基于模板匹配和镜像延拓的两阶段经验模态分解算法

针对传统经验模态分解算法存在的端点效应问题,提出了一种适用于脉搏信号分析的基于模板匹配和镜像延拓的两阶段经验模态分解算法。依据脉搏信号的类周期特征,首先识别其特征信息,分离出单一心动周期内的脉搏信号;然后使用信号相干平均技术获取脉搏信号模板,依据模板将首尾端点处的脉搏信号扩展至整个心动周期;最后采用镜像延拓方法对扩展后的脉搏信号进行经验模态分解。实验结果表明,扩展后的脉搏信号能够较好地模拟原信号首尾端点处的变化趋势,因此新算法能够有效抑制传统经验模态方法存在的端点效应问题,适用于诸如脉搏信号等具有类周期特征的生理信号分析。     

基于BP神经网络的风机转子故障诊断

应用BP算法对转子进行故障诊断，首先论述了BP算法的基本原理，然后提出了输出模式矩阵的改进方法，既将常用的单位矩阵来表示的故障模式转变为二进制结构，由此简化了网络结构，明显减少了样本训练次数，提高了计算故障诊断中对单一故障尤为有效，最后通过实例进行分析，证明这一方法对提高运算速度十分有效。     

基于KPEMD与INFO-SVM的柱塞泵故障诊断

针对难以从转辙机柱塞泵的非线性振动信号中有效提取故障特征以及各分量之间存在模态混叠现象等问题,提出了一种非线性自适应正交经验模态分解(Kernel Principal Empirical Mode Decomposition, KPEMD)与向量加权平均算法优化的支持向量机(INFO-SVM)结合的故障诊断方法。首先通过KPEMD方法将原始信号分解为多个IMF分量,根据相关系数筛选出故障信息丰富的敏感分量;其次提取敏感分量的时域频域特征及能量熵构造混合特征样本集;最后输入到INFO-SVM多分类器中进行故障识别。利用柱塞泵实验数据进行对比分析,结果表明：KPEMD能够有效减弱模态混叠现象,充分提取故障信息,INFO优化SVM的识别准确率优于其它常用算法的优化结果。本方法能有效识别出转辙机柱塞泵的不同故障类型,诊断准确率达到98%。     

转子轴心轨迹故障诊断特征识别方法研究

转子轴心轨迹形状反映转子系统的工作状态,用神经网络方法可识别志子轴心轨迹形状,但神经网络的训练速度和稳定性输入数据编码方式有关,提出一种使轴心轨迹图形编码得到较大压缩的平面图形可变等长度压缩编码方法,从而减少了轴心轨迹神经网络识别系统的输入变元数,使训练后的神经网络的联想能力得到较大提高,也加快了网络的训练速度及稳定性。将该图形形状识别系统加入到故障诊断专家系统中,提高了故障诊断专家系统的自动诊断     

汽轮机转子故障诊断算法应用研究

对汽轮机转子故障进行诊断是确保汽轮机安全运行的关键。振动信号的分析在汽轮机转子故障诊断中广泛应用。应用小波包分析方法提取振动信号特征值,进一步作为BP神经网络的输入量,建立信号特征与其故障类型的非线性映射关系,利用神经网络实现故障诊断。仿真结果表明,该方法可以有效地对汽轮机转子故障进行诊断。     

基于定子绕组等效灌注直流的电机转子故障诊断

提出了基于向定子桌相等效灌直流的感应电机转子故障诊断新方法。该方法通过一种简单的电路装置等效地向定子绕组灌注一个直流信号。当电机转子故障时，定子电流中将会出现f=2（1-s〉f1（s为转差率。f2为电网频率）故障特征频率分量。以三相基波正序电压及其希尔波特变换构造PQ变换矩阵，用其对定子三相电流进行变换，得到有功功率P和无功功率Q0由于正常电机P、Q均恒定，在PQ坐标系下对应一个点；故障电机则由于P、Q中附加频率为f=（1-2s）fs的波动分量而对应于一个椭圆。通过比较电机正常及转子断条故障运行时P、Q在Pp坐标系下对应的模式,实现转子断条故障的可靠检测。     

异步电机转子断条故障诊断研究

针对异步电机转子断条故障诊断中,原始信号包含的故障特征成分能量微弱,其提取过程较为繁琐,给断条故障的及时诊断带来不便,提出一种基于经验模态分解(Empirical Decomposition Mode,EMD)能量熵,主成分分析(Principal Component Analysis,PCA)和支持向量机(Support Vector Machine,SVM)相结合的新诊断方法,无须提取信号中的故障特征频率就能对电机断条故障做出准确的判断。该方法选取振动信号经过PCA处理后的EMD能量熵作为新的故障识别分类的特征量,然后支持向量机模型便可以根据断条故障前后振动信号EMD能量熵内在变化规律对转子正常和断条故障时的两种振动信号进行准确分类。通过实验分析表明,该方法操作便捷且简单,能够将转子正常和发生断条故障时的两种振动信号数据全部准确的识别分离,达到对转子断条故障进行有效识别诊断的目的,验证了方法的实用和有效性。     

PQ变换与大型感应电机转子故障诊断

为避免频率检测误差对感应电机转子故障诊断的影响,提出了一种基于PQ变换的转子断条故障诊断新方法.利用电机的端电压,构造PQ变换矩阵,将电机端电流变换到PQ平面,实现了转子断条故障特征的可靠抽取,从而不受电网供电频率波动的影响.该方法不仅克服了电流频谱分析方法的不足,而且解决了Park矢量分析法时图形识别难的问题.定义了一种新的独立于负载等级及惯量大小的故障严重因子,给出了可靠区分转子故障与负荷波动的方法,实验结果证明了该方法的有效性.     

基于FFT的干涉图延拓方法研究

用二维FFT方法处理干涉图时,由于FFT算法只能处理数字化的离散数据,且要求数据分布区域必须是矩形状,因此必须设法将圆形区域干涉图扩展延拓成方形区域.在研究二维FFT法进行干涉测试基本原理的基础上,提出了一种干涉图空域迭代延拓的原理和方法,利用该方法对一幅实际干涉图进行了空域延拓,并取得了满意的效果.     

基于EMD解调方法的齿轮早期故障诊断

为了提取早期数据的故障信息,对大型机电设备进行预知的故障诊断,针对某高线轧机近期发生的一次辊箱齿轮打齿故障,采用基于经验模式分解(empirical mode decomposition,简称EMD)技术和Hilbert包络解调分析相结合的方法,获得了早期裂纹故障信息被清晰提取的结果.对机械早期故障振动信号的分析结果表明,基于EMD的分解技术加包络解调法能有效地提取机械故障振动信号的特征,利于提早发现故障隐患.     

基于IMF信息熵与SVM的转子振动故障智能诊断方法

提出了基于内禀模态信息熵与支持向量机的转子振动故障诊断方法。采用EMD方法将转子振动信号分解为若干个内禀模态分量,由各个内禀模态分量的信息熵构成转子状态的特征参数。采用支持向量机分类器对故障类型进行分类。通过转子试验台的仿真实例证明了该方法的有效性。另外,在特征提取环节对比采用了传统的Fourier变换法,结果体现了EMD方法在非线性和非稳态信号处理上的优越性。     

Application of extension method to fault diagnosis of transformer

A novel extension diagnosis method was proposed for enhancing the diagnosis ability of the conventional dissolved gas analysis. Based on the extension theory a matter-element model was established for qualitatively and quantitatively describing the fault diagnosis problem of power transformers. The degree of relation based on the dependent functions was employed to determine the nature and the grade of the faults in a transformer system. And the proposed method was verified with the experimental data. The results show that accuracy rate of the diagnosis method exceeds 90% and two kinds of faults can be detected at the same time.     

基于自适应滤波的滚动轴承故障诊断研究

针对固有频率未知的滚动轴承故障诊断问题，提出了一种基于经验模态分解的自适应滤波方法。讨论了经验模态分解方法及其在获取固有模态函数过程中的自适应滤波特性。通过对滚动轴承故障振动信号进行经验模态分解得到固有模态函数，运用希尔伯特变换解调固有模态函数得到包络幅频图，获取滚动轴承故障特征频率，进而确定滚动轴承的故障位置。应用该方法对仿真和实际数据进行了分析，并与冲击脉冲法作了比较。结果表明，基于经验模态分解自适应滤波的滚动轴承振动信号解调方法能够更有效地突出故障特征频率成分，避免误诊断。     

Hilbert-Huang变换在汽轮机故障诊断中的应用

汽轮机故障诊断的核心是汽轮机振动信号处理。在现场采集的汽轮机振动信号是一个非线性非平稳信号,在使用传统的信号处理方法进行处理时都不能取得理想的效果。为了更加有效的对汽轮机振动信号进行处理,介绍了一种时频分析方法Hilbert-Huang变换,使用该方法对汽轮机振动信号进行分析,可以将故障信号从高频到低频逐个分解出来,从而根据故障信号特征频率进行汽轮机故障诊断。并且,通过仿真实验证明了使用该方法处理汽轮机振动信号可以取得较好的效果。     

汽轮发电机转子绕组匝间短路故障研究

对汽轮发电机发生转子绕组匝问短路故障后,电磁特性和电气参量的变化进行了分析。发现了故障发生后励磁电流增加而无功输出却相对减少的特征,提出了利用故障前后励磁电流的计算值和测量值之间的相对变化率作为识别故障严重程度的一个实用的方法,建立了在线识别转子匝间短路的故障判据。该判据利用发电机转子匝间短路的动态模拟试验机组进行了相关的实验验证。     

基于模糊域和支持向量机的故障诊断方法

将模糊域分布和支持向量机相结合,提出了一种故障诊断的新方法,该方法将模糊域分布中的局部能量作为特征输入到支持向量机的多故障分类器进行故障识别.利用模糊域分布可以很好地刻画信号的时频局部化特征,与时-频平面特征提取相比,又可大大降低数据维数.对于不同类型的核函数分布,将其诊断结果进行比较,试验结果表明,基于模糊域的支持向量机故障分类无需核函数滤波就能取得最好的分类效果.     

基于机电综合特征的发电机转子故障诊断系统的研究

首先分析了转子绕组匝间短路、气隙静偏心、气隙动偏心、转子不平衡等发电机转子故障发生时的振动特征和定子绕组并联支路间环流变化特征,得出不同故障引起的环流特征和振动特征的机电综合特征存在差别,从而提出了基于转子振动和定子绕组并联支路环流的机电综合特征的发电机振动故障识别方法。然后利用LabVIEW软件和PCI-6251数据采集卡,研制了基于虚拟仪器技术发电机故障检测系统,能够实现发电机信号的采集、在线分析、数据库管理、发电机参数查询、故障诊断等功能,并在SDF-9型故障模拟实验机组上完成调试,达到预期效果。     

Research of Multi-Agent System based satellite fault diagnosis

0　ＩＮＴＲＯＤＵＣＴＩＯＮＮｏｗ ,Ｓａｔｅｌｌｉｔｅｓａｒｅｗｉｌｄｌｙｕｓｅｄｉｎｅｖｅｒｙｆｉｅｌｄｉｎｃｌｕｄｉｎｇｃｏｍｍｕｎｉｃａｔｉｏｎ ,ｎａｔｉｏｎａｌｄｅｆｅｎｓｅ ,ｗｅａｔｈｅｒｆｏｒｅｃａｓｔ,ｅｎｖｉｒｏｎ ｍｅｎｔｍｏｎｉｔｏｒｉｎｇａｎｄｅｔｃ .Ｔｈｅｉｍｐｏｒｔａｎｃｅａｎｄｃｏｓｔｏｆａｓａｔｅｌ ｌｉｔｅａｒｅｇｏｉｎｇｕｐ .Ｔｈｅｓｔｒｕｃｔｕｒｅａｎｄｆｕｎｃｔｉｏｎａｒｅｂｅｃｏｍｉｎｇｃｏｍｐｌｉｃａｔｅｄ .Ｉｔ’ｓｓｏｕｒｇｅｎｔｔｏｆｉｎｄｏｕｔａｎｅｆ…     

基于最小二乘支持向量机和能量频谱分析的电机匝间短路故障诊断

针对异步电机的构造与定子匝间短路故障,提出了一种基于最小二乘支持向量机和能量频谱分析的故障诊断方法,该方法通过样本误差来选择贡献量比较大的样本,同时又顾及到其它样本的一些属性,再通过最小二乘支持向量机来进行训练,在保证算法的精度和推广的能力的同时,可以减少训练样本的数量,因而训练速度会很快。此方法具有鲁棒性和快速性,同时它也会削弱部分干扰样本的影响,从而减少误判的概率。实验结果显示,使用最小二乘支持向量机和能量频谱分析的故障诊断方法,对电机故障方式进行诊断具有一定的可行性和有效性。