基于CMMFDE与多传感器信息融合的旋转机械故障诊断研究

采用单一传感器采集的振动信号难以准确描述旋转机械动态特性,导致提取的故障特征无法准确辨识旋转机械故障。针对这一缺陷,提出了一种基于复合多元多尺度波动散布熵(CMMFDE)、多传感器信息融合和哈里斯鹰算法优化极限学习机(HHO-ELM)的旋转机械故障诊断方法。首先,引入复合多元粗粒化处理,提出了CMMFDE方法,避免了传统单变量分析方法只能处理单一通道振动信号而导致特征的表征性能不足的缺陷,增强了故障特征的表征性能;随后,利用布置在旋转机械不同部位的传感器收集了多种类型的信号,组成混合多通道信号,并进行了CMMFDE分析,构建了故障特征;最后,采用HHO对极限学习机的参数进行了自适应优化,并对特征样本进行了训练和测试,完成了旋转机械的故障识别工作;利用齿轮箱、离心泵两种典型的旋转机械数据集进行了实验分析。研究结果表明：该方法对多个通道的信号进行分析时,所获得的准确率达到了100%和98%,优于对单个通道信号进行分析时获得的准确率,同时CMMFDE方法的准确率和特征提取时间均优于精细复合多元多尺度熵(RCMMSE)、精细复合多元多尺度模糊熵(RCMMFE)、精细复合多元多尺度排列熵(RCM...     

基于全矢谱的旋转机械谱强度预测技术研究

针对旋转机械单源振动信号信息具有不完善性的缺陷,基于数据融合思想,将全矢谱技.术与时间序列预测技术相结合,提出了基于全矢谱技术和时间序列技术的预测方法,并给出其运算方法.实验表明,该方法能够全面、准确地反映机械转状态的发展趋势,是一种准确、有效、实用的旋转机械状态预测方法.     

全信息小波能量熵及其在旋转机械状态监测中的应用研究

结合全信息技术、小波分析以及信息熵的基本理论,提出全信息小波能量熵的概念.用小波分析将两个垂直通道的信号分别分解至不同的频率带,综合所有分解系数计算得到小波熵,对融合信号能量分布的紊乱程度进行量化.仿真计算表明,全信息小波能量熵能反映融合振动信号能量分布的复杂性,且对能量分布的变化较为敏感,可作为衡量设备工作状态的指标,应用于旋转机械状态监测中.     

基于HRFDE和GSA-PNN的旋转机械故障识别模型

采用波动散布熵只能提取故障振动信号的单一尺度特征，而多尺度反向波动散布熵(MRFDE)无法分析信号的高频特性信息，导致提取的故障特征不够全面，进而影响旋转机械故障识别准确率，针对这一问题，提出了一种基于层次反向波动散布熵(HRFDE)和引力搜索算法优化概率神经网络(GSA-PNN)的旋转机械故障诊断模型(方法)。首先，利用层次分割处理代替MRFDE中的粗粒化处理，提出了可以同时提取信号中低频段信息和高频段信息的HRFDE方法，并用于全面表征旋转机械故障特征中的低频和高频信息，从而生成了故障特征样本；然后，采用引力搜索算法(GSA)方法对概率神经网络(PNN)分类器的平滑因子进行了快速优化，建立了GSA-PNN多故障分类模型，对旋转机械的故障类型进行了识别和检测；最后，利用滚动轴承和齿轮箱两种典型的故障数据集，对基于HRFDE方法和GSA-PNN分类器的故障诊断方法的有效性和稳定性进行了实验分析，并将其与现有基于MRFDE、多尺度波动散布熵(MFDE)和层次散布熵(HDE)的故障特征提取方法进行了对比分析。研究结果表明：基于HRFDE方法和GSA-PNN分类器的故障诊断方法可以精准地识别...     

基于信息熵贴近度和证据理论的旋转机械故障诊断方法

从信息融合的思路出发,建立反映振动能量的旋转机械故障状态的信息熵特征,如奇异谱熵、功率谱熵、小波空间状态特征谱熵和小波能谱熵。通过试验,建立了旋转机械典型故障下的信息熵期望值,即获得基于信息熵的故障诊断标准特征向量。由于传感器的不确定性和故障的多样性,提出采用D-S证据理论来对4种信息熵进行信息融合。根据越相似模式间的距离越短的思路,提出采用信息熵贴近度来建立证据理论的基本可信度分配,以基于基本可信数的决策方法来作为故障模式识别方法。通过实例计算,证明基于信息熵贴近度和证据理论的旋转机械故障诊断方法是故障模式定量识别的一种可行的新方法。     

基于数学形态谱熵的机械部件性能退化特征提取

提出了基于数学形态谱熵的性能退化特征提取方法。首先对机械状态振动信号进行多尺度形态分解,建立数学形态谱,在此基础上,结合信息熵理论,度量振动信号在不同尺度域划分下的形态复杂性。实验结果表明,以数学形态谱熵作为特征参数,可以有效地描述轴承、齿轮等旋转机械部件的性能退化趋势。     

旋转机械同源数据全信息倒频谱分析与应用

提出一种基于旋转机械同源数据融合的全信息倒频谱（full information cepstrum,FIC）分析方法。研究旋转机械同源信息融合的转子回转能量谱,并在此基础上研究全信息倒频谱分析方法。成功地将全信息分析理念拓展到频域分析以外的分析领域,将其应用于高速旋转动力齿轮的故障诊断,取得明显的效果。     

基于全矢谱的风力发电系统齿轮箱的故障诊断

介绍了风力发电齿轮箱系统变载荷、低转速、工况复杂的运行特点,阐述了风力发电系统齿轮箱的主要故障特征,针对旋转机械单源振动信号信息具有不完善性的缺陷,提出了基于同源信息数据融合的思想,将全矢谱技术应用于风电齿轮箱的故障检测方法。结合北方某风电场19#风机齿轮箱故障检测的实例,将全矢谱技术应用于诊断实例且得到了正确的诊断结果,证实了将全矢谱技术应用于风电齿轮箱检测中是准确、有效、实用的旋转机械故障诊断方法。     

柯尔莫哥洛夫熵及其在故障诊断中的应用

熵作为一个状态函数 ,表征了系统能量在空间分布的均匀程度 ,直接反映了系统的状态。本文详细分析了柯尔莫哥洛夫熵 (Kolmogorov熵 ,简称 K熵 )的物理含义及其从实测的时间序列中计算 K熵数值的算法 ,并首次将 K熵引入大型旋转机械的故障诊断领域中 ,利用 K熵的计算数值作为故障的特征值来识别机械的故障类型及严重程度     

融合多传感器数据的抓取机械臂末端定位研究

抓取机械臂末端定位过程中受环境干扰的影响,导致定位精度和稳定性较差,为此提出融合多传感器数据的抓取机械臂末端定位方法。首先建立融合多传感器数据的抓取机械臂末端误差模型,通过目标检测模型确定目标位置。采用遗传算法计算出抓取机械臂末端各关节的旋转变量补偿值,最后将修正值应用到融合多传感器数据的机械臂终端执行器中,完成抓取机械臂末端定位。实验结果表明,所提方法的定位耗时短、置信度高、定位精度高,具有一定的有效性。     

平稳熵 : 一种新的机组运行瞬时稳定性定量化监测指标

以信息熵和时频分析为基础,提出了一种用于大型回转机组运行瞬时稳定性定量监测的新指标：平稳熵。通过对模拟数据和实际现场数据的分析表明,平稳熵很好地反映出了机组运行瞬时各频率处的稳定性大小,为机组的智能化监测和诊断提供了一种平稳性的量化数据。     

大型工程机械车辆液压回转运动分析与研究

大型工程机械车辆在启停、换向等回转运动过程中,会产生液压冲击,严重影响了车辆的平稳性,操作者的舒适性和安全感,同时缩短了车辆的使用寿命。通过分析大型工程机械车辆液压回转速度不易控制、停止动作冲击大、停转不平稳的问题,根据实际作业工况及车辆自身特点,对液压回转系统原理进行了改进,并通过测试,回转系统的性能得到了提升。     

非线性转子-机匣密封碰摩系统的耦合振动分析

随着旋转机械结构参数的提高,作用在转子上的气流激振力将显著增大．针对转子-机匣密封碰摩系统进行了研究．应用MuSzynska非线性密封力模型,建立了在气流激振力作用下的转子-机匣碰摩系统耦合动力学方程,分析了在非线性密封力作用下的碰摩转子运动特性．着重讨论了迷宫密封的物理和结构参数对碰摩转子运动特性的影响．研究结果表明,系统具有非常丰富的非线性动力学行为,气流激振力对碰摩转子的准周期运动有明显的抑制作用,密封结构的各主要参数对系统稳定性有很大影响,可以通过调整密封参数来改善系统的动态稳定性．为旋转机械的理论设计和故障动态监测提供了依据．     

用于桩工机械的多功能回转平台的设计

随着城市交通、大型建筑、工矿等基础建设需求量的不断增大,地层复杂性日益显现,施工难度不断增大,用户对桩工机械性能和功能的要求不断提高。对此,设计了用于桩工机械的多功能回转平台。介绍了多功能回转平台的结构和原理,对多功能回转平台进行了变形与应力分析。这一多功能回转平台可以应用于不同型号、不同配置的桩工机械上,通过更换不同的工作装置,满足桩工机械细分市场需求,实现一机多用。     

偏心负载作用下摆动气缸速度稳定性的研究

本文针对偏心负载作用下的摆动气缸速度稳定性问题进行了研究.讨论了偏心负载下摆动气缸运动过程中不稳定现象的成因、特点和规律,并提出了一种偏心负载下摆动气缸速度稳定性优劣的评价指标αc,数值仿真和实验验证证明了该评价指标的有效性和合理性.研究结果为进一步解决偏心负载作用下摆动气缸速度稳定性问题提供了理论依据和衡量标准.     

基于SPH法的板结土壤深耕技术研究

为解决板结土壤的耕作问题,提出了用于小型作业机的反旋凿切和正旋旋耕相结合的耕作机具。利用光滑粒子流体动力学(SPH)方法对正旋旋耕土壤过程进行了三维数值模拟,从而得出不同参数下旋耕刀具的受力情况,结合反旋凿切的仿真数据,进行刀具的匹配并设计相应的相位角,使反旋凿切刀和正旋旋耕刀相互抵消各自的作用力,降低能耗,提高工作效率,从而开发出适合在板结土壤上进行耕作的小型作业机。本研究方案所得数据和分析过程对于小型作业机的开发设计具有重要意义。     

旋转机械虚拟探头融合检测技术研究

针对旋转机械振动检测中易造成的强度和谱结构误差,提出一种基于同源数据融合方式的虚拟探头检测方法.该方法将探头虚拟在任一谐波轨迹的最大强度方向,为提取各谐波的最大强度提供了理论依据和计算方案.该方法不仅可以方便地从截面检测拓展至三维空间,而且可以方便地推广到其他数据处理方法.构建了一种全新的基于数据的检测分析体系.对于提高旋转机械检测的精确度和故障诊断的准确率,具有重要的理论和工程意义.     

基于短时滑移模糊熵和LPP的轴承故障诊断

针对旋转机械设备的故障特征微弱和环境噪声强等问题,提出了一种基于短时滑移模糊熵和局部保留投影法(locality preserving projection,简称LPP)的故障特征提取方法。首先,通过对滑移截断短时序列的架构分析,引入多尺度复合模糊熵,获得信号在不同复合尺度下的特征信息和故障潜在特征,能准确反应信号复杂度和不确定性;其次,应用LPP流形降维并保留信号的局部数据特征,设计最优带通滤波器,对轴承振动信号进行故障冲击特征提取。仿真分析和实验数据结果验证了该方法在强背景噪声情况下降噪抑制方面的有效性,具有快速识别和提取滚动轴承的微弱冲击特征的能力。     

递归图和近似熵在设备故障信号复杂度分析中的应用

将一维时间序列采用相空间重构算法将其扩展到高维相空间中,通过研究时间序列在高维空间中的邻近点分布规律和运动特点,提出采用递归图和近似熵获取原始时间序列的动力学行为的方法。对递归图受噪声的影响,近似熵的数值稳定性进行研究,结果表明两种算法在较短的数据集下就能有效地对信号的复杂度进行描述。同时将近似熵和递归图用于设备振动信号的复杂度描述,对两组不同的信号的递归图和近似熵进行比较,得出的结论与实际相符。