轴承故障的全视角特征提取与模式诊断方法

为了提高轴承故障诊断的准确率,提出了一种轴承故障的全视角特征提取方法和专家森林算法的模式诊断方法。在故障特征提取方面,首先从时域、频域、时频域选择参数,以此来作为初始故障特征库,而后使用KPCA提取了基础故障库的全局结构特征,使用t-SNE算法提取了基础故障库的局部结构特征,从而保留了对故障模式相对敏感的全视角特征参数;在故障模式识别方面,为决策树赋予了专家属性和专家权值,得到了专家树的概念,基于专家树思想提出了专家森林算法,解决了随机森林算法无差别对待决策树的问题;最后采用实验的方式,对轴承故障全视角特征提取方法和基于专家森林算法的模式诊断方法进行了验证。研究结果表明：由KPCA+t-SNE结合提取的全视角故障特征优于单独提取的全局结构特征与局部结构特征;随机森林算法的诊断准确率均值为96.14%,专家森林算法的故障诊断准确率均值为99.48%,比随机森林算法提高了3.47%,验证了所提故障诊断方法的优越性。     

基于Sammon映射和随机森林算法的模拟电路故障诊断

针对非线性模拟电路故障诊断中参数型故障元件定位的难题,提出基于Sammon映射和随机森林的模拟电路故障诊断方法。首先对采集到的电压信号进行小波包分解并提取不同子频带的能量谱,然后利用Sammon映射对子频带能量谱进行优化,最后将得到的故障特征输入随机森林进行故障诊断。仿真结果表明:该方法故障诊断率高,能够有效识别模拟电路的故障元件。     

基于改进决策树算法的设备故障智能诊断模型

提出一种改进决策树智能故障诊断方法.首先构建故障诊断原始决策表,然后对特征数据进行离散化处理;接着利用可辨识矩阵约简算法对决策表进行属性约简;最后利用 G45 算法构造出最优诊断决策树;并对实例进行故障诊断.结果表明:该方法能有效地删除冗余信息,形成精简的决策规则库,提高故障识别速度,具有很强的工程实用性.     

基于小波包分解与DAG SVM的柱塞泵故障诊断

针对柱塞泵检测诊断中故障特征模糊、成因复杂、难以准确定位的问题,结合决策树与支持向量机提出一种基于小波包分解与DAG SVM的柱塞泵故障诊断方法。该方法预先对所用C SVM和RBF核函数的参数进行优化,而后采用db5小波包对泵体振动信号进行三层分解以提取特征向量,将特征向量输入支持向量机完成其训练及模式识别过程。同时设计了柱塞泵故障诊断的一体化装置,通过模拟不同故障,利用已知故障样本完成支持向量机的训练过程,进而对待测样本进行故障模式识别。诊断结果与样本已知状态相符,验证了该方法的准确性。     

类间数据不均衡条件下基于平衡随机森林的轴向柱塞泵故障诊断方法

针对轴向柱塞泵实际故障诊断中采集到的故障类数据远少于正常类数据的情况,为提升故障分类精确率,提出了一种基于平衡随机森林(Balanced Random Forest,BRF)的轴向柱塞泵故障诊断方法.BRF算法是随机森林(Random Forest,RF)的改进算法,将欠采样方法与RF结合,强化了RF处理非均衡数据的能...     

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.     

一种航空发动机中介轴承故障诊断方法

针对航空发动机中介轴承振动信号故障微弱,故障特征难提取的问题,提出了基于固有时间尺度分解(ITD)和近似熵(AE)结合随机森林(RF)的航空发动机中介轴承故障诊断方法。首先,利用航空发动机中介轴承试验台模拟并采集轴承在正常、外圈故障、滚动体故障三种状态下的振动信号;然后通过ITD方法将非平稳、非线性的中介轴承振动信号分解成一组固有旋转分量(PR),计算其近似熵;最后,将不同尺度的近似熵值作为特征向量,输入到随机森林分类器模型中进行分类识别与故障诊断。研究表明,该方法能有效提取出机匣表面振动信号中微弱的中介轴承振动故障信号特征,故障诊断准确率高,具有工程实用性。     

基于模糊线性规划的模拟电路软故障诊断

研究阐述了一种新的容差条件下基于模糊线性规划理论的模拟电路软故障诊断方法.通过灵敏度分析建立电路测试节点电压增量方程,确立各个元件的模糊隶属函数,从而建立起模拟电路故障诊断的模糊线性规划方程组.通过求解方程组来确定电路中各元件在一定故障情况下的最小变化量.在容差条件下,将方程组的解与各元件容差范围相比较来定位故障元件.从而,兼顾故障元件定位和故障元件参数偏移量确定.实验结果表明,该方法可以有效地实现模拟电路元件参数在一定容差范围内随机变化条件下的软故障诊断.     

基于EEMD与随机森林的的供输弹系统早期故障识别

对于供输弹系统早期采集的信号中成分复杂,故障特征难以识别及提取,提出了基于EEMD和随机森林相结合的的故障识别方法.首先对经过预处理的信号进行EEMD分解,对分解后的各个本征模态分量(IMF)求相关系数,选出与原信号较大的5个.结合信息熵和均方根构建每个IMF的混合特征向量,然后运用RF实现了故障的诊断识别,总体识别率达到94.57％,并与决策树的诊断结果进行了对比,证明了该方法的有效性.     

基于小波包能量-决策树的滚动轴承混合故障诊断

常规的信号处理方法通常无法对滚动轴承的混合故障进行有效诊断,因此将小波包能量与决策树算法相结合,用于滚动轴承混合故障诊断。首先,用小波包能量方法对故障信号进行特征提取;然后,提取向量作为训练样本训练决策树故障模型;最后,将测试样本输入到训练好的决策树故障模型,实现故障分类。滚动轴承混合故障试验表明:该方法具有原理简单、准确率高的优点。     

Random forests classifier for machine fault diagnosis

This paper investigates the possibilities of applying the random forests algorithm (RF) in machine fault diagnosis, and proposes a hybrid method combined with genetic algorithm to improve the classification accuracy. The proposed method is based on RF, a novel ensemble classifier which builds a number of decision trees to improve the single tree classifier. Although there are several existing techniques for faults diagnosis, the application research on RF is meaningful and necessary because of its fast execution speed, the characteristics of tree classifier, and high performance in machine faults diagnosis. The proposed method is demonstrated by a case study on induction motor fault diagnosis. Experimental results indicate the validity and reliability of RF-based diagnosis method.     

离心压缩机组的模糊诊断决策树

离心压缩机组是大型化工厂的关键设备,其正常运转与故障的迅速诊断对企业生产具有重大意义。文章主要研究利用模糊诊断决策树对离心压缩机组的故障现象进行迅速诊断。文中建立离心压缩机组模糊诊断决策树,针对决策空间中无序分布决策类提出了新的推理策略,并重新定义了多类别问题的信息熵计算公式。工程实践检验结果证明了该算法的有效性。     

基于改进D-S组合规则的故障模式分类

提出了一种改进的D-S证据组合规则,引入了基于证据之间距离测度的证据一致性指标动态描述证据的可信度.结合证据有效性和证据重要性,得到了一个综合的动态可信度和静态可信度的系数.基于该系数,提出了一种改进的D-S组合规则,该规则能够有效处理冲突较大的证据融合问题.最后用一个故障诊断的例子说明了该规则的有效性,并与其他方法作了比较.     

基于随机集理论的并发故障诊断信息融合方法

为了诊断并发故障,提出一种基于随机集理论的信息融合方法.首先构造包含并发故障的论域,并在此论域的超幂集上定义扩展型随机集.基于该随机集和广义集值映射给出证据组合规则的随机集模型,用其构造可以同时适用于单发和并发故障诊断的新型组合规则.此外,根据传感器提供的故障信息构造故障样板模式与待检模式的模糊隶属度函数,利用模糊集的随机集表示以及随机集似然测度,获得两种模式匹配的程度作为待融合的诊断证据.最后通过在电机柔性转子平台上的试验,证明了所提方法可有效地减少单一传感器信息诊断的不确定性,显著提高转子系统故障诊断的精度.     

基于贝叶斯方法的智能诊断系统中的故障树排序

主要解决了在以故障树为基础的数控机床智能诊断系统中,面对多棵故障树如何确定各故障树的诊断顺序的问题。在故障树诊断方法中融合贝叶斯算法定位已发生故障所在的故障树,利用已有的机床异常状态信号来计算各故障树被触发的后验概率,概率高的故障树优先被诊断,其后对优先级高的故障树采用最小割集的方法进行诊断。这种方法提高了诊断速度,同时避免了贝叶斯网络进行故障诊断时故障诊断系统可靠性低这一弊端。     

基于FTA的焊接机器人故障诊断技术研究

焊接机器人作为一种大型复杂系统,主要从事焊接、切割与喷涂作业,因其控制对象复杂、处理任务繁多,所以出故障机率较大、诊断难度较高。为了解决焊接机器人故障诊断的盲目性问题,提高诊断效率及运行可靠性,在结合分析焊接机器人故障模式及故障树分析法特点的基础上,将故障树分析法应用于焊接机器人故障诊断中。根据维修经验找出系统可能发生的各种故障原因,由总体至部分,按树枝状结构,采用自上而下逐层细化的分析方法,探讨了新型焊接机器人机械及电气控制系统的故障树模型。并以焊接机焊枪姿态和悬浮高度设置系统故障为例,研究了系统故障树模型的建立,并对此进行定性和定量分析,找出系统的薄弱环节,及时确定故障源。计算结果表明,该方法直观简单,可操作性强,具有很好的实际应用价值。     

基于粗糙集理论的柴油机异响故障诊断研究

针对工程装备柴油机工况复杂、故障诊断特性参数多、故障诊断模糊性强的特点,提出应用阶比分析方法消除与振动信号无关的噪声干扰,然后利用粗糙集理论对故障诊断决策表进行约简,获得最优决策系统,形成了柴油机故障诊断规则,有效提高了柴油机故障诊断的精度和效率。     

一种基于支持向量机的齿轮箱故障诊断方法

提出了一种基于多分类支持向量机(简称MSVM)的齿轮箱故障诊断方法。先根据齿轮箱故障机理和振动特点,探讨了齿轮箱故障诊断试验方案。再测取齿轮箱振动信号,并提取了能反映齿轮箱运转信息的时频域特征参数。通过结合投票法和决策树的基本思想,有针对性地构造了多分类支持向量机决策结构并将其应用于齿轮箱故障诊断。实际齿轮箱故障诊断试验结果表明,该决策结构较好地解决了小样本学习问题,避免了人工神经网络进行诊断时出现的过学习、收敛速度慢、泛化能力弱等缺点,能有效应用于齿轮箱故障诊断。     

基于粗糙集与支持向量机的电动机转子断条故障诊断

提出了一种基于粗糙集与支持向量机的电动机转子断条故障诊断方法。首先将电动机在不同故障状态下的振动信号离散化,再应用粗糙集软件rosetta对数据进行进一步的约简,得到约简后的数据应用于支持向量机的训练从而得到基于支持向量机的多分类器。实验证明:该方法检测电动机的转子断条故障是可行的。     

设备故障诊断最优搜索策略的求解

针对故障树分析法在故障搜索中存在的不足。应用多目标优化决策论和序贯决策论研究了设备故障诊断中的最优搜索策略的求解算法,并以柴油机故障诊断为实例,基于故障发生概率、搜索代价、启发式信息价值等为影响因子进行了故障搜索策略的优化,验证了该算法的有效性和准确性,实现了故障诊断步骤的优化。