基于关联维数的双跨转子轴承系统故障诊断

以双跨转子轴承系统为研究对象,针对其状态监测与故障诊断中存在的问题,利用虚拟仪器软件平台开发了一套基于关联维数的故障诊断系统。通过提取实验台振动信号并计算其关联维数实现对系统的故障诊断。结果表明,不同工作状态下系统的关联维数各不相同,正常运转时关联维数最小,发生故障时关联维数增加,且关联维数随着嵌入维数的增加成增长的趋势,并趋于稳定。该系统以关联维数作为特征兆量,能够快速准确地对双跨转子轴承系统进行状态监测与故障诊断,具有一定的应用价值。     

基于关联维数的溢流阀故障诊断

针对传统的振动信号处理技术只适合于线性系统,而大多数机器故障都表现出非线性振动的特点,可采用关联维数来描述信号的真实特性。采用C-C算法分别针对溢流阀阀体正常和故障时的振动信号进行计算分析,发现正常时阀体振动信号的关联维数值较大,而发生故障时关联维数值较小,且不同状态关联维不同。     

基于小波分析的风机故障诊断

根据故障信号特征和小波变换多尺度分解性质选取小波分解层次，得到能正确地反映风机运行状态的特征向量；参照特征向量的组成方法，提出并构建基于小波分析的韶钢4号风机典型故障特征表。对待检信号选用db10波进行6层小波分解，利用待检状态的特征向量与典型故障特征表，通过模糊模式识别方法进行风机故障诊断。结合傅里叶分析方法进一步找出风机存在的倍频微弱信号。实际诊断结果表明：振动信号与故障特征表中典型不平衡故障的模糊贴近度达到0．958，从而诊断出实例中风机存在不平衡故障；风机存在0.5倍频微弱信号，据此有利于发现风机与该频率相关的早期微弱故障征兆。     

分形维数在发动机故障诊断中的具体应用

从应用实际出发,运用分形几何的关联,Hausdorff、计盒维数的理论和方法,找出一种求分维数的切实可行、简捷实用的方法,从而研究实施并讨论了在发动机故障诊断中运用分形理论的问题,并且对几个振动故障信号进行了较为具体的分析.     

分形维数在机械故障诊断中的具体应用

从应用实际出发,运用分形几何的关联,Hausdorff、计盒维数的理论和方法,找出一种求分维数的切实可行、简捷实用的方法,从而研究实施并讨论了在发动机故障诊断中运用分形理论的问题,并且对几个振动故障信号进行了较为具体的分析。     

基于小波系数区域相关性的阈值滤波算法

在相关去噪的基础上,提出了一种基于区域相关的滤波算法,克服了通常相关算法中由于各尺度间小波系数的偏移引起的判断准确率低的缺点,进而对小波域滤波之后的系数进行阈值处理,以去除残留的噪声系数。把两种思想截然不同的小波滤波方法合在一起,并作了一些改进,数值试验结果表明,由该方法滤波之后的小波系数不仅连续性好,准确率高,而且易于重构信号。     

关联维数在尾水管压力脉动分析中的应用

以黄壁庄机组尾水管压力脉动试验的实测信号为例,对时域信号进行了频谱分析,并对在不同的工况下尾水管压力脉动信号进行嵌入维数和关联维数分析。结果表明,当嵌入维数大于等于18时,关联维数趋于稳定值。不同工况下水轮机尾水管压力脉动的关联维数也不同,当导叶开度为50.70%时,分形关联维数为3.456 6;导叶开度为62.85%时,分形关联维数为3.388 1。因此,关联维数可以作为对水轮机尾水管压力脉动情况进行识别的指标,可以指导电站的稳定运行。     

图像压缩中基于分形维数的小波基选取

小波函数具有多样性,采用不同的小波基对图像进行压缩后,重构图像的质量有一定差别.为了选取合适的小波基对图像进行小波变换编码,提出一种基于分形维数的小波基选取的图像压缩方法.通过差分计盒法计算相关图像的分形维数,将图像按照分形维数数值的不同划分为不同类别.选取每类中的代表图像,采用多种小波基,分别用SPECK算法对其压缩处理.根据重构图像峰值信噪比的数值,得出每类图像适合的小波基.实例分析表明,该方法可以在一定程度上提高小波图像编码的峰值信噪比.     

经验模式分解及关联维数在心音信号分类识别中的应用

针对心音信号非线性、非平稳的特性,提出一种基于经验模式分解(EMD)和关联维数的心音特征提取方法.首先通过EMD方法将心音信号分解成若干个固有模态函数(IMF),并利用互相关系数准则对IMF进行筛选,结合G-P算法对主IMF(IMF1~IMF4)分量分别求其关联维数,以此作为神经网络的输入向量,实现了对正常心音信号和病理心音信号的分类识别.对于重构相空间中的两个重要参数时间延迟τ和关联维数m,分别采用互信息函数法和用Cao算法确定.对临床采集的心音数据按该方法进行测试,结果表明,该方法能有效地识别心音.     

基于小波分析的水泵机组振动故障诊断

介绍了小波分析的基本原理、多分辨率分析的特点以及与Matlab相结合后在故障信号分析方面所具有的灵活、简洁直观等优势,并通过具体的信号分析,探讨了其用于故障诊断的可行性及其在定位信号成分的情况下相对于传统的傅里叶分析的优越性,且通过小波系数的分析和处理,可消去原始信号中与故障无关的信息、定位突变点、奇异性检测等,结合水泵机组振动故障的研究,提出小波分析用于故障诊断的基本步骤,在清楚水泵机组振动故障信号特征的情况下,能有效地进行水泵机组的故障诊断.     

小波神经网络在变压器故障诊断中的应用

为提高神经网络系统故障诊断的效率和准确率,考虑到小波变换的良好的时－频特性,本文结合小波变换和神经网络并应用于电力变压器的故障诊断中,取得了较好的效果。     

基于UDWT和关联维技术的弱缺陷特征辨识

将小波的强局部分析能力和分形的强非线性处理能力进行优势联合,采用平移不变小波变换(UDWT)记录波形分频,提取深层有效缺陷信息;对缺陷频段实施分形分析,在敏感尺度段内设立关联维阀值判据,实现缺陷和故障的参数化振动诊断。模型实验证明该技术对无损检测领域弱故障信息的提取和大规模地下土木结构的缺陷普查有着较大的应用潜力。文中还讨论了关联维的影响因素,对UDWT和改进关联维方法编制了相应计算程序。     

基于小波和神经网络的传感器故障诊断

提出了一种新的基于小波包变换和BP神经网络的传感器突变故障诊断方法。根据小波变换在时域和频域都具有良好的局部化特性对信号特征进行精确定位,根据传感器输出信号的小波包分析提取能量变化率的特征向量,利用BP神经网络进行传感器故障分类。这种方法无需预先建立传感器模型和测量传感器输入信号,通过对小波包系数的削减,减少了冗余数据,提高了故障检测的实时性。仿真实验结果表明了该方法的有效性。     

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.     

基于经验模式分解和广义维数的机械故障诊断

结合经验模式分解方法和广义维数的特点,提出了基于经验模式分解和广义维数的机械故障诊断方法。先对信号进行经验模式分解,得到内禀模态函数,然后求每个内禀函数的广义维数,从中提取盒维数、信息维数和关联维数,组成广义维数矩阵。通过分析待检测信号和各样本信号的广义维数矩阵相关系数,判断故障状态。实验结果表明,该方法可以准确地识别机械故障状态,是一种有效的机械故障诊断手段。     

基于小波包LVQ网络的传感器故障诊断

提出小波包分解提取各个节点特征能量与LVQ神经网络进行故障模式分类的传感器故障诊断方法.小波包三层分解得到各个节点的分解系数,通过一定的削减算法使得故障瞬态信号的特征得到加强,再根据重构的时域信号计算各个节点对应的能量,作为特征向量训练LVQ神经网络.通过正常状态及各种故障模式下的特征数据训练,LVQ网络具有了传感器故障诊断的功能.最后,通过火箭发动机试车台液氢管路流量传感器数据对训练之后的LVQ神经网络进行检验,验证了这种方法的实用性和有效性.