基于四分位偏差分形维与高斯混合模型的故障识别算法研究

针对四分位偏差分形维对信号幅值大小和分布敏感的缺点,提出了适用于故障识别的四分位偏差分形维改进算法,将四分位偏差分形维及其截距组成特征向量,应用高斯混合模型进行故障模式描述(QDFD-GMM),并采用贝叶斯分类器进行故障识别.分别采用QDFD-GMM和基于重构相空间与高斯混合模型算法(RPS-GMM)对同一组故障齿轮振动信号进行分类,结果表明:QDFD-GMM具有更高的识别率和运算速度,具有更强的鲁棒性.     

延时矢量方差算法及其在齿轮故障识别中的应用

提出了利用时间序列的延时相空间重构，采用延时矢量方差及替代数据的时间序列非线性的检验方法，并将该方法应用于设备故障信号的非线性检验与故障识别。数值实验结果表明，延时矢量方差法是一种有效、直观的非线性检验与故障识别方法，对噪声信号具有很强的鲁棒性，对非线性信号具有很高的敏感性。采用该方法对齿轮振动信号进行非线性检验与故障识别，结果与实际情况相符。     

坐标测量机测量齿轮形位偏差不确定度评估方法和实验

介绍了坐标测量机测量齿轮形位偏差不确定度的评估思路及计算方法，通过试验找出了坐标测量机测量齿轮参数的主要不确定度来源，并阐述了提高测量准确度的途径及如何确定被测齿轮的精度级别。     

分形理论及其在材料科学中的应用

介绍了分形的概念以及分形维数的计算方法 ,重点讨论了分形理论在材料科学 ,如材料磨损表面分析、断裂表面分析、无机材料的烧结与氧化过程分析等方面的应用     

分形理论及其在材料科学中的应用

分形理论是现代科学研究领域中一种重要的数学工具和手段。本文介绍了分形及分形维数的相关概念,重点讨论了分形理论在材料科学,如材料磨损表面分析、材料断裂表面分析、材料烧结与氧化过程、材料凝固和相变过程等方面的应用。     

数学形态学分形维数广义估算方法及其应用

预测特征提取是设备故障预测中的关键问题,它直接关系到故障预测的可信性。滚动轴承故障信号具有典型的非线性特征,利用分形维数可以定量描述其复杂性和不规则度。首先对分形维数的形态学计算方法进行介绍,然后对形态学覆盖的定义进行扩展,提出了三种形态学分形维数广义估算方法,对其精确性和计算效率进行了对比分析。最后,提出基于形态学分形维数的和灰色关联分析的性能退化状态识别方法,采用轴承实测数据验证了该方法的有效性。     

分形公差理论及其分形维数的计算方法

 从产品性能公差设计的角度探讨分形公差理论的建模、分析、设计等有关方法, 着重研究分形维数的计算理论和工程方法。     

分形理论及其在摩擦学研究中的应用

介绍了分形的概念以及分形维数的计算方法，重点讨论了分形理论在麻摩擦学研究，如摩擦表面分析、摩擦磨损问题研究和滑动摩擦温度分布的分形模型等方面的应用。     

分形维数在判断海洋锋强度中的应用

提出一种用计算维数值预报海洋锋强度的方法。给出了用分形维数描述海洋锋强度的理论依据,介绍了分形维数的计算方法及现有的海洋锋强度的判断方法。应用网格法,以HOOM海洋锋模型和我国东海黑潮锋区的三维声速场数据为例,计算了三维声速场中不同深度、时间的声速等值线的分形维数,得出HOOM模型海洋锋声速场分维值在1.07和1.60之间,我国东海黑潮锋区分维值在1.04和1.30之间,无锋时声速等值线分维接近于1;分形维数可以表征海洋锋强度,维数值随锋强度的变化而变化的结论。     

形态学广义分形维数在发动机故障诊断中的应用

发动机故障信号是一种典型的非线性信号,分形几何理论为描述非线性故障信号的特性提供了一个有力的分析工具。广义分形维数能够很好的描述信号的几何特征和局部尺度行为,所蕴含的信息比单一的分形维数要深刻而全面。针对传统的广义分形维数计算方法的缺陷,本文提出基于数学形态学操作的广义分形维数计算方法,并对发动机正常、失火和气门间隙过大故障信号进行了分析,结果表明,与传统的盒计数法计算的广义分形维数相比,形态学广义分形维数能够更加有效地区分发动机在不同状态下的信号,并且数学形态学只涉及简单的加减和取大、取小运算,因此计算简单快速,为准确判断发动机故障状态提供了一种快速有效的新方法。     

基于VMD及广义分形维数矩阵的滚动轴承故障诊断

提出基于变分模态分解及广义分形维数矩阵的滚动轴承故障诊断方法。对信号进行变分模态分解得到若干模态函数,根据不同权重因子计算得到每个模态函数的广义分形维数序列,排列构成广义分形维数矩阵,最后通过分析待测信号和各样本信号的广义分形维数矩阵的相关系数判断故障状态。实验结果表明该方法能精确、稳定提取故障特征,区分不同状态的信号。     

Application of General Fractal Dimension to Coupling Fault Diagnosis

This paper presents the coucept of general and sensitive dimension,and also proposes the calculation formula of the general dimension least squares method.By calculating and analyzing the power spectrum and general dimension grom the fault sample,the relationship is achieved between sample status and the general simension from vibration signals of the equipment so as to provide reference to fault diagnosis.Furthermore,a correlation function of general dimension is proposed,and calculations are carried out for a monitor signal and samples signal.The diagnosis method based on fractal theory is effective through the concrete examples of the steam-electric generating set fault diagnosis,and the correlation coefficient of general dimension between a monitor signal and samples signal can improve the accuracy for fault diagnosis.     

基于分形维数和GA-SVM的风电机组齿轮箱轴承故障诊断

对风机齿轮箱轴承故障诊断进行了研究,提出一种基于分形维数和遗传算法支持向量机(GA-SVM)相结合的故障诊断算法。基于常用的时域特征参数作为支持向量机的识别参数,引入分形维数特征参数来提升支持向量机的识别精度。提出了基于遗传算法(GA)的支持向量机参数优化的模型,通过GA的寻优自动获得最优的支持向量机参数。采用某风场的风电机组齿轮箱轴承数据进行故障诊断,实验表明,所提出的GA-SVM模型很好地解决了参数选择的问题,同时基于分形维数的特征参数也提高了风电机组轴承故障的识别准确率。     

基于局部特征尺度分解和形态学分形维数的滚动轴承故障诊断方法

提出了一种基于局部特征尺度分解与形态学分形维数的滚动轴承故障诊断方法。首先采用局部特征尺度分解方法将机械故障信号分解为若干个内禀尺度分量,然后利用形态学分形维数计算包含故障特征分量的分形维数,将得到的分形维数作为特征量判别信号故障的状态,实验结果表明基于局部特征尺度分解与形态学分形维数的故障诊断方法能够有效识别滚动轴承的内圈故障、外圈故障、滚动体故障和正常状态,实现滚动轴承故障诊断。     

基于复解析小波变换的瞬时频率分析方法

提出了利用基于复解析小波变换的瞬时频率分析的新方法。复解析小波变换将Hilbert变换与小波分析紧密结合在一起，具有自适应分析能力。对信号作复小波解析变换得到信号的瞬时频率，通过瞬时频率的功率谱分析就可提取信号特征。通过对齿轮故障振动信号的分析，表明该方法能有效地诊断齿轮局部故障，且与传统的频域方法相比具有更好的分析效果。     

基于EMD分形技术提取变速器轴承故障特征

故障轴承振动信号具有分形特征,可以利用分形维数有效识别变速器轴承的故障模式.噪声的存在对分形维数的计算结果影响较大,为此采用经验模态分解（EMD）方法,对变速器轴承振动信号进行EMD分解,计算分解后的IMF分量的分形维数,提取出变速器轴承不同技术状态下的故障特征。对实测变速器轴承振动信号分析,结果表明：EMD能对不同频带信号进行有效分离;特定IMF分量的分形维数能敏感反应变速器轴承技术状态,可以作为变速器轴承故障诊断的特征参数;EMD与分形维数相结合是提取变速器轴承故障特征的一种有效方法。     

基于MODWPT的Hilbert谱及其在齿轮故障诊断中的应用

在对基于最大重叠离散小波包变换(Maximal overlap discrete wavelet packet transform,简称MODWPT)的Hilbert谱方法进行介绍的基础上,将基于MODWPT的Hilbert谱应用于齿轮故障诊断当中。采用MOWDWPT可将多分量的复杂信号分解为若干个瞬时频率和瞬时幅值具有经典物理意义的单分量之和,然后求出各个单分量信号的瞬时频率和瞬时幅值,再进行组合便可以得到原始复杂信号完整的时频分布。对具有裂纹和断齿的齿轮故障振动信号的分析结果表明,基于MODWPT的Hilbert谱可以有效地提取齿轮振动信号的故障特征。