运用时域波形与频谱值判断烧结风机故障

时域波形，直观且易于理解，对于故障成分突出且噪音较小的故障信号，时域波形持征明显，充分利用这些特征突出的时域波形及频谱值，结合设备本身的结构，就可以分析故障的根本原因。本文阐述运用简易仪器发现故障设备的故障特点，再运用数据采集器进行精密诊断，分析其时域波形，得出正确的判断。     

基于高阶同步压缩变换的行星齿轮箱声音信号共振频带特征提取

建立了非平稳运行工况下行星齿轮箱共振频带内的声音信号解析模型,揭示了齿轮故障特征在声音信号共振频带内的分布规律。根据共振频率不随转速变化的特点定位了齿轮箱共振频率,为在共振频带内提取齿轮故障特征奠定基础。针对传统时频分析方法时频分辨率低的缺陷,研究了基于高阶同步压缩变换的时变故障特征提取方法。通过数值仿真和实验信号分析,验证了所提出的声音信号模型与行星齿轮箱故障特征分布规律的正确性,以及利用高阶同步压缩变换方法提取共振频带内行星齿轮箱故障特征的有效性。      

高线轧机机械传动系统典型故障解析

高速线材轧机由于转速较高,其机械传动系统易出现突发故障。由于该类齿轮箱的结构特点及故障类型的差异性,采用时域分析和频谱分析的适应性有所差异。通过实测数据的分析表明,轴承类故障对于高阶的时域分析指标异常敏感,而在常见的齿轮箱故障中,转轴类零部件故障的识别和判断难度相对较高。     

板带轧机HAGC系统基于小波变换的传感器故障诊断

 提出了一种基于小波分析的HAGC系统传感器故障诊断方法。通过建立系统的MA模型，建立残差信号，利用离散小波变换对残差信号进行多分辨率分析。通过残差信号的故障高低频特性，提取故障敏感特征，实现了传感器故障时间、故障原因、故障程度的诊断。仿真研究表明，该方法凸现故障特征，时域定位准确，不但适用于突变故障，对渐变故障同样有效。     

基于定子电流Park矢量变换的感应电机故障诊断

通过提取定子电流信号Park矢量图作为电机故障特征，应用人工神经网络技术对故障特征进行分类与识别，从而避开复杂的谱分析技术，实验测试结果表明，该方法用于电机故障诊断可靠、有效，是一种实际可行的电机故障诊断方法。     

Mallat小波快速变换与IDRNN在卫星实时故障检测与识别中的应用

系统研究了面向复杂系统监测时变信号的实时故障检测与识别问题.采用滑窗Mallat小波快速变换克服传统小波变换的时域全局依耐性并提高计算效率,使之适应于实时故障检测;针对时变信号的故障模式识别难题,在故障检测基础上采用改进动态循环神经网络(improved dynamic recurrent neural network,IDRNN)进行智能故障识别.最后将滑动时窗小波检测模块及最优IDRNN网络模块嵌入某型完整卫星姿态控制系统仿真平台进行在线故障诊断.试验结果表明:实时条件下的滑动窗口小波变换与传统小波变换具有一致性,IDRNN对于时变信号识别具有较好的时域泛化能力,将滑窗移动时不变小波方法与IDRNN结合可以实现面向复杂系统监测实时信号的故障检测及复合模式分类.     

基于PCA-DBN的热连轧数据特征提取

在热连轧生产过程中会产生大量的数据,使用这些海量数据进行诊断和预报非常困难,运算时间较长,甚至会导致"维度灾难"。因此,需要对特征进行提取,去除冗余和不相关的特征。提出基于主成分分析-深度置信网络(principal component analysis-deep belief network,简称PCA-DBN)的热连轧数据特征提取,采用主成分分析(principal component analysis,简称PCA)对数据集进行特征提取,并将选择出的特征按照贡献率可视化,直观显示提取的特征。二次特征提取采用深度置信网络(deep belief network,简称DBN)对已提取数据集进行二次特征提取。将最终得到的数据集作为粒子群优化的最小二乘支持向量机(particle swarm optimization-least squares support vector machine,简称PSO-LSSVM)对精轧轧制力进行预报的数据集,以检验特征提取的合理性。试验显示,预报相对误差要小于机理模型预报相对误差,说明提取特征比较合理。     

基于独立分量分析特征提取的故障诊断系统

针对矿山破碎机的声音故障诊断受复杂现场环境制约、确诊率低的难题,结合独立分量分析(ICA)在自然图像和连续语音信号中特征提取的方法,采用两层ICA分别用于从混杂声音中提取各采集通道(部位)的统计独立声音信号和进一步提取该信号的特征基.训练阶段生成的特征基系数序列用来生成矢量量化(VQ)的码书,设计出ICA-VQ破碎机故障诊断系统.现场采集数据的实验中系统的故障诊断准确率达到96.8%,表明系统的高效性.     

基于小波变换的振动波形光滑方法

利用小波变换中的“近似”特性，对柴油机的燃烧振动信号进行了光滑预处理，抑制了高频信号的干扰，有效地提高了柴油机各缸燃烧工况的综合诊断精度。     

基于溃坝事件树的尾矿库水文隶属特征提取方法

在对尾矿库事故统计分析的基础上,首先选取发生概率最高的漫顶失事作为研究对象,并对不同时期尾矿库的危险源和致灾路径进行了分析,建立了漫顶失事的事件树模型。接着结合事件树模型与可能性理论提出了漫顶失事的水文特征提取流程,从事件树模型的路径分解中提取出高相关的监测参数和相应统计特征,然后采用三角可能性分布函数对参数进行处理,通过仿真确定隶属于漫顶事故的安全特征集。最后对尾矿库状态空间分布进行了实例计算,验证了事件树结合安全特征集进行风险分析的有效性。     

小波分析在旋转机械故障诊断中的应用

简述了小波分析基本原理及其用于故障特征识别的机理，并运用小波分析理论对轴承座松动早期故障成功地进行了特征提取，体现了小波分析的良好性能，为故障识别提供了新的模式样本。     

基于图像特征提取的在役管线故障缺陷的分类

分析了在役管线母材及焊缝的故障缺陷的主要类型及形成原因,并根据其在X射线底片上的显图的特点,确定了在役管线母材及焊缝的故障缺陷所提取的特征参数的类别,并对其提取算法进行介绍,为智能分类识别在役管线故障缺陷X射线检测图像奠定了基础.     

外耳形状特征和内耳结构特征结合的人耳特征提取

针对人耳的生物特征提出了一种人耳的形状特征和结构特征相结合的识别方法．首先提取外耳最长轴,即外耳轮廓边缘点的最长连线．利用外耳长轴把外耳曲线分成两部分,用最小二乘法对这两段曲线分别进行多项式曲线拟合,拟合多项式函数的系数作为外耳特征向量．同时长轴与内耳曲线的交点作为内耳特征点,特征点之间连线的长度与长轴长度的比值作为内耳特征向量．长轴的相对不变性保证了特征向量具有缩放、平移和旋转不变性．实验结果表明此方法在噪声情况下具有较强的鲁棒性．     

基于深层特征抽取的日文词义消歧系统

词义消歧的特征来源于上下文.日文兼有中英文的语言特性,特征抽取更为复杂.针对日文特点,在词义消歧逻辑模型基础上,利用最大熵模型优良的信息融合性能,采用深层特征抽取方法,引入语义、句法类特征用于消解歧义.同时,为避免偏斜指派,采用BeamSearch算法进行词义序列标注.实验结果表明,与仅使用表层词法类特征方法相比,本文构造的日文词义消歧系统的消歧精度提高2%～3%,动词消歧精度获得5%的改善.     

基于移频技术的短时傅里叶变换阶比分析

提出了一种基于移频技术的短时傅里叶变换阶比分析算法.该算法利用傅里叶变换在频域的卷积性质,对原始信号在时域乘以e^-j2πf_it使f_i的频谱能量搬迁到零频处,按一定的频率间隔改变f_i就可以在零频处得到其他频率的频谱能量,以此来提高短时傅里叶变换在时频分析中的频率分辨率.然后在时频面上进行局部阈值降噪,同时跟踪转速的变化,最终应用到变速机械的阶比分析中.与短时傅里叶变换分析结果对比表明,本文方法可以更加准确地跟踪到实际的转速.实际降速过程中轴承信号利用本文方法进行阶比分析,成功提取到轴承的故障特征频率.     

基于系统特征数据辨识的控制器设计

介绍了一种基于系统特征数据的控制器设计算法.该算法仅根据被控对象的输入、输出采样数据,按照卷积定理计算出被控对象的单位脉冲响应作为系统的特征数据;在控制量约束条件下,根据特征数据以最速响应为控制目标规划出输出参考数据和最速控制律;然后根据控制目标和最速控制律的要求计算出理想控制器的特征数据;最后,根据控制器的特征数据辨识出线性控制器参数.仿真结果表明,控制结果具有最速参考控制的特征.     

Design of Fault Diagnosis Observer for HAGC System on Strip Rolling Mill

By building mathematical model for HAGC （hydraulic automation gauge control） system of strip rolling mill, treating faults as unknown inputs induced by model uncertainty, and analyzing fault direction, an unknown input fault diagnosis observer group was designed. Fault detection and isolation were realized through making ob- server residuals robust to specific faults but sensitive to other faults. Sufficient existence conditions and design of the observers were given in detail. Diagnosis observer parameters for servo-valve, cylinder, roller and body rolling mill were obtained resoectively. The effectiveness of this diagnosis method was oroved bv actual data simulations.     

基于EMD的复合故障诊断方法

针对转子不平衡故障和滚动轴承微弱损伤性故障的复合故障诊断问题,提出了一种基于经验模式分解的故障诊断方法,进行复合故障的耦合特征分离和轴承损伤性故障信号特征提取研究.该方法首先通过经验模式分解将复合信号分解为若干个本征模函数(intrinsic mode function,IMF);然后通过计算各IMF与原始复合信号的相关系数确定包含故障特征信息的主要成分,除去虚假分量;最后针对主要成分中的低频成分进行频谱分析提出转子故障特征,针对主要成分中的高频成分进行Hilbert包络解调提取调制故障特征,即轴承损伤性故障特征.仿真及实验结果表明该方法的有效性和实用性.