基于HHT变换和SVM的齿轮箱故障诊断

提出了基于HHT变换和SVM结合的齿轮箱故障诊断方法,介绍了固有模态函数、EMD分解和Hilbert谱以及支持向量机(SVM)理论。先对各种工况信号消噪,再利用EMD分解将信号分解为IMF分量,求出Hilbert谱和边际谱,再利用边际谱求出各信号的故障特征信息,最后利用支持向量机判别齿轮箱的故障类型。该实验证明了此方法诊断齿轮箱故障的有效性。     

基于HHT变换和改进LMS算法的轴承故障诊断

通过电动机与滚动轴承之间建立的函数关系将振动信号转变成谐波分量,进而对谐波分量分析。对这种非平稳信号首先进行经验模态分析(EMD),然后通过改进LMS算法自适应滤波器分离噪音,最后再运用希尔伯特变换得到故障轴承频谱图。通过仿真实验证明该方法可以消除大部分的噪音和低频干扰,且易于实现,最终获得符合故障诊断要求的振动信号。     

基于HHT方法的露天矿山爆破振动信号分析

爆破振动信号分析技术是爆破危害控制的重要环节,结合现场监测,采用HHT分析方法进行分析,首先采用EMD经验模态分解,将信号分解为不同IMF分量,对主要分量进行Hilbert变换,并且提取子信号的包络线,验证了该方法在微差爆破延时间隔识别中的有效性,根据IMF分量经过Hilbert变换后得到的Hilbert能量谱,从时间-频率-能量上研究振动信号不同频率产生的影响,验证了HHT分析方法在非线性及非稳态的爆破信号中的高效性和良好的自适应性。     

基于EMD和AR模型的滚动轴承故障SVM识别

将经验模态分解和自回归(AR)模型应用到滚动轴承的故障诊断中,该方法先把轴承振动信号分解成不同特征时间尺度的固有模态函数,从而把非平稳信号处理转化为平稳信号处理问题,然后选取表征轴承故障的IMF分量,并建立其AR模型,提取模型的参数输入到支持向量机中进行识别。实验结果表明,该方法是有效的。     

基于EMD和样本熵的滚动轴承故障SVM识别

针对滚动轴承振动信号的非平稳特性和在现实条件下难以获取大量故障样本的实际情况,提出一种经验模态分解、非线性动力学方法—样本熵和支持向量机相结合的故障诊断方法。运用经验模态分解方法对其去噪信号进行分析,利用互相关系数准则对固有模式分量进行筛选,再计算所选分量的样本熵以组成故障特征向量,并将其作为支持向量机的输入以识别滚动轴承的状态。利用实际滚动轴承试验数据的诊断与对比试验验证了该方法的有效性和泛化能力。     

基于HHT和有监督稀疏编码的滚动轴承故障状态识别方法

为了实现对滚动轴承故障位置和损伤程度的准确定位,将类别判别信息引入到无监督的稀疏编码中,提出一种有监督稀疏编码（Supervised Sparse Coding,SSC）方法,建立基于希尔伯特黄变换(Hilbert-Huang Transform,HHT)和SSC的振动信号特征提取和故障状态精细分类模型。首先,通过HHT获取振动信号的边际谱,然后,利用SSC为边际谱信息建立统一的字典库,并完成对边际谱的稀疏表示,实现干扰信息的滤除和故障目标敏感特征的二次提取,最后,使用SSC得到的稀疏系数完成对支持向量基(Support Vector Machine,SVM)分类器的训练。采用SKF-6205-2RS轴承试验台数据对提出方法进行实验分析,使用HHT-SSC-SVM模型,驱动端轴承故障状态识别率为99.5%,风扇端轴承故障状态识别率为98.25%,与文中其他模型相比,在故障状态识别率上有所提高,并且表现出来较强的适应能力。     

基于VMD与GWO优化SVM的轴承故障诊断

针对传统振动信号特征提取方法与支持向量机(SVM)分类方法的缺陷,提出一种基于变分模态分解(VMD)故障特征提取方法与灰狼优化器(GWO)优化SVM的诊断模型。首先,将滚动轴承的原始振动信号采用VMD得到若干本征模态分量(IMF);其次,将IMF的多尺度加权排列熵作为特征向量并使用t-sne方法做降维处理;最后,使用GWO对SVM进行优化并对样本数据进行分类判别。实验结果表明,该方法相比于其他传统算法能够有效提高故障分类精度。     

基于机器视觉的矿用输送带在线监测技术

在带式输送机运行过程中,输送带容易出现划伤、撕裂和跑偏等故障。机器视觉技术应用于矿用输送带的在线监测,可以提高故障检测效率和精度,受到了广泛关注。研究了基于机器视觉的矿用输送带监测技术的发展现状;分析了输送带视觉监测系统的构成;详细综述了基于机器视觉的输送带纵向撕裂、跑偏和表面损伤等故障检测技术的研究进展;指出了输送带机器视觉监测技术的发展方向,以供读者参考。     

在线煤质监测技术的探索

在简要介绍煤质分析内容基础上,阐述了煤质在线监测技术现状和煤质在线监测仪器应用中存在的问题及解决途径。介绍了近红外线检测技术应用于煤质在线分析的测量原理,并分析了在火电厂应用近红外线检测技术的可行性。     

矿山尾矿库自动监测技术的应用

对铜矿峪矿十八河尾矿库自动监测技术进行了总结,阐述了自动监测技术的主要技术点与取得的效果,并指出了其存在的问题。     

基于微震监测技术在深井矿山地震波形的识别

Summary-摘要: 对冬瓜山铜矿微震监测系统检测到的地震波形和奇异波形进行了研究和识别,分析了地震波和奇异波形的特征,对提高地震检测数据的处理速度和质量起到了关键作用,为后续的地震学分析提供了保证。     

基于微震监测技术在深井矿山地震波形的识别

对冬瓜山铜矿微震监测系统检测到的地震波形和奇异波形进行了研究和识别,分析了地震波和奇异波形的特征,对提高地震检测数据的处理速度和质量起到了关键作用,为后续的地震学分析提供了保证。     

基于改进HHT的矿山微震信号多尺度特征提取及分类研究

针对矿山微震与爆破信号难以识别问题, 提出基于改进Hilbert-Huang变换(HHT)的矿山微震信号识别方法。该方法引入互补集合经验模态分解(CEEMD)对HHT改进, 信号被自适应分解后, 计算IMF分量的偏度、峭度、Hilbert边际谱能量、Lempel-Ziv复杂度以及重构信号的分形盒维数, 运用拉普拉斯得分(LS)对5种时频域特征参数降维, 最后通过遗传算法(GA)优化的支持向量机(SVM)模型, 实现微震信号的分类识别。经400组微震和爆破信号的实例分析验证, 两类信号的5种特征参数均有较大差异, 改进HHT法识别效果优于传统经验模态分解法(EMD)和局部均值分解法(LMD), 且基于改进HHT和GA-SVM分类模型准确率达到95%, 证实了此识别方法的准确性。     

国内外在线煤质监测技术的发展

煤炭产品质量在线监测是实现煤炭洗选加工过程产品质量控制的必然要求。本文综述了国内外在线煤质监测的主要方法、基本原理和主要产品，并提出了我国在该技术领域今后发展的建议。     

电缆绝缘在线监测技术的研究

对目前电力电缆绝缘在线监测的现状进行了叙述,基于直流叠加法对电力电缆绝缘进行在线监测方法做了详细介绍,并对该方法存在的若干问题进行了分析。     

基于CEEMD-Teager的刮板转载机轴承故障识别

阐述了刮板转载机轴承故障诊断的原理,分别分析了采用互补集合经验模态分解(CEEMD)和Teager能量算子进行信号处理的原理。先采用CEEMD获得振动信号的IMF分量,再采用Teager能量算子得到故障信号的能量谱,并与故障信号频率匹配判断故障类型。通过对比实验数据和仿真结果可知,基于CEEMD-Teager的故障识别具有较高的正确率和可靠性,相比传统的CEEMD准确率更高。     

国内外矿山边坡监测技术应用的最新进展

通过国内外大型深凹露天矿山边坡监测的实例，介绍边坡监测应用技术的最新进展。供我国露天矿边坡监测提供参考。     

矿山开发状况遥感监测技术的应用

论述了矿山开发状况遥感监测的数据源、技术路线和技术方法,并重点探讨和总结了不同开采方式、不同遥感数据类型的矿山开发状况遥感解译方法,主要结论有:对于露天开采矿山,在高、中分辨率遥感影像上,采用直接解译方法,在低分辨率遥感影像上,采用间接解译方法;对于地下开采矿山,在高分辨率影像上,采用直接解译方法,在中、低分辨率影像上,采用间接解译方法;多期影像对比分析是重要的间接解译方法。最后对应用中存在的问题给出了建议。     

基于EMD的电机轴承故障识别研究

将经验模态分解(EMD)和支持向量机(SVM)方法相结合应用于电机滚动轴承故障诊断中,该方法利用EMD将电机滚动轴承振动信号分解为有限个内禀模态函数(IMF)之和,对表征高频信息的IMF分量取其能量作为故障特征向量,以此作为多项式核函数(2阶)SVM分类器的输入参数来区分电机滚动轴承的工作状态和故障类型。实验结果表明,该方法在小样本情况下仍能准确、有效地对电机滚动轴承的工作状态和故障类型进行分类,实现电机滚动轴承故障自动识别。     

改进的HHT算法在振动筛轴承故障诊断中的应用

基于经验模态分解的Hilbert-Huang变换(HHT)存在端点效应,从而影响分解效果。为了改善端点效应,提出了基于镜像延拓法的端点抑制方法。将改进的Hilbert-Huang变换首次应用到振动筛等振动机械的轴承故障特征提取中,通过实验表明该方法可以有效提取振动机械中故障信号的频谱特征,便于工程现场的应用。