单一分形与多重分形轴承故障识别算法的研究

分形维是一种可以量化表征事物非线性特性的参数。本文首先介绍了单分形维数和多重分形维数。然后对采集到的高速轴承正常状态、内环及外环故障时振动信号作小波去噪处理;最后,利用编写的盒维数、关联维数及多重分形去趋势波动法算法,对去噪后的信号进行单一分形与多重分形轴承故障识别分析。结果表明:振动信号具有强多重分形特征,采用多重分形去趋势波动算法能良好识别轴承故障;对比分析可知,单一分形维在描绘非线性特征方面有局限性,多重分形在刻画动力学非线性特征方面具有一定的优点。     

基于MMFD-FCM的退化状态识别方法及其应用研究

为了有效地对机械设备运行状态进行监测,进而对其性能退化状态进行识别,提出一种基于形态多重分形维数(MMFD)与模糊C均值聚类(FCM)的性能退化状态识别方法;该方法首先计算机械设备振动信号的形态多重分形维数,以此作为性能退化特征指标;该特征指标能够有效反映峰值在振动信号中概率分布的不均匀程度,从而定量描述振动信号的性能退化状态,并且与多重形态分形维数相比,利用数学形态学计算的MMFD精度更高,计算速度更快;在此基础上,鉴于不同退化状态之间的模糊性,针对性地采用模糊C均值聚类方法对特征指标进行模糊聚类,从而有效识别性能退化状态;将该方法应用于滚动轴承全寿命周期振动信号中,分析结果验证了该方法的有效性。     

混沌分形在内燃机振动信号分析中的应用

从理论上分析了柴油发动机燃烧过程的分形特性，运用混沌和分形理论对实际测得的发动机缸盖振动信号进行了分析，计算了信号的关联维数。结果表明：缸盖的燃爆冲击振动是一种混沌运动。而且，随着喷油器工作状态的不同，信号的关联维数也发生变化。系统振动不确定性成分增多，关联维数变大，系统振动确定性成分增多．关联维数变小。通过选择合适的嵌入维数，计算的关联维数能够反映系统的真实特性，关联维数可以作为发动机状态监测和故障诊断的一个特征参量。     

一种计算各向异性分形维数的新方法

分形维数是描述分形的重要参数,分形维数的计算是分形几何研究的重要内容。传统上分形维数的计算是基于各向同性这一假设所得到的维数计算方法,不适合具有各向异性特性的自然地形的维数计算。基于微分统计法,提出并实现了一种计算各向异性分形维数的新方法,该算法通过保留方向信息,达到了计算不同方向上不同分形维数的目的。利用频谱合成法生成的各向异性分形曲面进行实验的结果表明,算法是正确且有效的。     

高速列车转向架振动信号多重分形特征提取与故障诊断

高速列车转向架关键部件故障会引起列车在运行过程中的振动异常,严重时危机运行安全。为了及时发现转向架故障,提出了一种转向架多重分形联合特征的提取方案,用转向架振动信号的多重分形谱宽、分形维数差、多重分形谱熵、广义维数谱距和广义维数谱均值作为联合特征向量,识别转向架不同状态,从而实现转向架故障诊断。实验表明,转向架监测信号的联合特征向量能够准确识别出列车故障状态,识别率高达92％以上。     

基于分形维数的自适应语音降噪改进算法

针对强背景环境噪声对语音信号的影响问题,根据短时分形维数能够反映信号动态特征的特性,提出了一种基于分形维数的自适应语音降噪改进算法.实际应用表明,该算法能够有效提升非平稳噪声环境下的语音增强效果.     

基于小波包与分形组合技术在变压力下液压管路振动信号分析研究

提出基于小波包与分形组合技术对压力突变情况下航空发动机液压管路振动信号进行分析。首先,采用小波包对压力突变下液压管路振动信号进行分解,压力突变下液压管路振动信号的分形特征通过小波包的重构系数得到反映与验证;其次,通过对比分析小波包的关联维数值,得到压力突变下液压管路振动信号不同频带与关联维数的变化规律;最后结果表明,基于小波包与分形组合技术可以反映压力突变下液压管路振动信号特征。     

基于短时分形维数的模糊控制滤波

维数是系统的拓扑不变量，从理论上说，Ｈａｕｓｄｏｒｆｆ维数是最为重要的维数，但实际应用中几乎无法计算，而分形维数的计算机实现是很方便的，本文基于分形理论中的分形维数概念，给出了复杂时间序列的短时分形维数概念，提出了一种新的滤波方法即基于短时分形维数的模糊控制滤波方法，仿真结果表明，该方法滤波效果良好，可应用于复杂信号的滤波。     

一种基于数学形态学的分形维数估计方法

对于分形维数的估计是基于分形理论的纹理图像分割算法中最重要的环节。由于使用固定划分的规则网格，常用的基于盒计数的分形维数估计算法及其各种改进方法的误差较大；而传统的形态学维数估计算法虽然在准确性上有一定提高．但其时间复杂度偏高。为此提出了一种基于可变结构元的数学形态学分形维数估计方法(VSEM)。该方法将灰度图像视为一个三维空间中的曲面，使用一组不同尺度的结构元分别度量该曲面．根据度量结果与尺度之间满足的指数率来估计图像表面的分形维数。通过恰当的选择结构元和使用递推技术得到不同尺度下的膨胀结果，新方法成功地弥补了现有算法的不足。本文使用了一组合成纹理和一组自然纹理来评估几种常见的分形维数估计算法。结果显示，本文提出的新方法能够在较小的时间复杂度下，得到更为精确的估计结果。最后，将该方法应用于遥感图像的分割。与其他常用的分形分割算法相比，使用该方法估计的分形维数和图像的临域均值作为特征能够得到更好的分割结果。在对比分析和分割实验中表现出的良好性能说明本文提出的分形维数估计算法可以有效地应用于纹理图像分割。     

数据流中随机型分形维数计算方法研究

分形维数能够有效地描述数据集,反映复杂数据集中隐含的规律性,基于分形理论的数据挖掘算法通常都步及到分形维数的计算。但是现有的分形维数计算方法的时间复杂度和空间复杂度都比较高,大大降低了算法的效率,使算法很难适应高速、海量的数据流环境。因此,总结分析了现有的几种分形维数计算方法,并提出一种随机型方法,利用固定的内存空间快速估计数据流的关联维数。最后通过与现有算法进行对比实验,证明了这一随机型算法的有效性。     

基于AE信号与优化SVM的刀具磨损状态识别

根据小波包变换理论,对刀具磨损声发射(AE)信号进行滤波和能量特征值提取.采用分步式扫描的方法对传统的盒计数法进行改进,并利用改进的盒计数法计算滤波后信号的广义分形维数特征值.以上述提取的特征值为备选特征,采用支持向量机(SVM)作为分类器,利用量子遗传算法(QGA)首先对分类器的输入特征进行筛选,之后对分类器的模型参数进行优化.利用优化后的分类器对测试样本进行分类,测试结果表明,该方法可以对刀具磨损状态进行有效识别.     

基于分数维的图像检索新方法

在研究两种分数维——微分计盒维数和多分形维数的基础上提出了分数维直方图的概念，并把它用于基于内容的图像检索，提出了一种新的纹理特征检索算法——二维分数维直方图相交法．对Brodatz标准纹理库和真实图像库检索的结果表明其方法具有良好的性能，与QBIC系统的纹理检索结果相比更符合人的视觉特性．     

Spur bevel gearbox fault diagnosis using wavelet packet transform and rough set theory

The gearbox is an important component in industrial drives, providing safe and reliable operation for industrial production. Wavelet packet transform (WPT) analysis was used to extract fault features in the vibration signals generated by a gearbox. The extracted features from the WPT were used as input in a rough set (RS) for attribute reduction and then combined with a genetic algorithm to obtain global optimal attribute reduction results. The fault features gained after the attribute reductions were used to generate decision rules. The unknown gear status signal attributes were used as input to match the generated decision rules for fault diagnosis purposes. Gearbox vibration signals contain a significant amount of gear status information; a WPT has an acute portion-locked ability to extract attribute information from the vibration signals. However, WPT frequency aliasing would lead to the generation of spurious frequency components, affecting gear fault diagnosis. In this paper, we introduce an improved WPT to eliminate frequency aliasing, thus improving the accuracy of fault diagnosis. This paper studies the use of wavelet packet for feature extraction and the RS for classification; the results demonstrate that this method can accurately and reliably detect failure modes in a gearbox.     

基于分形理论的离群点检测

现有离群点数据挖掘算法在高维空间效率比较低,针对上述不足,从离群点对数据集有序性的影响角度出发,在界定分形离群点含义的基础上,利用分形理论将离群数据挖掘作为一个优化分割问题进行处理。采用推广的G-P算法计算数据集的多重分形广义维数,利用贪婪算法的思想设计FDOM算法用于求解离群数据挖掘优化问题。实验结果证明,该算法能有效地解决离群点检测问题。     

Vibration-based fault diagnosis of spur bevel gear box using fuzzy technique

To determine the condition of an inaccessible gear in an operating machine the vibration signal of the machine can be continuously monitored by placing a sensor close to the source of the vibrations. These signals can be further processed to extract the features and identify the status of the machine. The vibration signal acquired from the operating machine has been used to effectively diagnose the condition of inaccessible moving components inside the machine. Suitable sensors are kept at various locations to pick up the signals produced by machinery and these signals are very meaningful in condition diagnosis surveillance. To determine the important characteristics and to unravel the significance of these signals, further analysis or processing is required.This paper presents the use of decision tree for selecting best statistical features that will discriminate the fault conditions of the gear box from the signals extracted. These features are extracted from vibration signals. A rule set is formed from the extracted features and fed to a fuzzy classifier. The rule set necessary for building the fuzzy classifier is obtained largely by intuition and domain knowledge. This paper also presents the usage of decision tree to generate the rules automatically from the feature set. The vibration signal from a piezo-electric transducer is captured for the following conditions – good bevel gear, bevel gear with tooth breakage (GTB), bevel gear with crack at root of the tooth (GTC), and bevel gear with face wear of the teeth (TFW) for various loading and lubrication conditions. The statistical features were extracted and good features that discriminate the different fault conditions of the gearbox were selected using decision tree. The rule set for fuzzy classifier is obtained by once using the decision tree again. A fuzzy classifier is built and tested with representative data. The results are found to be encouraging.     

基于啮合频率调制现象的齿轮振动信号辨识

齿轮是大多数旋转机械设备的核心零部件,也是主要的振动来源.为了评估齿轮箱的健康状态,从机械系统信号中提取齿轮箱的振动成分具有重要意义.齿轮的啮合频率包含了反映其运行状态的丰富信息,是进行齿轮在线监测和故障诊断的前提条件.通过理论分析和试验验证,解释了啮合频率调制现象,也就是当齿轮在重载条件下工作时,啮合频率会以啮合冲击的形式被调制到高频共振区.基于此现象,提出了一种齿轮振动信号辨识方法.在此方法中,通过迭代获得啮合能量比图,以确定啮合共振频带.此方法的性能通过试验台试验和叉车现场试验进行了验证.通过与快速谱峭度方法进行对比,证明所提出的方法适用于齿轮振动信号辨识,尤其是当齿轮处于重载条件时.     

基于RF-PCA-改进SVM模型的齿轮故障诊断方法

为提升齿轮故障诊断的正确率,提出了基于随机森林(Random Forest,RF)和主成分分析法(Principal Components Analysis,PCA)对齿轮振动信号进行特征降维处理,并采用粒子群算法(Particle Swarm Optimization,PSO)求解支持向量机(Support Vector Machine,SVM)特征参数最佳取值的齿轮故障诊断模型(RF-PCA-改进SVM模型)。对齿轮箱实例中正常、断齿、齿根开裂、剥落、削尖等9种不同状态进行了验证,证明了RF-PCA-改进SVM模型对齿轮故障诊断的有效性。试验结果表明:通过对比不同诊断模型识别率,证明RF-PCA-改进SVM模型具有更优的齿轮故障识别率,平均达到了99.66%,且计算效率较高;样本数量改变虽然会影响模型正确识别率,但不同的改变方式对识别率影响的程度不同,对于RF-PCA-改进SVM模型,当齿轮状态数据大于40个时即可达到88%以上的正确识别率。     

基于同步压缩-交叉小波变换算法的齿轮故障诊断研究

齿轮超负荷使用或者在不良环境下使用时,容易造成齿轮失效。齿轮的失效形式主要有断齿故障、齿面点蚀、齿轮磨损等,此外齿轮制造过程中也存在固有误差,传统的齿轮故障诊断通常使用振动加速度传感器或者SCADA数据进行处理,但振动加速度传感器与SCADA通常价格昂贵,且会有大量的数据冗余,不便于后期信号处理。本设计拟采用一种同步压缩-交叉小波变换算法,在齿轮故障机理分析的基础上,设计了故障诊断实验装置,对正常齿轮、断齿和磨损情况下的故障特性进行提取,从而对故障进行准确诊断,经验证,该方法诊断准确度高。     

团簇-团簇聚集模型及模拟实现

概述了分形及其应用,介绍了团簇一团簇聚集(Cluster-Cluster Aggregation)模型及其维数,给出了该模型的一种模拟分形生长算法,在VC 6．0下实现了CCA分形生长的模拟及维数计算,并对结果进行了分析和讨论。本文方法能在普通微机上较好地实现CCA分形生长模拟,在小规模粒子时,能动态观察分形生长的过程,实时性较好。