基于熵的Mass函数算法及在液压泵故障诊断中的应用

如何确定Mass函数是D-S证据理论的棘手问题,本文从信息论的观点出发,提出一种新的计算Mass函数的算法.该算法依据证据体可信度因素和证据体与目标关联的相对熵来分配证据体的Mass函数,较全面反映证据体的不确定性.将方法应用于液压泵诊断中,结果表明它获取的Mass函数是符合实际情况的,具有较好的实用性,而且其算法容易实现.     

匹配追踪消噪在故障诊断中的应用

为了更有效地消除齿轮泵振动信号的噪声,引入匹配追踪消噪方法。该方法采用匹配追踪算法,通过迭代提取信号的相关结构,再利用提取的相关结构来估计信号的逼近,从而达到消噪的目的。在此基础上,采用中值滤波和线性回归算法来终止迭代过程。最后利用该方法对齿轮泵壳体的振动信号进行消噪处理。结果表明,该方法保留了信号的基本特征,有效地消除了大量的噪声。     

基于改进BP网络和信息融合的故障诊断方法研究

针对多传感器检测提供的不同信息,提出了一种基于改进BP神经网络与信息融合技术相结合的故障诊断新方法.该方法采用动量方法和可变学习速率对标准的BP算法进行改进,不仅提高了网络的训练速度,并可以得到全局最优解.同时讨论了基于D-S证据理论的基本概率赋值的分配和决策融合方法,使在故障诊断过程中,决策融合网络可以接收子诊断网络的诊断结论并进行决策融合处理,提供了比任何单个子网络更多的信息.这种新方法不仅速度快、信息利用高,而且大大地提高了诊断的可靠性.     

基于神经网络的机械设备故障诊断技术

阐述了神经网络故障诊断的基本原理及其与传统故障诊断的关系,分析了神经网络技术在故障诊断中的应用现状,探讨了该领域的发展前景,指出了运用神经网络技术进行故障诊断需要解决的若干问题.     

小波分析在钢丝绳检测信号处理中的应用

钢丝绳的检测信号中具有大量的噪声信号，给断丝识别带来很大困难。分析了钢丝绳断丝信号的特征，采用多分辨分析进行消噪，同时讨论了Lipschitz指数，从分解的信号中分别计算出奇异点的Lipschitz指数，并以此作为断丝的特征量进行识别。试验结果表明，该方法可对断丝准确定位，并大大减小了断丝的误判率。     

小波包神经网络在齿轮泵故障诊断中的应用

采用小波包技术提取齿轮泵的振动信号的小波包能量谱及其谱熵,作为改进的BP网络的输入特征,进行齿轮泵的故障诊断.实验结果表明,该方法大大地提高了诊断的可靠性.     

齿轮泵的振动信号分析与特征提取

针对高压齿轮泵CB—KP63泵壳的振动信号，采用时域同步平均和频域分析方法对其振动信号进行分析，提取故障信号的特征，可有效地进行故障模式识别。     

阀控液压缸系统动态特性仿真与优化研究

文章针对一实际的阀控液压缸系统，建立其动态数学模型，在MATLAB平台上，选用龙格库塔算法，进行系统动态特性的仿真，并对系统动态特性的优化做出了一些探讨，为元件及系统的设计、优化等方面提供重要的依据，对提高系统的动态性能具有十分重要的意义。     

基于Hilbert—Huang变换的振动信号特征提取

采用Hilbert-Huang变换,提取高压齿轮泵泵壳振动信号故障特征.该方法先对信号进行EMD分析和Hilbert变换,再提取信号Hilbert谱及谱熵.Hilbert谱刻画了信号的能量随时间和频率的变化规律,而谱熵刻画了信号能量分布的复杂性.分析结果表明,提取的特征有效地刻画了故障信号,为故障模式的识别奠定了基础.     

正弦信号失真度测量方法述评

介绍了失真度测量的基本概念；按照模拟化和数字化失真度测量两大类型，对各种测量方法的特点进行了分析；阐述了失真度测量中的若干关键问题，以及当前失真度测量研究动态。