出了一种结合灰色关联分析的可拓故障诊断方法。该方法利用可拓学原理建立故障诊断基元模型,对监测数据进行形式化描述,并根据指标数据序列生成原理对数据规格化处理,弥补了可拓故障诊断就小样本,贫信息等问题无法解决的不足。通过增大诊断信息空间,获得了更精确的关联度分析。为提高故障诊断准确率,对关联度计算公式加以适当修正。将该方法应用于滚动轴承故障诊断中,验证了有效性。     

基于形态学多重分形的风电机组轴承故障诊断

针对风电机组滚动轴承振动信号通常具有非线性和低信噪比的特点,提出一种基于形态学多重分形（morphological multi?fractal, 简称MMF）和改进的灰色关联分析（improved grey relational analysis, 简称IGRA）的滚动轴承故障诊断方法。首先,通过信号质量指数研究了轴承振动信号的多重分形特性;其次,利用形态学方法计算轴承各种状态广义维数与多重分形谱的参数,并分析了各个参数对轴承运行状态的反映能力,选取能够有效区分轴承状态的参数作为故障特征量;然后,引入离差最大化加权对经典的灰色关联模型进行改进,提升了信息的利用率以及模型的可靠性;最后,利用改进的灰色关联分析实现了滚动轴承的故障诊断。通过仿真分析和应用实例对该方法的有效性进行验证,结果表明该方法能准确识别轴承故障类型,较传统方法准确率更高,运算时间更短,适合解决实际工程问题。     

基于灰关联信息熵的SVM决策树轴承故障分类

为提高轴承故障诊断的准确率,以灰色关联理论和信息熵理论为基础,提出了基于灰关联信息熵提取属性特征的支持向量机决策树多故障分类器.该分类器可以实现对轴承的多故障类型的分类,并对轴承的各类故障进行了分类实验.验证结果表明,该方法可有效地进行故障状态识别,达到了准确进行机械系统多故障诊断的目的.     

基于包络分析的灰色磁联度诊断法

利用高斯小波进行解包络分析,提取包络分析的时域特征参数,对特征参数进行模糊处理和隶属度计算,在此基础上设计出故障特征向量,进行灰色关联度分析,从而把包络解调分析、模糊数学和灰色关联分析有机结合在一起,综合它们的优势,进行故障分类和识别,为机械设备的故障诊断提供一条新的思路。     

基于LMD和灰色相似关联度的轴承故障诊断方法

针对轴承故障振动信号的非线性、非平稳特点及振动信号的强噪声背景,提出一种基于局部均值分解(Local Mean Decomposition,LMD)和灰色相似关联度的轴承故障诊断方法。首先对信号进行局部均值分解,得到若干个PF(Product function,简称PF)分量,再选取包含主要故障信息的PF分量进一步分析,并提取特征向量,然后通过计算标准故障模式与待识别样本的灰色相似关联度对轴承故障类型进行判断。利用该方法对试验轴承故障振动信号进行了分析,结果表明,基于LMD和灰色相似关联度方法能够有效地识别轴承运行状态,实现对轴承的故障诊断。     

基于灰色关联聚类的声像故障诊断技术

声像故障诊断方法基于声像的物理含义,结合图像处理、特征提取和模式识别等学科研究成果,把声学故障诊断问题转化为图像的模式识别问题,但该方法存在特征冗余,限制了模式识别率的进一步提高。针对上述问题,提出了基于灰色关联聚类的声像故障诊断技术,首先利用近场声全息技术构建机械状态的辐射声场,提取有效反映机械状态的声像Gabor小波特征,然后运用灰色关联聚类技术融合特征序列中关系紧密的因素,进而构建低维有效声场特征模型实现状态诊断识别。仿真和实验结果表明该技术能够降低特征冗余、缩减特征维数,同时,改善声像诊断效率和鲁棒性,进一步改进了声像故障诊断技术,拓展了灰色关联聚类技术的工程应用。     

基于灰色关联的微小型活齿传动模糊故障树分析

针对机械工程设备对传动系统的可靠性要求不断提高的现状,将灰色系统理论中的灰色关联度分析方法引入到微小型正弦活齿传动系统模糊故障树分析中．根据故障底事件结构重要度,以典型模式为母序列,以底事件结构重要度为子序列,以关联度评价结果分析灰色关联模型,对故障树中各种故障模式发生的可能性大小作出了准确判断．将此方法用在微小型正弦活齿传动系统模糊故障树分析中,证明了方法的正确性．     

设备故障智能诊断方法的研究

模糊聚类、粗糙集理论、灰色系统理论等相关技术曾被广泛应用于设备故障诊断中,但是模糊聚类只能对已知样本做出决策,不具有柔性,不能通过已知信息和聚类结果对问题所涉及领域内的新样本的类别做出决策;粗糙集理论不能处理连续变量;而灰色系统理论无法去除故障诊断中冗余的特征参数,不能区分各特征参数的重要性,因而制约了它们在故障诊断中的应用.在本文中,这几种理论被有机地结合起来,应用于设备故障诊断中.在故障诊断过程中,首先利用模糊c均值聚类对样本的参数进行离散化处理,求得各类别的聚类中心,接着基于粗糙集原理对设备特征参数进行约简,去除冗余参数,定量确定各特征参数的重要程度,然后根据约简的特征参数和各参数的重要程度,利用灰色关联分析的方法确定各种标准故障状态与目前设备状态的关联度,从而找到设备的故障所在之处.在本文最后部分通过实例证明,将模糊c均值聚类、粗糙集理论和灰色系统理论结合起来,应用于设备的故障诊断中是一种行之有效的方法,为智能故障诊断提供了理论基础.     

基于补偿距离评估技术与灰色关联分析的滚动轴承故障程度识别

针对滚动轴承故障程度识别问题,提出基于补偿距离评估技术与灰色关联分析的滚动轴承故障程度识别方法。利用补偿距离评估技术对全特征集进行特征选择,优选出对故障程度大小更为敏感的特征,然后根据特征的敏感程度对其进行加权。利用敏感特征子集建立标准退化模式矩阵,应用灰色关联分析,根据关联度的大小进行故障程度大小识别。结果表明,该方法能有效识别滚动轴承滚动体的不同故障程度,同时降低了计算的复杂度。