共查询到20条相似文献,搜索用时 78 毫秒
1.
分形理论应用中无标度区自动识别方法 总被引:1,自引:0,他引:1
为提高分形维数的计算精度和效率,减少分形无标度区确定中的主观因素,基于分形维数计算中的关联积分算法,综合利用具体时间序列和拟合点数等信息,建立故障诊断中分形无标度区的一种自动识别方法。运用该方法对所测得的两台航空发动机在不同工况、不同转速下的振动数据进行分析计算,给出分形无标度区的上、下限和关联维数,并与一般方法的计算结果进行对比。计算结果表明,无论实测时间序列无标度区跨度大小如何变化,应用本方法均能很好地识别,区间内曲线的线性度较好,且该自动识别方法简单、高效、准确、适用性强。需指出的是,该方法确定的无标度区附近的值有可能属于无标度区,故它对无标度区的选择趋于保守。 相似文献
2.
3.
针对磨粒群分形维数计算精度偏低,且无标度区辨识过程中容易出现局部最优的问题,提出了一种辨识无标度区的新算法。首先利用模拟退火K-means算法对磨粒群r~N(r)(尺度~测度)双对数曲线的一阶局部导数聚类,剔除一阶导数为0及波动很大的区间,然后利用模拟退火K-means算法对曲线的二阶局部导数聚类,识别出精确的无标度区间。应用新算法对典型的分形图形进行了分形维数计算,计算结果与理论值吻合度较高;同时应用新算法对磨粒群的分形无标度区进行了辨识。研究表明:磨粒群的分形无标度区较宽,新算法对磨粒群等多孔图形的无标度区辨识效果较好,能显著提高磨粒群分形维数的计算精度。 相似文献
4.
5.
6.
7.
针对齿轮箱振动信号的非线性和非平稳性,提出一种多重分形和粒子群优化的支持向量机(PSO-SVM)相结合的故障诊断方法。首先采用短时分维作为模糊控制参数的分形滤波器对背景噪声较大的齿轮箱振动信号进行滤波降噪;其次引入多重分形谱算法对滤波后信号进行分析,发现多重分形特征量Δa(q)、f(a(q))max、盒子维数Db能很好地反映齿轮箱工作状态;最后对支持向量机(SVM)的参数利用粒子群优化(PSO)算法进行优化,并将多重分形特征量分别作为SVM和PSOSVM的输入参数以识别齿轮箱故障。结果表明,基于粒子群优化的支持向量机可以提高分类正确率。同时证明了基于多重分形和PSO-SVM在齿轮箱故障诊断中的有效性。 相似文献
8.
9.
针对传统的多重分形维数计算方法的缺陷,提出基于数学形态学操作的多重分形维数计算方法,并证明了与盒计数法计算多重分形维数的一致性.对实际的齿轮正常、齿面磨损故障和断齿故障信号进行了分析,结果表明,与盒计数法相比,基于数学形态学计算的多重分形维数能够准确区分齿轮的工作状态,并且数学形态学只涉及简单的加减和取大、取小运算,计算更加简单、快速. 相似文献
10.
11.
12.
针对齿轮传动系统中齿轮等零部件易出现故障或失效等问题,提出了一种基于深度学习理论的齿轮传动系统故障诊断方法。首先利用深度置信网络强大的特征自提取能力,对齿轮传动系统的振动信号进行特征提取,然后通过DBNs的复杂映射表征能力对故障信号进行故障判别。诊断实例表明,若不对齿轮振动的原始时域信号进行特征提取,直接利用DBNs对其进行诊断时,故障识别正确率只能达到 60%左右;如果对时域信号进行简单的傅里叶变换后,再利用 DBNs 对处理后的振动信号频谱进行诊断分析,正确率能达到 99.7%,从而证明了所提故障诊断方法的简易性和有效性。 相似文献
13.
14.
15.
多重分形方法在耦合故障诊断分类中的应用研究 总被引:1,自引:0,他引:1
运用多重分形理论,提出广义维数最小二乘法的计算公式,对实测的时域信号进行了广义维数计算,得到广义维数序列值,并从广义维数中获取盒维数、信息维数、关联维数以及敏感维数。对故障样本进行功率谱分析、广义维数计算分析,找出谱能量与分形维数的关系,对用分形维数分析故障的强度提供了依据。另外运用广义维数序列和数学方法相结合提出分形诊断分类方法,用广义维数最大相关系数和广义维数序列单值优化逼近原理方法,对待检信号的耦合故障分别进行了试验数据与理论响应模拟数据的诊断、识别分类,收到了良好的一致效果。通过对转子系统故障诊断的实例说明从广义维数中提取的各分形维数都能较好地对故障状态进行诊断、识别;且耦合故障的分形诊断分类方法具有较好的实效性。 相似文献
16.
ZHANG Shuqing ZHAO Yuchun ZHANG Liguo JIN Mei School of Electrical Engineering Yanshan University Qinhuangdao China 《机械工程学报(英文版)》2011,(5):885-890
The vibration signals of machinery with various faults often show clear nonlinear characteristics.Currently,fractal dimension analysis as the common useful method for nonlinear signal analysis,is a kind of single fractal form,which only reflects the overall irregularity of signals,but cannot describe its local scaling properties.For comprehensive revealing of internal properties,a combinatorial method based on band-phase-randomized(BPR) surrogate data and multifractal is introduced.BPR surrogate data method is effective to eliminate nonlinearity in specified frequency band for a fault signal,which can be utilized to detect nonlinear degree in whole fault signal by nonlinear titration method,and the overall nonlinear distribution of fault signal is displayed in nonlinear characteristic curve that can be used to analyze the fault signal qualitatively.Then multifractal theory as a quantitative analysis method is used to describe geometrical characteristics and local scaling properties,and asymmetry coefficient of multifractal spectrum and multifractal entropy for fault signals are extracted as new criterions to diagnose machinery faults.Several typical faults include rotor misalignment,transversal crack,and static-dynamic rubbing fault are analyzed,and the results indicate that those faults can be distinguished by the proposed method effectively,which provides a qualitative and quantitative analysis way in the field of machinery fault diagnosis. 相似文献
17.
18.
小波-神经网络在齿轮故障诊断中的应用 总被引:1,自引:0,他引:1
基于齿轮箱故障齿轮的特征提取,提出了将小波包分析与神经网络结合的齿轮故障诊断方法.对齿轮信号进行3层小波包分解,构造小波包特征向量作为故障样本.用训练好的BP神经网络进行故障诊断,实验结果表明该方法能够有效地诊断出齿轮的故障类型. 相似文献
19.
20.
通过介绍神经网络的模型算法,根据齿轮的四种故障类型,采用BP神经网络对其进行训练和诊断,得到了较为理想的结果,为及早发现和预防机械故障提供了可靠的理论依据。 相似文献