一种基于识别概率直方图的随机减量改进技术

在采用随机减量技术进行工作模态分析过程中,触发条件和参考通道通常需要人为指定。受实际环境和测量误差等的影响,单一触发条件和特定参考通道导致模态辨识结果具有一定的偶然性。结合基于数据挖掘的识别概率直方图方法,对传统随机减量技术进行了改进。在遍历参考通道和多次触发取值的情况下获得多个结构模态辨识结果,并根据频率容差和模态置信度容差准则进行一致性聚类,继而绘制相应的识别概率直方图,最终选取识别概率大的聚类结果作为结构模态结果。通过结构算例和模型实验,显示了基于识别概率直方图的随机减量改进技术的有效性和抗噪性。     

加权随机减量法

随机减量方法是70年代初提出的一种获取线性振动系统自由响应的技术.这种方法对于施加在线性系统上的随机激励只有定性的要求,而没有定量的要求.本文在传统的算术平均的随机减量法的基础上,提出了加权相加时移信号段的加权随机减量法,作了初步的理论论证,并通过数值仿真计算,证实了若选择合适的权函数,加权随机减量法能比原来的方法有更高的精度.文中也指出了算术平均法是本文加权随机减量法的一利特例.     

基于遗传算法与随机减量技术的气动阻尼识别方法研究

随机减量技术(random decrement technique, RDT)因其计算快、成本低的优点，在工程结构模态参数识别中应用广泛。针对RDT在信号截断幅值与样本时长的选取比较主观带来的误差问题，采用遗传算法(genetic algorithm, GA)对其进行改进，提出改进的随机减量技术GA-RDT,并将其应用于某超高层建筑气弹模型的气动阻尼识别。首先，对RDT方法得到的自由衰减曲线进行拟合并定义误差，分析截断幅值A和样本时长T对误差(优化目标)的影响，采用遗传算法寻找A和T的最优解；其次，基于气弹模型风洞试验所得的顶点加速度时程，结合GA-RDT方法和Hilbert-Huang变换(Hilbert-Huang transform, HHT)方法进行气动阻尼识别；最后，以自然激励技术(natural excitation technique, NExT)识别所得的气动阻尼比为基准，对比分析GA-RDT方法相对于传统RDT方法的精度优势。结果表明，与NExT方法所得的气动阻尼比相比，GA-RDT方法识别得到不同风速时X向、Y向与扭转向的气动阻尼比的平均误差均小于0.14%,其识别...     

工况下电动车电池放电特性及电测量误差研究

为了更深入的了解电动汽车在实际工况下的放电特性及在实际工况下的电测量误差,通过对工况下电动车电池放电电压及电流的幅值、负载变化、纹波、频率等特性进行分析,并利用电测量及采样原理对传统采样方式、采样频率和分辨率下产生的测量误差进行了分析,通过适当提高采样分辨率和采样频率,大幅提高了测量精度,并使电控可靠性得到了提高。     

随机减量技术中周期激励的影响及消除方法

本文针对机械系统中通常存在确定性周期激励的事实 ,论证了周期干扰成分的存在对提取的随机减量特征信号的影响 ,基于数字滤波技术提出了一种从周期干扰环境中提取随机减量特征信号的简便方法。在回转机械稳定性监测中的应用实例表明本文提出的方法是有效的。     

采样长度对阻尼识别的影响

传统观点认为阻尼识别方法受截断误差影响;增加采样长度,即增加采样点数,提高频率分辨率,可以减少误差,形成了采样时间长(即采样点数多)阻尼识别误差小的观点。但实际采样信号中包含噪声,对采样信号进行傅里叶变换时,噪声信号随阻尼信号一同被积分。将振动衰减信号作傅里叶变换,得出当采样时间超过4.6/n(n为阻尼值)时振动衰减信号频谱幅值与采样点数呈反比关系;对噪声使用统计分析,噪声频谱实际发生值不是期望值,而是主要在期望值与三倍标准差之间浮动,将噪声信号作积分推导得出噪声频谱幅值与采样点数的开方值呈反比关系。得出采样时间过长时,噪声信号将掩盖振动衰减信号,导致阻尼识别误差变大,通过计算推导得出了采样点数临界值的计算公式;运用仿真算例与悬臂梁敲击试验进行了验证。     

基于时频幅值匹配的列车轴承故障声学信号的多普勒校正方法

由于列车运动所产生的多普勒频移和扩展现象,给轴承的故障识别、诊断带来了难度。提出了一种基于时频幅值匹配的多普勒校正方法,并将其运用到列车轴承上。首先,依据莫尔斯声学理论和短时傅里叶变换,推导出时频幅值曲线与中心时间的关系,通过匹配理论与实际信号的时频幅值曲线求出相对应的中心时间。而后,依据该中心时间建立重采样时间序列,并以此实现信号的多普勒校正。通过仿真信号和实际信号验证了该方法的有效性。     

海洋工程结构故障的模式识别诊断

本文提出固定式导管架平台结构故障的模式识别诊断.首先介绍模式识别的基本思想,然后讨论统计判别函数方法.对一个二维导管架平台模型,用随机激励进行了正常平台、台面质量增加、横撑斜撑切断以及根部开裂等多种结构状态的振动试验.取频响函数幅值和随机减量函数作为被识别的模式,得到了很好的结果,从而说明这是一种很有希望的导管架平台结构故障的诊断方法.     

随机关一量技术中周期激励的影响及消除方法

本文针对机械系统中通常存在确定性周期激励的事实，论证了周期干扰成分的存在于提取的随机减量特征信号的影响。基于数字滤波技术提出了一种从周期干扰环境中提取随机减量特征信号的简便方法。在回转机械稳定性监测中的应用实例表明本文提出的方法是有效的。     

基于离散频谱分析的自由衰减振动信号的幅值恢复

加矩形窗截断后的自由衰减振动信号可以看成无限长谐波信号与单边指数函数及矩形窗的乘积,从理论上证明了其连续谱峰值点的频率和相位就是信号的实际频率和相位。分析了连续谱的离散频谱幅值误差影响因素,提出一种新的求解幅值恢复系数的方法,该方法根据已估计得到的阻尼、频率和相位重构幅值为给定值的新信号,然后求解加有限长度指数窗幅值恢复系数。当理论频率位于某条离散谱线上,幅值基本无误差。理论分析和仿真表明,采样频率、阻尼和频率误差的变化对幅值分析精度的影响很大,并且是相互作用的,但当理论频率与采样频率之比fn/fs在区间(0.25,0.4)内,且阻尼在区间(0.005,0.02)时,不论频率误差多大,分析精度均很高,幅值误差小于5%。相邻频率成分产生严重模态耦合时,不能使用该方法。     

基于改进EMD-ICA的结构模态参数识别研究

该文针对频带滤波改进经典经验模态分解(EmpiricalModeDecomposition,EMD)的模态分解能力不足时产生过多虚假模态的问题以及真正本征模函数(IntrinsicModeFunction,IMF)的判定问题,提出了将改进EMD与独立分量相结合的信号分析方法。该方法不需要人为预先设定阈值,能够自动分离出真正的IMF分量,消除改进EMD过程中产生的虚假模态,保障EMD分解信号的有效性。然后利用随机减量技术获得各IMFs的自由模态,最后利希尔伯特变换和最小二乘拟合技术相结合的方法来识别出结构的频率和阻尼比,并通过两个数值算例和一个七层钢框架的模态试验予以验证。研究结果表明:该方法可有效解决改进EMD的缺陷,并成功识别出结构的模态参数。     

基于改进标准化最大似然估计的最小描述长度降噪方法

针对现有各种降噪方法存在的缺点,提出了一种改进标准化最大似然估计的最小描述长度降噪方法。该方法增加编码过程中对集合本身码长计算,降噪中自适应确定降噪阈值。通过仿真信号和实际某轴承故障信号降噪分析,结果表明所提方法可以有效消除噪声并尽可能保留有用信号成分,降噪后信号的信噪比高于VisuShrink降噪和BayesShrink降噪等方法。基于改进标准化最大似然估计的MDL降噪方法进一步完善了MDL降噪理论,提升了其降噪效果。     

Volterra小波变换最优阈值的混沌去噪方法

针对混沌信号小波去噪中难以确定最优阈值的问题,提出一种Volterra小波变换最优阈值的判定方法。利用小波变换将混沌信号分解,对不同尺度下的小波信号设定浮动因子以调节阈值大小,最后根据混沌序列Volterra自适应预测的相对误差选取最优阈值。利用该方法对不同维度的Lorenz混沌时间序列进行了去噪研究,结果表明所提方法是有效的。     

Condition‐based Maintenance Optimization Using Neural Network‐based Health Condition Prediction

Artificial neural network (ANN)‐based methods have been extensively investigated for equipment health condition prediction. However, effective condition‐based maintenance (CBM) optimization methods utilizing ANN prediction information are currently not available due to two key challenges: (i) ANN prediction models typically only give a single remaining life prediction value, and it is hard to quantify the uncertainty associated with the predicted value; (ii) simulation methods are generally used for evaluating the cost of the CBM policies, while more accurate and efficient numerical methods are not available, which is critical for performing CBM optimization. In this paper, we propose a CBM optimization approach based on ANN remaining life prediction information, in which the above‐mentioned key challenges are addressed. The CBM policy is defined by a failure probability threshold value. The remaining life prediction uncertainty is estimated based on ANN lifetime prediction errors on the test set during the ANN training and testing processes. A numerical method is developed to evaluate the cost of the proposed CBM policy more accurately and efficiently. Optimization can be performed to find the optimal failure probability threshold value corresponding to the lowest maintenance cost. The effectiveness of the proposed CBM approach is demonstrated using two simulated degradation data sets and a real‐world condition monitoring data set collected from pump bearings. The proposed approach is also compared with benchmark maintenance policies and is found to outperform the benchmark policies. The proposed CBM approach can also be adapted to utilize information obtained using other prognostics methods. Copyright © 2012 John Wiley & Sons, Ltd.     

形态分量分析在转子早期碰摩故障诊断中的应用

提出了一种基于形态分量分析的转子早期碰摩故障诊断方法,该方法用形态分量分析从转子早期碰摩故障信号中提取出冲击成分。形态分量分析根据信号中各组成成分的形态差异,构建不同的稀疏表示字典对各组成成分进行分离。当转子系统中出现早期碰摩时,其振动信号往往由以转频及其谐波为主要成分的周期成分、包含转子早期碰摩故障信息的冲击成分及随机噪声构成。周期成分表现为信号中的平滑部分,而冲击成分则表现为信号中的细节部分,因此,可根据周期成分与冲击成分的形态差异,用形态分量分析实现二者的分离。对形态分量分析的阈值方法进行了改进,提出了基于半软阈值的形态分量分析,仿真结果表明,基于半软阈值的形态分量分析要优于基于硬阈值的形态分量分析。对某转子早期碰摩故障信号进行了分析,结果表明,基于半软阈值的形态分量分析能有效地提取转子早期碰摩故障信号中的冲击成分,进而诊断转子早期碰摩故障。     

基于回波信号相似度的气体超声流量计动态阈值法研究

基于双阈值法的气体超声流量计采用第1阈值检测和过零检测确定回波的到达时刻点,然而由于回波波形易受工况环境因素的影响,会导致第1阈值错误,使回波到达时刻点发生错误偏移,影响测量精度,因此提出了一种基于回波信号相似度的动态阈值法.该方法获取回波信号极大值幅值后,计算设定工况和实际工况下回波信号上升区域部分的欧式距离以评估相...     

旋转机械油膜涡动稳定性特征提取与监测方法

结合经验模式分解（EMD）、随机减量技术（RDT）和遗传算法（GA），提出一种用于旋转机械油膜稳定性在线监测的特征提取方法。用经验模式分解从原始振动信号中分解出与油膜稳定性有关的低频分量，用随机减量技术从该低频分量中提取出自由衰减响应，然后采用遗传算法从自由衰减响应中拟合出系统的阻尼比作为稳定性参数。方法已应用于离心压缩机组油膜稳定性的在线监测，结果表明用本方法提取的特征参数能够有效地反映油膜稳定性状态，可对油膜稳定性裕度进行趋势分析，实现稳定性的在线监测和预报。     

基于奇异值分解和灰靶决策的车刀磨损状态判别

针对随机噪声干扰车刀磨损振动信号时域特征提取,车刀磨损判别精度不高的问题,提出一种通过小波包变换和相关系数法提取车刀振动信号的磨损时域特征,采用奇异值分解对磨损时域特征进行去噪处理,去噪处理后获取磨损时域特征。选取与车刀磨损最相关的磨损特征作为参考特征序列,计算参考特征序列与其余磨损特征序列之间的相似关联度,对相似关联度归一化处理得到各磨损时域特征的权值,使用灰靶决策计算各磨损时域特征的综合测度,确定车刀磨损状态。实验结果表明:该方法可以有效地滤除随机噪声干扰。     

基于形态分量分析的滚动轴承故障诊断方法

在改进形态分量分析阈值去噪方法的基础上,提出了基于形态分量分析的滚动轴承故障诊断方法。形态分量分析根据信号中各组成成分的形态差异,构建不同的稀疏表示字典对各组成成分进行分离。当轴承出现局部损伤时,其振动信号往往由以包含轴承自身振动的谐振分量、包含轴承故障信息的冲击分量及随机噪声分量构成。谐振分量表现为信号中的平滑部分,而冲击分量则表现为信号中的细节部分,因此,可根据谐振分量与冲击分量的形态差异,实现二者的分离。本文方法利用形态分量分析对滚动轴承故障信号中的谐振分量、冲击分量和噪声分量进行分离,然后根据冲击分量中冲击之间的时间间隔诊断滚动轴承故障。算法仿真和应用实例表明,本文方法能有效地提取滚动轴承故障振动信号中的故障冲击成分。     

换挡加速度信号的EMD和小波阈值降噪方法

针对采集的换挡工况加速度信号中存在的噪声对换挡品质评价指标值提取的准确性和复杂性产生较大影响的问题,提出一种基于经验模态分解(EMD)和小波阈值方法结合的信号降噪方法。首先利用EMD将含噪的原始信号分解为有限个本征模态函数(imf)分量,然后对高频imf分量进行小波阈值降噪,并将降噪后高频分量和低频分量利用EMD进行重构得到降噪后的信号。最后对某一换挡工况的加速度信号进行降噪试验。试验结果表明,在换挡加速度信号降噪方面,基于EMD和小波阈值的降噪方法与传统的EMD分解降噪、小波阈值降噪相比,能够更好地保留原始信号特征形态,降噪效果更明显。该方法为换挡加速度信号的降噪处理提供了一种可行的思路,为后续整车驾驶性评价创造了条件。