利用关联维数分析机械系统故障信号

根据机械系统运行中测量到的信号的处理，进行系统特征识别。针对非线性系统的特点，区别于以往对线性系统使用的时域，频域定性分析法，用分形维数定量刻画机械系统运行状态。使用分形维数中能直接反映转子系统运行特点的关联维数来获得转子运行故障以及故障发展程度的定量描述。本文采用的高效关联维数算法，提高了计算速度和描述转子系统故障的精度。     

拉杆转子装配振动检测分形研究

针对单个螺栓预紧变化对篦齿盘振型无影响、通过统计分析振动响应信号时频域特征亦不能有效判断拉杆转子装配状态问题,提出利用分形理论分析拉杆转子装配振动检测信号新方法。通过拉杆转子装配振动检测试验获取振动响应信号,运用分形理论分析试验结果,分别计算三种螺栓预紧状态下矩形盒维数及多重分形谱参数,利用多重分形谱参数为支持向量机特征向量对拉杆转子装配状态进行模式识别。结果表明,拉杆转子螺栓松动时,振动响应信号的盒维数会相应增加,盒维数大于1.25时转子装配不合格。结合支持向量机用多重分形谱参数预测装配状态分类结果正确率达93.700 8%。     

形态学广义分形维数在发动机故障诊断中的应用

发动机故障信号是一种典型的非线性信号,分形几何理论为描述非线性故障信号的特性提供了一个有力的分析工具。广义分形维数能够很好的描述信号的几何特征和局部尺度行为,所蕴含的信息比单一的分形维数要深刻而全面。针对传统的广义分形维数计算方法的缺陷,本文提出基于数学形态学操作的广义分形维数计算方法,并对发动机正常、失火和气门间隙过大故障信号进行了分析,结果表明,与传统的盒计数法计算的广义分形维数相比,形态学广义分形维数能够更加有效地区分发动机在不同状态下的信号,并且数学形态学只涉及简单的加减和取大、取小运算,因此计算简单快速,为准确判断发动机故障状态提供了一种快速有效的新方法。     

基于ITD改进算法和关联维数的转子故障诊断方法

提出了基于ITD（Intrinsic scale-time decomposition,简称ITD）改进算法和关联维数的转子故障诊断方法。首先用ITD改进算法对转子在不同状态下的振动信号进行分解,根据分量特征,把包含转子主要故障信息的前若干分量进行组合,并以此作为转子原始振动信号降噪后的信号;然后计算降噪后信号的关联维数。对转子系统故障振动信号的分析结果表明,相对于直接采用原始信号计算得到的关联维数,采用ITD改进算法降噪后得到的关联维数更具有区分性,可以用来有效地识别转子的工作状态和故障类型。     

基于信息熵的转子动力特征分析与诊断方法研究

针对转子系统运行过程中的非线性、耦合性、非平稳突变性等复杂特征,提出基于信息熵特征提取方法,将转子系统动力分析与参数识别方法有机结合,分析转子典型故障——裂纹、碰摩及裂纹碰摩耦合等不同状态下响应参量的信息熵特征及变化规律,并构建小波神经网络模型实现转子系统故障状态诊断。通过对转子系统实测信号的分析诊断,验证理论方法的有效性。     

基于EMD和分形盒维数的旋转机械耦合故障诊断方法研究

针对旋转机械耦合故障的诊断问题,提出一种基于EMD（Empirical Mode Decomposition）和分形盒维数的诊断方法。该方法结合EMD对非线性信号处理的自适应性和分形盒维数能对非线性行为定量描述的特点,先对故障信号进行EMD处理,得到含有故障特征的本征模式函数(Intrinsic Mode Function,简称IMF),然后求出各IMF的盒维数,通过盒维数的比较分析进行故障诊断。构造了含有裂纹-碰摩-松动耦合故障的转子-轴承系统动力学模型,用龙格库塔法求出故障模型振动信号。通过对耦合故障信号进行分析,得到耦合故障特征向量,并与传统的边界谱诊断方法比较,证明该方法对旋转机械耦合故障诊断的有效性和优越性。     

基于数学形态学的分形维数计算及在轴承故障诊断中的应用

滚动轴承故障信号是一种典型的非线性信号,分形几何为描述轴承故障信号的特性提供了一个有力的分析工具。基于数学形态学的分形维数是在Minkowski-Boulingand维数基础上拓展的一种采用形态学操作计算分形维数的新方法。本文较详细的阐述了基于数学形态学的分维数计算方法,对比分析了与传统计盒维数方法的区别与联系,并对实际的滚动轴承正常、滚动体故障、内圈故障和外圈故障信号进行了分析,结果表明,基于数学形态学的分维数计算方法具有计算速度快,估计准确稳定的特点,为准确判断滚动轴承故障状态提供了一种快速有效的新方法。     

基于分形盒维数和多重分形的爆破地震波信号分析

为深入研究爆破地震波特性,采用分形盒维数和多重分形理论相结合的数学方法,通过其算法的理论推导和MATLAB软件编程计算得到地震波信号的盒维数值和多重分形谱图,对地震波信号的分形特征进行了分析。研究表明:盒维数D值的大小反映了地震波曲线的复杂程度和频率结构特征,说明盒维数只是对地震波信号整体性的描述;多重分形能够更加精细地描述地震波信号的局部特征,其谱图描述了不同奇异性指数α的概率信息。因此提出使用分形盒维数和多重分形相结合的信号分析方法,获取爆破地震波信号的整体强弱、频谱结构特征和局部的奇异性等重要信息。     

基于VMD及广义分形维数矩阵的滚动轴承故障诊断

提出基于变分模态分解及广义分形维数矩阵的滚动轴承故障诊断方法。对信号进行变分模态分解得到若干模态函数,根据不同权重因子计算得到每个模态函数的广义分形维数序列,排列构成广义分形维数矩阵,最后通过分析待测信号和各样本信号的广义分形维数矩阵的相关系数判断故障状态。实验结果表明该方法能精确、稳定提取故障特征,区分不同状态的信号。     

小波包与分形组合技术在爆破振动信号分析中的应用研究

基于小波包、分形技术的相似性,提出采用小波包、分形组合技术对爆破振动信号进行组合分析。采用小波包对爆破振动信号进行分解,通过各主分析小波包的重构系数验证了爆破振动信号的分形特性,通过对各主分析小波包的盒维数值进行分析及对比,更加细致地分析出爆破振动信号不同频带分量分形维数的变化。组合分析表明,盒维数值随着爆破振动信号小波分量频率高低而变化,提出将盒维数作为反映爆破振动信号频率成分的一个重要参量。小波包与分形组合分析技术的提出为研究爆破振动信号分形特征提供了新的研究思路。     

分形几何在内燃机振动信号分析中的应用

本文将分形几何引入内燃机振动信号的分析之中,用分维数描述振动信号的复杂程度。对缸盖振动信号的谱分析表明,可以用分维数描述缸盖振动信号。当气门发生故障时,分维数将较正常时小,由此可判断气门状态正常与否及故障类型。     

基于EMD分形技术提取变速器轴承故障特征

故障轴承振动信号具有分形特征,可以利用分形维数有效识别变速器轴承的故障模式.噪声的存在对分形维数的计算结果影响较大,为此采用经验模态分解（EMD）方法,对变速器轴承振动信号进行EMD分解,计算分解后的IMF分量的分形维数,提取出变速器轴承不同技术状态下的故障特征。对实测变速器轴承振动信号分析,结果表明：EMD能对不同频带信号进行有效分离;特定IMF分量的分形维数能敏感反应变速器轴承技术状态,可以作为变速器轴承故障诊断的特征参数;EMD与分形维数相结合是提取变速器轴承故障特征的一种有效方法。     

基于局部特征尺度分解和形态学分形维数的滚动轴承故障诊断方法

提出了一种基于局部特征尺度分解与形态学分形维数的滚动轴承故障诊断方法。首先采用局部特征尺度分解方法将机械故障信号分解为若干个内禀尺度分量,然后利用形态学分形维数计算包含故障特征分量的分形维数,将得到的分形维数作为特征量判别信号故障的状态,实验结果表明基于局部特征尺度分解与形态学分形维数的故障诊断方法能够有效识别滚动轴承的内圈故障、外圈故障、滚动体故障和正常状态,实现滚动轴承故障诊断。     

基于级联双稳随机共振和多重分形的机械故障诊断方法研究

对级联双稳随机共振的滤波特性进行了对比和分析,利用这种特性,结合广义维数对信号非线性特征的度量能力,提出了基于级联双稳随机共振和多重分形的机械故障诊断方法。实验结果证明,该方法可以有效的消除高频噪声,增强低频段信号的能量,由此得到的分形维数比较准确,能够更加精确地度量机械振动信号的非线性特征,从而达到机械故障诊断的目的。     

Application of General Fractal Dimension to Coupling Fault Diagnosis

This paper presents the coucept of general and sensitive dimension,and also proposes the calculation formula of the general dimension least squares method.By calculating and analyzing the power spectrum and general dimension grom the fault sample,the relationship is achieved between sample status and the general simension from vibration signals of the equipment so as to provide reference to fault diagnosis.Furthermore,a correlation function of general dimension is proposed,and calculations are carried out for a monitor signal and samples signal.The diagnosis method based on fractal theory is effective through the concrete examples of the steam-electric generating set fault diagnosis,and the correlation coefficient of general dimension between a monitor signal and samples signal can improve the accuracy for fault diagnosis.     

基于局部均值分解与形态学分形维数的滚动轴承故障诊断方法

针对滚动轴承振动信号通常具有非线性与低信噪比特点,提出基于局部均值分解（Local Mean Decomposition,LMD）与形态学分形维数的滚动轴承故障诊断方法。采用LMD将滚动轴承振动信号分解为若干个乘积函数（Product Function,PF）分量,计算包含有滚动轴承故障特征的PF分量形态学分形维数,并将其用作特征量判断滚动轴承工作状态及故障类型。实验分析结果表明,该方法能有效用于滚动轴承的故障诊断。