基于小波包特征熵SVM的压缩机气阀故障诊断研究

针对气阀信号信噪比低、特征提取困难及故障样本较少、难以建立可靠的故障识别模型的问题,提出基于小波包特征熵支持向量机的气阀故障诊断方法。首先选择容错性较强的信息熵作为特征参数,通过对信号小波包分解,提取故障敏感频带的小波包特征熵作为输入向量,采用仅有的故障训练样本构建SVM分类器,建立气阀故障诊断模型。试验表明,该方法对小样本情形下气阀故障的非线性模式分类问题体现了良好的适应性,且具有特征提取工作量小的特点。     

最小生成树SVM的模拟电路故障诊断方法

提出最小生成树的支持向量机模拟电路故障诊断方法,通过小波分解提取电路故障特征,在特征空间中以故障类的可分性测度为权值构造最小生成树,得到具有聚类属性的故障子类划分,从而优化故障决策树节点的分布。按照最小生成树的结构建立具有较大分类间隔的多分类支持向量机,能够有效地提高模拟电路故障诊断的正确率。该方法简化支持向量机的结构,在实例电路的故障诊断中获得更高的诊断精度和效率,其性能优于常用的支持向量机方法。     

FCM-HMM-SVM混合故障诊断模型及其在电力电子电路故障诊断中的应用

提出一种基于模糊C均值聚类（FCM）、隐马尔可夫模型（HMM）和支持向量机（SVM）相结合的电力电子故障诊断方法.采用FCM方法对故障信号进行模糊聚类,提取故障特征;根据隐马尔可夫模型进行动态过程建模;根据支持向量机进行模式分类;基于HMM-SVM混合的故障诊断模型实现了对机车变流器电路中晶闸管断路故障的诊断.实验结果分析表明,该方法能准确地对电力电子电路进行诊断和故障元定位,诊断精度高,具有很好的实用价值.     

基于融合模型的齿轮传动故障诊断研究

针对齿轮故障诊断系统的特点,提出基于多尺度小波能量谱、扩展邻域粗糙集和多分类支持向量机融合的故障诊断方法.首先使用多尺度小波变换有效提取变工况条件下的故障特征;然后以广义欧式距离为基础构建扩展邻域粗糙集模型,在不需先验知识和理论公式的前提下,完成噪声剔除、各能量带重要度权重分配;最后利用支持向量机在小样本、非线性空间中...     

GASA—SVM改进算法及其在柴油机供油系统故障诊断中的应用

针对目前支持向量机（SVM）参数选择的盲目性,结合遗传算法GA的并行搜索和模拟退火算法sA的概率突跳特性,提出一种改进的基于遗传退火算法（GASA）混合策略优化支持向量机惩罚函数和核函数参数的GASA-SVM算法。利用柴油机供油系统油压波形的实测数据,归一化处理后作为诊断模型的特征值,建立了基于GASA-SVM的柴油机供油系统故障诊断模型。通过与BP神经网络、RBF神经网络、SVM和GA-SVM故障诊断模型比较表明：应用GASA．SVM建立的故障诊断模型在故障识别准确性上优于其它网络模型,能够有效进行柴油机供油系统的故障诊断。     

基于威布尔分布和支持向量机的滚动轴承故障诊断方法

提出了一种基于威布尔分布模型和支持向量机的滚动轴承故障诊断方法。首先对滚动轴承原始振动信号建立威布尔分布模型,提取其形态参数和尺度参数构建表征轴承运行状态的特征向量,然后将提取的特征向量输入支持向量机分类器进行故障诊断和识别。分别与基于小波分解和小波包分解特征提取的支持向量机诊断方法进行滚动轴承故障试验仿真比较,结果表明,基于威布尔分布模型特征提取的支持向量机诊断方法具有更高的故障识别准确率。     

基于Fisher比率与SVM的滚动轴承故障诊断方法

针对滚动轴承故障诊断中普遍存在的小样本学习问题,采用支持向量机实现轴承故障的模式识别.为了解决时域统计参数对于轴承故障的多分类效果较差的问题,引入小波包分解(wavelet packet decomposition,WPD)技术,提取振动信号各频带的能量系数构造特征向量,并采用Fisher比率法对特征向量进行优化选取;然后利用支持向量机(support vector machine,SVM)进行故障模式识别,并与小波包分解及时域统计参数的分类效果进行对比分析.结果表明:支持向量机是实现轴承故障模式识别的一种有效手段;本方法的分类效果及时间效率明显优于传统的多维时域指标和小波能量系数分类方法;将Fisher比率法与SVM相结合可以提高轴承故障诊断的准确率.     

基于EMD和SVM的数控机床主轴故障诊断

针对数控机床的主轴故障,将经验模态分解（EMD）方法和支持向量机（SVM）相结合,用于故障诊断。采用EMD将信号分解成具有不同特征尺度的本征式分量IMF,分析各IMF,通过求取均方根值提取各特征向量,然后将各特征向量输入支持向量机,建立故障分类器进行状态识别。实验结果表明,预测结果完全正确,该方法有效。     

基于支持向量机的转子振动故障融合诊断技术

针对某些大型复杂旋转机械振动信号特征提取和故障样本获取难的问题,提出了一种基于小波包特征谱熵支持向量机（SVM）的转子振动故障融合诊断方法.通过转子实验台模拟了转子振动的4种典型故障,并采集其振动故障数据.用小波包对振动故障信号进行分解,提取故障信息含量大的频带并计算出其小波特征谱熵作为故障特征,建立故障诊断模型.通过对故障类别的区分和故障严重程度的判断,验证了该方法在解决转子振动故障信号的特征提取及小样本情况下的故障诊断问题等方面是有效的.     

模拟电路故障诊断的改进分析

针对模拟电路故障诊断识别率较低的问题,文章结合模拟电路智能故障诊断流程的重要环节对特征选择、特征提取和诊断识别进行了改进分析。首先将支持向量机(support vectormachine,SVM)和传统特征选择算法相结合,改进了现有特征选择算法,接着将主成分分析(principle component analysis,PCA)和独立成分分析(independent component analysis,ICA)相结合提出双空间特征提取算法,并将双空间提取算法和融合特权信息支持向量机(SVM of learn-ing using privileged information,LUPI-SVM)算法相结合,提出基于双空间提取算法的融合特权信息支持向量机模拟电路故障诊断方法。最后对改进后方法进行了应用分析,通过对两个典型电路的仿真测试,验证了改进后方法的可行性和有效性,改进后方法提高了模拟电路故障诊断的性能。     

飞机热交换器故障诊断研究

针对飞机环境控制系统中的关键部件——热交换器作为研究的对象,对环境控制系统的热交换器模型和不确定性进行了分析,建立了含有待定参数和不确定性的数学模型。对模型中的待定参数采用最小二乘法进行了估计;在此基础上,对不确定模型采用鲁棒估计的方法进行系统的故障诊断,结果表明该方法是可行的。     

变体飞行器传感器故障在线主动容错控制

为保证变体飞行器在传感器故障情况下的稳定飞行性能和良好跟踪效果,提高故障诊断准确度和容错控制能力,针对变体飞行器传感器故障诊断与容错控制问题,提出一种基于考虑属性可靠度的置信规则库(BRB-r)专家系统在线主动容错控制方法。首先,给出变体飞行器的气动参数模型和纵向非线性动力学模型,综合考虑外界扰动和传感器故障,利用最小二乘拟合方法和雅克比线性化方法,建立变体飞行器的切换线性变参数(LPV)故障模型;然后,基于BRB-r专家系统构建变体飞行器传感器故障诊断与容错控制模型,通过统计方法对传感器监测指标进行可靠性分析,并引入证据推理(ER)解析算法,提高故障诊断精度和容错控制效果;最后,利用基于投影算子的协方差矩阵自适应优化策略(P-CMA-ES)算法优化故障诊断与容错控制模型,降低系统的复杂度,提高了故障诊断效率。仿真结果表明,变体飞行器传感器故障诊断精度能够达到98.75%,当传感器故障程度小于50%时,所提方法能够有效克服传感器故障和外界扰动,保证变体飞行器的稳定飞行,具有较强的容错控制能力和鲁棒性能。     

基于有源自回归模型与模糊C-均值聚类的挖掘机液压系统故障诊断

为了提高挖掘机的可靠性水平和智能化程度,提出了基于有源自回归(ARX)模型与模糊C-均值(FCM)聚类的挖掘机液压系统故障诊断方法。该方法将故障诊断分成故障特征提取和故障分类两个部分。在故障特征提取中,针对已知故障和测试故障分别建立ARX模型,提取ARX模型的自回归系数作为故障特征。在故障分类中,以FCM聚类作为故障分类器,将测试故障归入已知故障的某个分类中,判断系统的故障类型。仿真和实验结果表明,ARX模型与FCM聚类相结合的故障诊断方法能有效地应用于挖掘机液压系统。     

基于非线性自适应观测器的飞机操纵面故障诊断

研究以非线性方程描述的飞机在操纵面发生损伤、卡死等故障时的自适应观测器诊断方法.通过引入有效性因子表征操纵导数变化的程度,将飞机操纵面故障诊断转化为具有未知参数的Lipschitz非线性系统的状态观测器设计问题.采用Lypunov方法,给出了观测器的结构形式和参数估计的自适应律,并在分析观测器渐近收敛的充分条件的基础上,给出了相关参数.数字仿真表明建议的自适应观测器能够快速且较准确地估计出有效因子的变化,验证了该方法的可行性.     

液压系统故障诊断的灰色理论方法探讨

从液压系统及其故障的特殊性出发,提出液压系统是个灰色系统、液压系统故障具有灰色性质,从而为灰色系统理论应用于液压系统的故障诊断提供了前提。鉴于液压系统的状态特征参数存在三种不同模式,针对运用灰色关联方法进行液压系统故障诊断时所面临的问题提出了解决办法,并在齿轮泵故障诊断实验研究中得到了验证。结果表明,在信息量不多的情况下,灰色关联分析方法是液压系统状态识别与故障诊断的一个有效工具。     

Fault diagnosis of a mine hoist using PCA and SVM techniques

A new method based on principal component analysis (PCA) and support vector machines (SVMs) is proposed for fault diagnosis of mine hoists. PCA is used to extract the principal features associated with the gearbox. Then, with the irrelevant gearbox variables removed, the remaining gearbox, the hydraulic system and the wire rope parameters were used as input to a multi-class SVM. The SVM is first trained by using the one class-based multi-class optimization algorithm and it is then applied to fault identification. Comparison of various methods showed the PCA-SVM method successfully removed redundancy to solve the dimensionality curse. These results show that the algorithm using the RBF kernel function for the SVM had the best classification properties.     

液压控制阀的故障元件诊断分析与处理

液压控制阀的种类很多,是组成液压系统的主要元件.对液压控制阀的故障进行诊断分析与处理时,首先要从液压系统中找出出现故障的元件.介绍了故障元件的诊断方法,以溢流阀为例,具体分析了其故障产生的处所及原因,并提出了处理方法和改进措施.     

液压控制阀的故障元件诊断分析与处理

液压控制阀的种类很多，是组成液压系统的主要元件．对液压控制阀的故障进行诊断分析与处理时，首先要从液压系统中找出出现故障的元件．介绍了故障元件的诊断方法，以溢流阀为例，具体分析了其故障产生的处所及原因，并提出了处理方法和改进措施．