基于多尺度样本熵与PCA-FCM的滚动轴承故障诊断

针对滚动轴承故障诊断中多尺度样本熵特征向量维数高及其维度难以确定问题,提出了一种基于多尺度样本熵的主成分分析的模糊聚类故障识别模型。该模型首先使用多尺度样本熵方法提取滚动轴承正常、内圈故障、外圈故障、滚动体故障的振动信号特征。其次对多尺度样本熵特征向量使用主成分分析方法进行降维。然后通过累积贡献率来确定其特征向量的维度,并利用选定的特征向量属性作为模糊C均值聚类模型的输入并进行故障识别。最后通过分类系数和分类熵这两个聚类评价指标进行聚类效果的检验。实验结果表明该模型能较好的区分滚动轴承的正常与内圈故障、外圈故障、滚动体故障这4种信号。     

基于变分模态分解与多尺度熵的滚动轴承故障诊断方法

针对滚动轴承故障振动信号具有非平稳、非线性特征以及提取特征困难等问题,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)的多尺度熵(Multi-scale entropy,MSE)的特征向量提取方法,并输入拉普拉斯支持向量机(Laplacian support vector machines,LapSVM)中进行滚动轴承故障识别。该方法首先利用VMD分解的多尺度熵对原始振动信号进行特征向量的提取,然后与基于VMD样本熵以及VMD时域统计量(峭度、歪度)对比说明该方法的优势,最后将上述特征向量输入到LapSVM分类器中进行识别对比。试验数据分析结果表明,所提方法在诊断精度、计算速度上大大提高。     

小波包特征熵-神经网络在轴承故障诊断中的应用

提出了一种基于小波包特征熵-神经网络的轴承故障诊断新方法。首先对采集到的轴承的振动信号进行三层小波包分解,提取小波包特征熵,然后构造信号的小波包特征向量,并以此向量作为故障样本对三层BP神经网络进行训练,实现智能化故障诊断。仿真结果表明该方法有效可行。     

模糊系统在机械故障诊断中的应用

尝试将模糊系统理论应用于机械故障诊断技术之中。分别完成了“螺杆式压缩机故障诊断专家系统”中的模式识别及逻辑推理中的不确定系统，并在宝钢ＫＳ３１ＢＴ螺杆式压缩机故障分析中得到验证。     

基于多尺度化基本尺度熵的两相流流型特性分析

运用多尺度化的基本尺度熵方法研究了几种典型信号的复杂度特性,研究发现多尺度化的基本尺度熵方法具有计算速度快、抗干扰的特点,能够用来分析时间序列的复杂性。然后运用多尺度基本尺度熵方法对不同工况下两相流的流型特性进行了研究。结果表明多尺度化的基本尺度熵方法不仅能够识别不同流型,而且还能够表征流型的动态演化特性,为两相流的流型特性研究提供了一种新的方法。     

神经网络在机械设备故障诊断中的应用研究

提出了一种基于RBF神经网络的机械设备故障诊断方法，详细讨论了RBF神经网络的结构、训练算法及用于机械设备故障诊断的步骤，最后通过以柴油机系统的故障诊断为例，验证了此方法的可行性。     

滚动轴承故障诊断中的多参数综合判别方法

分析了轴承故障诊断中特征参量提取的不确定性，在综合考虑轴承发生故障时发生二次效应中的多个特征参量的基础上，首次提出了综合利用宫的隶属度函数和灰色系统理论中的关联度计算的一种多参数判别方法。     

Matlab在货车滚动轴承故障诊断中的应用

在机械故障咨询诊断中,对采集到的信号如何进行分析与处理,以及如何通过计算机实现,是决定故障智能诊断成败的关键,以铁路货车滚动轴承352226X2-2Z故障诊断为例,介绍了Matlab语言在其关键技术——小波滤波、功率谱以及智能诊断程序的编程应用,结果表明,该语言具有编程简单、功能强大等特点,有着广泛的应用前景.     

电感电流不连续模式Boost变换器多尺度熵分析

提出一种运用多尺度熵分析开关变换器工作特性的方法.首先给出电感电流不连续模式Boost开关变换器的迭代映射函数;其次通过符号动力学理论得到开关变换器的离散时间序列,并运用熵理论对开关变换器的符号序列进行分析;最后通过对比分析得到电感电流不连续模式Boost开关变换器的混沌特性.     

锚杆锚固缺陷无损检测信号的多尺度熵分析

煤矿巷道支护以锚杆支护为主要形式,锚固缺陷是影响锚杆支护质量的一个重要因素.为了提高声波法检测锚杆锚固缺陷的可靠性,利用自行设计制作的锚杆锚固质量无损检测实验系统对锚固系统无缺陷和含有若干缺陷的情况进行了检测.在使用经验模态分解方法对无损检测信号进行预处理的基础上,利用多尺度熵方法对重构的无损检测信号进行了深入分析,通过比较发现含缺陷锚固系统无损检测信号的多尺度熵值在绝大多数尺度上要比无缺陷锚固系统的大,说明含缺陷锚固系统无损检测信号的复杂度高.缺陷数目的增加导致各个尺度下的检测信号的多尺度熵值均增大,说明检测信号的复杂度和缺陷数目之间存在着明确的对应关系.研究结果揭示了锚杆锚固系统的内部结构特征影响检测信号复杂度的机制,为锚杆锚固质量的定量评价提供了一种有效的方法.     

HHRT-GAP-tree在多尺度显示中的应用

为了实现海量地图数据的分级多尺度显示,在地图数据库上构建HH-GAP-tree索引,并引入了拓扑算子。首先,确定显示比例尺级数,再生成多级Hilbert-R-tree索引,确定查询窗口。其次,对其建立GAP-tree索引,查询获取满足用户要求比例尺的初级数据,在此基础上检索GAP-tree并采用拓扑算子进行处理。最后,动态生成新的比例尺数据。实验结果表明,该索引在多尺度显示中是有效的,避免了单纯使用一种索引的缺点。     

频谱细化技术及其在滚动轴承故障诊断中的应用

功率谱分析是机械故障诊断技术中精密诊断的常用方法。但它往往因频率分辨率低,而影响频率识别的准确性,导致故障诊断的失败。欲提高频率分辨率,只有增加时间窗长度或增加采样点数,这又必然会增大计算量。本文采用复调制细化方法,对复杂疲劳点蚀故障的滚动轴承振动信号进行了细化分析。结果表明,细化分析可以提高频率分辨率,对于频率值相近谱峰的识别,效果良好。     

高频共振法在滚动轴承故障诊断中的应用

总结了用高频共振法进行故障诊断的步骤，并提出了使用这一种方法时要注意的一些具体问题，实验表明该方法对周期性脉冲信号的检测是一种行之有效的方法。     

DSP在机械设备故障诊断中的应用

介绍了机械设备故障诊断信号的几种处理方法－频域分析,时域分析,时一频域分析,简述了Ｗｉｇｎｅｒ分布及小波,小波包原理,同时给出了故障分析的实例,比较几种诊断方法,对于分析以非稳态振动为表征的机械故障提供了有效的分析手段,指出信号处理的小波分析方法是现代信号处理的较好方法。     

小波分析在滚动轴承故障诊断中的应用研究

为了能有效识别滚动轴承的故障信号,利用滚动轴承滚动体故障模型,构造相应的小波基;研究提升小波的预测器和更新器算法;利用小波基对故障特征信号敏感的特点,对轴承故障信号进行检测和分析.实验和仿真结果表明,利用提升小波对滚动轴承振动信号进行N层分解后,可在细节信号中容易地发现突变信号,再根据模极大值原理,有效地判断轴承故障是否存在;进一步对细节信号作Hilbert包络,检测功率谱中的故障特征频率,可准确判断滚动轴承滚动体是否存在损伤点.     

高频共振法在滚动轴承故障诊断中的应用

总结了用高频共振法进行故障诊断的步骤,并提出了使用这一方法时要注意的一些具体问题。实验表明该方法对周期性脉冲信号的检测是一种行之有效的方法。     

集成神经网络在旋转机械故障诊断中的应用

目前,机械故障诊断的关键就是寻找一种使诊断结果更为准确的方法,根据旋转机械故障的特点,提出了运用集成神经网络进行故障诊断的方法,并通过具体的实例说明了这种方法的有效性。     

小波变换的多尺度方法在边缘检测中的应用

提出了一种基于小波变换的多尺度边缘算法,与传统的Guass尺度空间算法相比,本算法具有定位准确计算量小的优点,并可利用多尺度空间信息,识别边缘的特性,作为一个例子,本文给出了一个实验。     

基于自私兽群算法优化多尺度熵的区域降水复杂性分析

为精确识别区域降水的复杂和不确定性特征,探索对于区域降水复杂性的可能影响因素,以北大荒农垦集团有限公司建三江分公司下辖的15个农场为研究区域,采用自私兽群算法对多尺度熵参数进行寻优,利用优化后的多尺度熵对1997—2018年各个农场的月降水复杂性测度进行计算分析,采用ArcGIS软件对月降水复杂性测度进行空间化展示,探索导致降水复杂性的可能原因.结果表明:研究区中部农场的降水复杂性测度等级最高,东北部农场的次之,西南部农场的复杂性测度等级最低.通过分析发现,人类因素对降水复杂性的影响高于自然因素,人类规律性改造自然的过程会降低降水的复杂性.在模型性能上,自私兽群优化算法的寻优效率得到了显著提升.