基于混合核函数支持向量机的齿轮诊断方法研究

支持向量机是一种基于统计学习理论的新型机器学习方法,它具有在训练样本很少的情况下达到很好的分类效果的优点.把支持向量机技术应用于齿轮故障诊断,通过预先使用局部、全局核函数支持向量机的分类结果适当选取各自在混合函数中的权重,来作为混合核函数进行支持向量机分类.实验和数据分析证明,使用混合核的支持向量机比单独使用全局或局部...     

基于核函数Fisher鉴别分析的特征提取方法

提出一种基于核函数的Fisher鉴别分析的故障特征提取方法。该方法通过内积核函数将原始特征空间映射到高维特征空间,然后在高维特征空间作线性Fisher判别分析,从而得到原始特征空间的非线性特征,最后应用滚动轴承的故障数据对该方法进行了检验。结果表明,与线性Fisher鉴别分析和核主元分析方法相比,基于核函数的Fisher鉴别分析更适合提取机械故障的非线性特征,它所提取的故障特征对故障具有更好的识别分类能力,并且对分类器具有较强的鲁棒性。     

EMD方法在转子局部碰摩故障诊断中的应用

针对转子系统局部碰摩故障振动信号的特征，将经验模态分解方法（Empirical Mode Decomposition，简称EMD）应用于转子局部碰摩故障诊断中。采用EMD方法对转子振动信号进行分解，实现碰摩、背景和噪声信号分离，从而提取转子系统局部碰摩振动信号的故障特征。试验分析结果表明，对具有局部碰摩故障的转子振动信号进行EMD分解得到的基本模式分量（IMF）具有明显的调幅特性，而其他状态下的转子振动信号经过EMD分解后得到的IMF分量没有明显的调幅特性。因此，EMD方法可以有效地应用于转子系统局部碰摩故障诊断中。     

基于核函数的三坐标空间测量误差估计

由于三坐标测量过程中涉及多种测量误差因素,因此在快速测量过程中对误差特性进行详细分析就比较复杂。本文以移动桥式三坐标测量机为研究对象,运用基于非参数回归模型中的核函数估计法对手动三坐标测量机的空间测量误差进行了多元非线性建模和预测。通过对采集数据进行回归拟合,并与参数建模的拟合结果进行对比分析后可知,非参数回归模型中的核函数估计法具有更好的预测效果。     

基于非线性输出频率响应函数的斜裂纹转子故障诊断方法研究

以斜裂纹为研究对象,将非线性输出频率响应函数(Nonlinear output frequency response function,NOFRF)应用到含有斜裂纹转子系统的故障诊断中。对比分析了斜裂纹不同倾角,不同裂纹深度和不同裂纹位置下的NOFRF值的变化情况,得到了具有一定价值的结论。实验结果表明,系统的NOFRF值对裂纹的不同倾角、裂纹的不同位置和裂纹深度的变化相当的敏感。因此,根据系统的NOFRF值的变化情况,可以有效监测转子系统中的斜裂纹故障。     

核函数主元分析及其在齿轮故障诊断中的应用

提出了基于核函数主元分析的齿轮故障诊断方法。该方法通过计算齿轮振动信号原始特征空间的内积核函数来实现原始特征空间到高维特征空间的非线性映射。通过对高维特征数据作主元分析,得到原始特征的非线性主元,以所选的非线性主元作为特征子空间对齿轮工作状态进行分类识别。用齿轮在正常状态、裂纹状态和断齿状态下的试验数据对该方法进行了检验,比较了主元分析与核函数主元分析的分类效果。结果表明,核函数主元分析能有效的检测裂纹故障的出现,正确区分不同的故障模式,更适于提取故障信号的非线性特征。     

基于Kernel‑MCCA特征融合的齿轮故障诊断方法

针对转速波动工况下齿轮故障难以辨识的问题,提出了一种基于核函数的多重集典型相关分析方法（kernel?multiset canonical correlation analysis,简称Kernel?MCCA）,实现基于多传感信息的特征层融合,并将其应用到转速波动工况下的齿轮断齿、点蚀、磨损以及剥落故障的辨识。首先,将多传感器采集的振动信号进行小波包分解,计算能量特征矩阵;其次,利用多重集典型相关分析进行特征层融合,构建的融合特征输入到K近邻（K?nearest neighbor,简称KNN）分类器中并输出诊断结果;最后,利用齿轮振动实验台进行实验研究。结果表明,笔者所提的特征融合方法比单传感器方法识别准确率提高了5%左右,比传统的多重典型相关分析特征融合方法识别准确率提高了2%左右,可有效解决转速波动下齿轮故障状态辨识问题。     

基于非线性输出频率响应函数的裂纹故障诊断方法研究

将非线性输出频率响应函数(nonlinear output frequency response function,NOFRF)引用到裂纹转子的故障诊断中,提出基于NOFRF的转子裂纹的故障诊断方法。该方法通过辨识不同位置、不同深度的裂纹转子的NOFRF值,对裂纹故障进行诊断,得到一些有价值的结论。实验结果表明,系统各阶NOFRF值对转子裂纹不同位置和深度的变化相当敏感,可有效辨识裂纹故障的严重程度。     

基于MSKPCA和SVM的转子故障诊断模型及应用

为提高转子故障分类与辨识的准确率,围绕故障数据的降维问题开展了研究工作。在构造了多核函数的一种特殊形式多尺度核函数前提下,研究了多尺度核函数主成分分析(Multi-Scale Kernel Principal Component Analysis,MSKPCA)法在转子故障原始特征集降维中的应用途径。将获得的新的故障特征集输入到支持向量机(SVM)进行训练与辨识,建立了具有多尺度核多层核的转子故障诊断模型。研究结果表明,在多尺度核主成分分析法中合理地选用多尺度核函数,能够更好地提取转子故障不同尺度下的敏感信息,可为转子故障辨识提供更加精确的样本,能有效地提高转子故障诊断的准确率。该研究为转子系统故障数据特征降维提供了一种新方法,为核方法在转子故障诊断中的应用提供了新的思路。     

基于非线性输出频率响应函数的转子不对中-碰摩耦合故障诊断方法研究

基于非线性输出频率响应函数(NOFRF)的独特优势,将非线性输出频率响应函数引入到转子不对中-碰摩耦合故障中,提出了基于非线性输出频率响应函数的转子不对中-碰摩耦合故障诊断方法。利用提出的方法辨识得到了不同对中度及其角度的转子系统的NOFRF值,对比分析了不对中度及其角度对转子系统各阶NOFRF值的影响。仿真结果表明随着不对中度和角度的增加,NOFRF中二次谐波二阶非线性输出频率响应函数和二次谐波四阶非线性输出频率响应函数有着较为明显的增幅;一次谐波三阶非线性输出频率响应函数随不对中角度的增加而减小。因此,可以依据二次谐波二阶非线性输出频率响应函数、二次谐波四阶非线性输出频率响应函数、一次谐波三阶非线性输出频率响应函数值的变化规律识别转子系统的不对中程度。最后通过试验结果验证了仿真结果的正确性,研究成果为具有不对中-碰摩耦合故障的转子系统的故障诊断提供了重要的依据。     

基于一种新的时频分布的机械故障诊断

在巧妙构思核函数的基础上,给出了一种新的时频分布(TFC)及其离散算法,并将该TFD应用于机械故障诊断。结合两个诊断实例,同时与Winger-Ville分布(WVD)进行对比,发现该分布具有良好的时频聚集性,并且能够有效的抑制交叉项。事实证明,该分布能够刻画出传统Fourier变换和WVD所不能反映的故障特征信号,能够较好的进行故障诊断。     

GENERATOR VIBRATION FAULT DIAGNOSIS METHOD BASED ON ROTOR VIBRATION AND STATOR WINDING PARALLEL BRANCHES CIRCULATING CURRENT CHARACTERISTICS

Rotor vibration characteristics are first analyzed,which are that the rotor vibration of fundamental frequency will increase due to rotor winding inter-turn short circuit fault,air-gap dynamic eccentricity fault,or imbalance fault,and the vibration of the second frequency will increase when the air-gap static eccentricity fault occurs.Next,the characteristics of the stator winding parallel branches circulating current are analyzed,which are that the second harmonics circulating current will increase when the rotor winding inter-turn short circuit fault occurs,and the fundamental circulating current will increase when the air-gap eccentricity fault occurs,neither being strongly affected by the imbalance fault.Considering the differences of the rotor vibration and circulating current characteristics caused by different rotor faults,a method of generator vibration fault diagnosis,based on rotor vibration and circulating current characteristics,is developed.Finally,the rotor vibration and circulating current of a type SDF-9 generator is measured in the laboratory to verify the theoretical analysis presented above.     

转子故障贝叶斯诊断网络的研究

将贝叶斯网络技术引入到转子故障诊断领域,旨在提高故障诊断中不确定信息的处理能力和推理质量;提出了用于转子故障诊断的一般网络框架,使诊断故障时既考虑了实际的运行工况,又考虑了现场的故障征兆,这符合专家的诊断思路;转子同频故障网络算例验证了其良好的识别效果。     

基于方差随机序列的故障诊断方法

研究发现,方差随机序列的样本标准差能很好表征没备性能的稳定状况,由此提出一种新的故障诊断方法,该方法首先给出一种新的故障诊断特征量,然后采用Mahalanobis距离建立相应的判别函数,进而能对谱分析、时频分析等传统方法无法诊断而工程中又大量存在的一类故障模式进行准确分析和判别。     

SIMULATION OF CRACK DIAGNOSIS OF ROTOR BASED ON MULTI-SCALE SINGUUR-SPECTRUM ANALYSIS

In the diagnosis of rotor crack based on wavelet analysis, it is a painful task to find out an adaptive mother wavelet as many of them can be chosen and the analytic results of different mother wavelets are yet not the same. For this limitation of wavelet analysis, a novel diagnostic approach of rotor crack based on multi-scale singular-spectrum analysis (MS-SSA) is proposed. Firstly, a Jeffcott model of a cracked rotor is developed and the forth-order Runge-Kutta method is used to solve the motion equations of this rotor to obtain its time response (signals). Secondly, a comparatively simple approach of MS-SSA is presented and the empirical orthogonal functions of different orders in various scales are regarded as analyzing functions. At last, the signals of the cracked rotor and an uncracked rotor are analyzed using the proposed approach of MS-SSA, and the simulative results are compared. The results show that, the data-adaptive analyzing functions can capture many features of signals and the rotor crack can be identified and diagnosed effectively by comparing the analytic results of signals of the cracked rotor with those of the uncracked rotor using the analyzing functions of different orders.     

基于稀化核函数主元分析的机械故障诊断方法研究

提出一种基于稀化核函数主元分析的机械故障诊断新方法.该方法通过核函数映射将非线性问题转换成高维的线性特征空间,引入可变权值对高维空间中的映射数据的协方差矩阵进行稀化,应用似然估计得到优化权值,再作主元分析,提取其非线性特征,对机械故障模式进行识别.提出的方法继承核函数主元分析的优良性质,同时又能保证在识别效率不降低下的情况下有效提高故障识别速度.仿真和实验结果表明,稀化核函数主元分析和核函数主元分析方法都能得到很好的识别效果.然而,稀化核函数主元分析由于减少了核矩阵的计算量,因而模式识别速度大大加快.