Applications of chaotic oscillator in machinery fault diagnosis

The forward detecting method is used to detect weak periodic signals by identifying the transformation of the chaotic oscillator from the chaotic state to the large-scale periodic state when a weak external periodic signal is applied. Based on the method above, in this paper, a similar method, which is devised in a reverse way, is presented. The method detects the change of a weak signal by identifying the transformation of the chaotic oscillator from the large-scale periodic state to the chaotic state when a weak external signal is applied. This paper discusses and summarizes the features and scopes of both methods in their application in the field of machinery fault diagnosis. Satisfactory results have been achieved when using both of them in the fault diagnosis of rolling bearings and automobile gearboxes. The paper also presents how to use symbol sequence statistics to automatically identify the state transformation of the chaotic oscillator.     

基于粒子滤波和自回归谱的液压泵故障诊断

针对飞机轴向柱塞式液压泵的工作状态监控问题,提出了一种基于液压泵振动信号分析处理的故障诊断新方法。通过对加速度传感器的原始数据序列进行信号建模,利用粒子数优化后的粒子滤波算法进行降噪;根据滤波后信号的自回归谱提取特征值,结合液压泵的故障机理分析其工作状态,实现对液压泵的故障分析和诊断。实验及仿真结果表明,粒子滤波可有效跟随原始信号并滤除噪声干扰,基于粒子滤波和自回归谱的液压泵故障诊断方法能有效地提取故障特征值,实现故障诊断和识别。     

基于Duffing振子的噪声背景下微弱周期信号检测

为有效地实现噪声背景下弱信号的提取,阐述了间歇混沌模型Duffing振子的混沌特性。利用Duffing振子对微弱信号具有敏感性、对噪声与频率差较大的周期干扰信号具有免疫力的特性,研究了基于Duffing振子在噪声条件下检测微弱周期信号、复合频率信号和未知频率信号的方法,用数值仿真验证了该方法的可行性。研究结果表明,基于Duffing振子的信号检测方法对极微弱周期信号检测有其独到的优势,其频率误差率在控制范围之内。     

基于符号序列信息熵混沌特性的微弱信号检测

利用混沌振子系统的初值敏感性和对噪声免疫的特点检测微弱信号,具有高灵敏度和很好的抗噪性能,其检测的关键在于对混沌振子系统所处状态的识别.针对Duffing振子系统在信号检测领域中的应用,提出了一种基于符号序列信息熵混沌特性的微弱信号检测方法.该方法利用时间序列符号化来捕捉Duffing振子系统时域输出的大尺度特征,应用Shannon信息熵定量计算时间序列中蕴藏的确定性和随机性规律,达到自动识别特定微弱信号的目的.给出了该方法的原理和相应检测程序流程图.实验结果表明,利用该方法可以准确快速地检测出微弱信号,为混沌检测研究的实用化提供了一种有效途径.     

基于电信号的改进VMD和DBN-DNN液压齿轮泵轮齿故障监测方法研究

液压系统电机电信号中包含丰富的系统运行状态信息,如何准确对电信号中的运行信息进行提取和分类是实现液压系统状态监测的关键。电机电流信号中蕴含的液压齿轮泵早期故障特征微弱,提取困难,用传统时频分析方法难以实现故障特征分离。本文提出基于相关系数和人工蜂群算法(Artificial bee colony,ABC)实现了对变分模态分解(Variational mode decomposition,VMD)参数的优化,同时以信号相关系数和峭度值最大为选取原则,确定有效的本征模态函数(Intrinsic mode function,IMF),并将IMF有效分量的排列熵和均方根值作为高维特征向量输入深度信念网络(Deep belief network,DBN-DNN),实现了对齿轮泵运行状态进行监测。结果表明,该方法能准确稳定地提取电流信号中携带的齿轮泵故障的微弱特征,进行齿轮泵运行状态监测,提高了齿轮故障诊断的准确性。     

齿轮故障的混沌诊断识别方法

研究了Ｈｏｌｍ ｅｓ型Ｄｕｆｆｉｎｇ 振子的混沌及间歇混沌运动,发现参考信号与摄动信号间的微小角频率差是振子产生间歇混沌的原因。得出振子相变对与参考信号具有微小角频率差的小信号敏感,而对随机噪声和与参考信号角频率差较大的周期干扰信号具有免疫力的结论。通过辨别振子对的间歇混沌运动可对齿轮偏心及单齿缺陷故障进行诊断与识别。     

叉车液压系统的故障分析与日常维护

叉车在现代工矿企业应用越来越广泛,据统计,液压系统故障占叉车总故障的60%,叉车液压系统质量的优劣直接影响叉车的工作性能和使用效率。因此,叉车液压系统的故障分析与日常维护尤为重要。     

液压传动系统故障分析方法

液压传动系统可视性差，故障难以查找。本文以液压泵气穴故障分析为例，总结了液压传动系统故障分析的一般方法。     

基于小波变换的柱塞泵故障诊断方法

基于柱塞泵的脉动分析模型,提出了一种基于小波变换的柱塞泵故障诊断方法。以泵出口处的压力信号作 为分析信号,利用小波变换将该信号进行频谱分解,可有效地提取压力信号中所包含的故障信号。仿真与试验结 果均表明:基于小波变换对泵出口压力信号的分析可实现泵的故障诊断。     

SP120摊铺机液压调平系统故障分析

以SP120系列摊铺机液压调平系统为实际依据,在对SP120摊铺机液压调平系统故障概率分析的基础上,将模糊数学和故障诊断方法相结合,建立液压调平系统模糊故障树,通过对液压系统进行故障分析,推理出摊铺机调平系统故障发生的模糊概率及其隶属函数分布,为摊铺机液压调平系统的方案设计、故障诊断和维修保养提供理论依据。     

基于混沌与模糊聚类的机械故障自动识别

针对大型设备旋转部件故障模式复杂难以识别的特点,给出一种基于混沌与模糊最大似然估计(Fuzzy maximum likelihood estimates,FMLE)聚类相结合的机械故障自动识别方法。利用混沌振子在非平衡相变对小信号非常敏感,而对噪声和高频信号具有强免疫力的特点,可检测出微弱的周期故障特征信号的频率信息,并将其作为故障特征矢量输入模糊聚类分类器进行聚类分析。同时针对传统的模糊C均值(Fuzzy center means,FCM)聚类算法只适用于球形或者类球形数集分布的缺陷,将基于最大似然估计的距离测度引入故障特征聚类中,实现对不同形状、大小和密度的故障数据集模糊聚类,达到对机械故障自动识别的效果。试验及工程实例结果证明了方法的有效性,同时证明FMLE聚类具有更好的聚类效果。     

非线性齿轮系统单齿故障动力学特性

针对齿轮系统运行过程中具有非线性动力学特性,借鉴混沌振子检测理论中根据系统相轨变化检测信号的原理,分析了齿轮单齿故障冲击信号出现的成因及其出现故障后非线性动力学特性的变化,建立了基于冲击分析的非线性齿轮系统单齿故障动力学模型。通过分析发现,齿轮系统模型在一定的参数条件下,其动力学特性会进入混沌状态。而在相同参数条件下,出现单齿冲击故障并达到一定程度后,齿轮系统会在故障冲击的激励下进入大周期运动,从而表现出明显异于无故障条件下齿轮系统的动力学特性。仿真结果表明,该方法能有效区别齿轮系统单齿故障状态。     

基于CEEMDAN SVM的液压泵故障诊断方法研究

由于液压泵故障振动信号微弱和不平稳的特性,造成特征向量提取和故障诊断困难。针对这些问题,提出一种CEEMDAN与支持向量机结合的故障诊断方法。将传感器测得的液压泵故障振动信号进行CEEMDAN分解,得到多个固有模态函数（IMF）,并计算其样本熵作为支持向量机的输入特征向量,以诊断液压泵的故障类型。液压泵故障诊断实验结果证明了该方法的有效性和优越性。     

正弦加载液压泵故障振动信号的阶比多尺度形态滤波方法研究

 液压泵在变载荷作用下会引起转速波动且发生幅值调制现象,振动信号呈现出明显的非平稳性,传统的滤波方法难于进行有效滤波。针对正弦加载液压泵故障振动信号提出一种阶比多尺度形态滤波方法,利用基于EEMD理论的时频阶比分析方法将正弦加载液压泵故障振动非平稳信号转化成角域平稳信号,再用多尺度形态滤波方法对角域平稳信号进行多尺度寻优和解调处理获得多尺度解调信号,并进行阶次谱分析得到振动信号的特征阶次。通过实验证实,该方法能对正弦加载液压泵故障振动信号进行有效滤波,且能提取出更多的有用故障信息。     

基于多尺度熵偏均值的液压泵故障特征识别

针对不同故障类型下的液压泵振动信号具有不同复杂性的特点,将多尺度熵引入到液压泵故障识别中。多尺度熵是在样本熵的基础上通过引入尺度因子,从而能够分析信号在不同尺度因子下的复杂性。在多尺度熵的基础上定义一个同时考虑多尺度熵熵值大小和熵值变化趋势的指标--多尺度熵偏均值(PMMSE),该指标定量地刻画故障信号的复杂性。将该指标用于液压泵的故障识别中。通过对液压泵4种不同运行状态的实测振动信号进行分析,结果表明PMMSE能够很好地区分出液压泵的不同故障类型,验证了该指标在故障特征提取中的有效性。     

液压系统的维修

以液压传动知识为基础，介绍液压系统的维护、故障分析和诊断方法。为液压系统维修提供了一种科学有效的方法。     

基于能量增强的双斜式轴向柱塞泵滑靴磨损故障诊断方法

针对盾构机等大型设备用双斜式轴向柱塞泵故障诊断中滑靴磨损故障特征信号易被湮没的问题,提出了一种基于能量增强的双斜式轴向柱塞泵滑靴磨损故障诊断方法。首先,考虑到双斜式柱塞泵滑靴磨损会造成轴向、径向两个方向的振动,对发生滑靴磨损故障下的泵的力学特性进行分析,确定了敏感频率范围;其次,考虑到故障信号易被湮没,将轴向和径向的振动信号分别进行小波包分解,进而得到轴向和径向的振动信号的能量谱,并将轴向与径向敏感频率范围内的能量谱进行叠加,增强故障特征;最后基于试验数据进行验证,对比正常状态与滑靴故障状态下的能量谱,可以有效提高故障诊断的准确度。     

NEW METHOD FOR WEAK FAULT FEATURE EXTRACTION BASED ON SECOND GENERATION WAVELET TRANSFORM AND ITS APPLICATION

A new time-domain analysis method that uses second generation wavelet transform (SGWT) for weak fault feature extraction is proposed. To extract incipient fault feature, a biorthogonal wavelet with the characteristics of impact is constructed by using SGWT. Processing detail signal of SGWT with a sliding window devised on the basis of rotating operation cycle, and extracting modulus maximum from each window, fault features in time-domain are highlighted. To make further analysis on the reason of the fault, wavelet package transform based on SGWT is used to process vibration data again. Calculating the energy of each frequency-band, the energy distribution features of the signal are attained. Then taking account of the fault features and the energy distribution, the reason of the fault is worked out. An early impact-rub fault caused by axis misalignment and rotor imbalance is successfully detected by using this method in an oil refinery.     

利用倒频谱诊断液压泵早期故障

这里通过对轴向柱塞泵振动信号的监测,利用振动信号的功率谱和倒频谱分析法,诊断轴向柱塞泵的松靴故障,结果显示振动信号的倒频谱可以及时发现早期松靴故障,而其功率谱则不太敏感。     

基于小波包分析的液压泵状态监测方法

液压泵是液压系统中的关键部件,对其运行状态的监测与故障诊断对整个液压系统的可靠性具有重要意义。基于小波包分解和小波系数残差分析方法,提出一种利用液压泵出口压力进行液压泵故障诊断的方法。通过分析液压泵出口处压力信号的特征,利用小波包对压力信号进行频谱分解,提取液压泵的故障特征,建立不同频率范围的特征信号与液压泵不同故障因素的对应关系,为液压泵的故障诊断与定位提供依据。利用小波包能量残差判别液压泵的运行健康状态,并比较不同小波基函数在故障诊断时的敏感度。为减小小波分析时边界效应所引起的信号畸变,引入“滑动双窗口”的分析方法。试验结果表明,与快速傅里叶方法相比,基于小波包分解的残差分析方法可有效提高故障诊断的准确率,实现对液压泵的状态监测与故障诊断。