基于FOA的变分模态分解在轴承故障诊断中的应用

变分模态分解(VMD)广泛应用于故障诊断中,从振动信号中提取故障特征是故障诊断过程中的关键部分。针对强背景噪声和脉冲干扰下滚动轴承早期故障特征难以提取的问题,提出了一种新的基于果蝇优化算法(FOA)的变分模态分解的轴承故障诊断方法。首先,利用果蝇优化算法自适应优化VMD的惩罚参数α和分解数K,获取最优参数组合;然后,对信号进行VMD分解,得到K个模态分量;最后,基于峭度最大化准则选取最优模态分量进行包络解调分析,提取出故障特征频率。通过仿真信号分析、实际故障轴承信号验证以及与基于果蝇优化算法的多分辨奇异值分解(MRSVD)方法进行对比,证明了所提方法的有效性。     

改进集成深层自编码器在轴承故障诊断中的应用

针对滚动轴承振动信号故障特征难以自动提取和故障类别难以自动准确识别的问题,提出一种改进集成深层自编码器(IEDAE)方法.首先,改进自编码器的损失函数并设计3种小波卷积自编码器;其次,利用区分自编码器、小波卷积自编码器等5种自编码器构造相应的深层自编码器,并设计“跨层”连接以缓解深层网络的梯度消失现象,实现对轴承振动信号的无监督预训练和有监督微调;最后,通过加权平均法输出识别结果,以保证诊断结果的准确性和稳定性.实验结果表明,改进集成深层自编码器方法能有效地对滚动轴承进行多种工况和多种故障程度的识别,较好地摆脱了对人工特征提取的依赖,特征提取能力和识别能力优于现有其他方法.     

广义Morse解析小波变换在机械故障诊断中的应用研究

提出了一种基于广义Morse小波变换的机械故障诊断方法。研究了广义Morse小波相比常用的Morse小波是一种完全解析特性,因此广义Morse具有其他非解析小波所不具有的优势。将该方法应用于某空分机的故障诊断中,并成功提取出重要的故障特征信息,结果证实了该方法可为机械故障诊断提供一条新途径。     

基于同步挤压提取变换的滚动轴承故障诊断研究

滚动轴承是大型机械设备的重要部件,起着非常重要的作用。当轴承发生故障时,如不及时修复或更换,将严重影响设备的寿命。时频分析方法是一种非常有效的故障特征提取工具,已得到广泛的应用;同时,时频分布的能量聚集性影响故障特征提取效果,因此,一种能量更加集中的时频分析方法对机械信号处理与故障诊断起着至关重要的作用。提出了一种全新的时频域特征提取方法——同步挤压提取变换。该方法主要包含两个步骤:首先,使用同步挤压变换将信号大部分能量聚集到多个小频带范围内,实现信号能量的初步聚集;然后,在同步挤压变换结果中引入一个频率提取算子,该算子可以提取出每个小频带内与信号时变特征最相关的信息并将其保留,从而实现信号能量的再次聚集。仿真信号的分析验证了该方法的可行性。通过对实际轴承信号的分析发现,与先前的时频分析方法相比,该方法效果更佳。     

基于改进的LMD和总变差的滚动轴承故障诊断

对工业设备中的滚动轴承进行故障诊断时,被测信号经常受到高频噪声和间歇噪声的干扰,导致信号分解和特征提取的精度较低。为解决此问题,提出一种基于总变差降噪（TVD）和改进的局部均值分解（LMD）的方法。采取总变差方法对信号进行降噪处理,选取合适的正则化参数,使得降噪后的信号在具有高信噪比的同时具有较低的均方根误差。对降噪后的信号进行局部均值分解,根据互相关系值和峭度选取最佳的PF分量,进行包络分析,实现对故障特征的提取。对实测信号进行实验验证。结果表明：所提方法可以达到有效的降噪效果,能准确提取复杂振动信号中的故障特征。     

修正的潜在结构正交投影的过程监控

近年来,质量相关的故障诊断受到学界的广泛关注。目前存在多种基于后处理的故障诊断算法,但是,进一步的研究发现,当质量无关的故障幅度增强时,这些后处理算法会逐渐失去功能,除此之外,后处理算法在实践中会产生很大的计算量。为了进一步解决上述算法的弊端,采取一种预处理、建模、后处理的结构,并提出修正的潜在结构正交投影算法。对比之前的算法,该方法对质量相关的故障更具实用性,同时减少了模型所需潜在变量的数目,与之前算法相比,计算量更低,数值示例和田纳西-伊士曼过程用来验证该方法的有效性。     

基于元素分析的滚动轴承故障诊断

针对现有信号降噪或重构方法无法完全去除噪声,且时频表示存在能量模糊问题,提出了一种利用元素分析进行滚动轴承故障诊断的方法。所提方法首先构造了元素模型来表征信号,然后对元素模型进行Morse小波变换,并从小波变换中计算得出信号冲击点,从而得到信号的故障特征频率。该方法还可以利用基于小波变换中时间或尺度平面内的少量孤点来重构信号。最后,采用一组仿真信号数据和两组实验数据来评估所提方法性能,并与其他信号重构方法和时频分析方法对比,结果表明,所提方法对滚动轴承故障信号重建和识别的效果更好。     

直齿轮轮齿双侧裂纹对其刚度影响的研究

齿轮副的时变啮合刚度(Time-varying meshing stiffness,TVMS)是机械动力学分析中一个极为重要的参数,其准确程度直接影响着动力学分析结果的准确性。首先,从理论角度推导了剪切刚度的计算公式,并在案例分析中应用,将求得结果与有限元分析结果进行对比,结果显示相差较小;然后,建立了一种新的裂纹故障模型——轮齿双侧非对称裂纹模型;在基于精确全齿廓的能量法基础上,推导了轮齿双侧裂纹模型的时变啮合刚度计算公式,分析了裂纹形状参数对时变刚度的影响;最后,通过有限元法(Finite element method,FEM)进行了分析验证。结果表明,有限元法和能量法计算的结果基本一致。     

基于张量分解的滚动轴承复合故障多通道信号降噪方法研究

针对滚动轴承多通道信号同时滤波的问题,提出一种新的基于张量分解的多维降噪技术。该方法在高维空间中将时域信号、频率和通道建模为一个三阶张量模型,首先通过Tucker3分解张量模型,然后通过L曲线准则来选取截断高阶奇异值分解(Truncated HOSVD)的截断参数,根据截断参数求解张量模型,最后根据原张量的组建方式通过逆变换得到新的目标张量。通过滚动轴承复合故障仿真分析对所提出的滚动轴承复合故障检测技术的性能进行了评价,然后应用该方法对轴承试验台采集的振动信号进行降噪分析,试验结果表明该方法在滚动轴承复合故障多维降噪以及特征提取中的有效性和可行性。基于张量分析的多维信号滤波技术将拓宽大数据时代处理异构、多维数据的视野。     

故障树模型分析法在灯体加工机械人机工程设计中的应用

故障树模型分析法是安全人机系统中一个重要分析方法,结合现有灯体热加工机械的研究和使用现状,建立灯体热加工机械的故障树模型,定量计算该类设备发生人机事故的概率,提出事故的预防措施。最后,总结故障树模型分析法在灯体热加工机械人机工程设计应用中的优点。