关联维数在齿轮箱振动信号特征提取中的应用

论述了关联维数的基本概念和性质，给出了定量描述分形特征的重要参数——关联维数的计算方法，分析了齿轮葙故障时振动的特点．通过对试验获取的齿轮故障振动信号进行分析计算，确定了关联维数与齿轮葙故障程度之间的联系．结果表明，齿轮箱的不同运行情况对应的关联维数有明显不同．因此，可用关联维数作为区分齿轮葙工作状态的特征参数．     

分形与几何特征融合的转子故障特征提取方法

转子系统故障信号是典型的非线性、非平稳信号,分形几何为描述转子系统故障信号的特性提供了一个分析工具,但仅仅依靠分形维数无法有效的提取转子系统的故障特征。本文引入紧密度和丰度两个量,与基于的分形维数一起,对转子系统故障信号进行分析;最后采用神经网络技术对转子系统的正常、不对中、不平衡、碰磨、松动五种不同的运行状态进行分类识别。实验结果表明,通过对分形维数和紧密度、丰度的联合可较好地评定和区分转子系统的运行状态。     

基于分形理论的自动舵液压阀故障诊断方法研究

针对自动舵液压阀工作过程中存在的非线性问题,提出一种以阀芯位移信号分形特征为判据的故障诊断方法,并研究了分形特征参数——关联维数的计算方法和参数的选择。在建立液压阀数学模型的基础上,对液压阀正常和故障进行仿真,通过确定时间延迟、嵌入维数和无标度区,计算阀芯位移数据的关联维数。结果表明:不同状态的关联维数值具有明显的可分性,可以定量表征液压阀的工作状态,进而达到装备故障诊断的目的。     

关联维数在设备状态监测中的应用研究

提出用关联维数来定量描述机械设备的工作状态，进而对设备进行故障。同时研究了噪声对关联维数计算结果的影响，并提出用采样迭代奇异值降噪算法对原始数据进行降噪处理。文中以ZYB80A型复合气泵为例，计算了气泵在不同工作状态下降噪处理后振动信号的关联维数，分析结果表明，气泵不同运行情况所对应的关联维数有明显不同，因此可以用关联维数区分气的运行状态。以关联维数作为故障诊断的依据，将对提高设备状态监测和故障诊断的准确率有重要意义。     

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。     

基于EMD和分形盒维数的旋转机械耦合故障诊断方法研究

针对旋转机械耦合故障的诊断问题,提出一种基于EMD（Empirical Mode Decomposition）和分形盒维数的诊断方法。该方法结合EMD对非线性信号处理的自适应性和分形盒维数能对非线性行为定量描述的特点,先对故障信号进行EMD处理,得到含有故障特征的本征模式函数(Intrinsic Mode Function,简称IMF),然后求出各IMF的盒维数,通过盒维数的比较分析进行故障诊断。构造了含有裂纹-碰摩-松动耦合故障的转子-轴承系统动力学模型,用龙格库塔法求出故障模型振动信号。通过对耦合故障信号进行分析,得到耦合故障特征向量,并与传统的边界谱诊断方法比较,证明该方法对旋转机械耦合故障诊断的有效性和优越性。     

基于数学形态学分段分形维数的电机滚动轴承故障模式识别

电机轴承是旋转机械中应用最广且最易损坏的机械零件之一,分形维数可以有效地描述滚动轴承振动信号的复杂性和不规则性。基于数学形态学的分形维数具有计算速度快,估计准确的特点,可以正确地区分滚动轴承系统的状态和判断轴承系统的故障行为。本文阐述了基于数学形态学的分形维数计算方法,,针对扁平结构元素长度的选取缺乏指导性的问题,提出一种基于数学形态学的分段分形维数计算方法,运用该方法对电机轴承实测信号进行分析,结果表明,该方法在一定程度上提高了分形维数计算的科学性和精确性,在电机轴承故障模式识别领域是行之有效的。     

工业企业总平面系统布置方案的分形描述与优化选择

从分析组成总平面系统的作业单位之间的空间关联关系入手,应用分形方法描述总平面系统,即以关联维数分别表征总平面系统的理想图式与现实可行布置方案的空间关联程度.进而通过定义两关联维数的比值为趋近度水平,衡量各个现实总平面系统布置方案对于理想图式的趋近程度,并根据趋近度水平的大小实现总平面系统布置方案的优化选择.结合对某钢铁企业的实例分析,验证了对总平面系统进行分形描述的可行性以及优化选择的有效性.     

基于ITD改进算法和关联维数的转子故障诊断方法

提出了基于ITD（Intrinsic scale-time decomposition,简称ITD）改进算法和关联维数的转子故障诊断方法。首先用ITD改进算法对转子在不同状态下的振动信号进行分解,根据分量特征,把包含转子主要故障信息的前若干分量进行组合,并以此作为转子原始振动信号降噪后的信号;然后计算降噪后信号的关联维数。对转子系统故障振动信号的分析结果表明,相对于直接采用原始信号计算得到的关联维数,采用ITD改进算法降噪后得到的关联维数更具有区分性,可以用来有效地识别转子的工作状态和故障类型。     

表面波纹度对滚动轴承-转子系统非线性振动的影响

分析了考虑滚动轴承内外圈波纹度、径向间隙和非线性赫兹力作用下的滚动轴承-转子系统非线性动力学响应。根据不同参数下的分岔图、功率谱图和庞加莱截面图,研究了轴承表面波纹度最大幅值和转速对系统的非线性振动的影响,找到了不同故障类型的特征频率。根据分形理论应用G-P算法计算了相同转速下不同最大幅值时的关联维数。分析结果表明,当系统处于混沌状态时随着波纹度最大幅值的增加,其关联维数也会相应增大。因此关联维数可以应用于轴承故障的特征提取与定量诊断中。     

基于EEMD和关联维数的小电流接地故障选线

提出一种基于总体平均经验模式分解(Ensemble Empirical Mode of Decomposition EEMD)和关联维数相结合的小电流接地故障选线新方法。EEMD对非线性、非平稳信号的处理,不仅能达到与(Empirical Mode Decomposition EMD)相同的分解效果,同时又能有效地抑制模式混叠,非常适用于对小电流接地故障信号的处理。关联维数是在故障诊断领域中应用最广泛的一种分形维数。关联维数作为反映系统状态的特征量,能定量分析故障状态,提高故障诊断能力。在计算关联维数前,需要进行相空间重构,采用极大联合熵算法求取最佳延迟时间,相比以往用互信息求取延迟时间的方法而言,该方法简化了算法,缩短了计算关联维数的时间。最后采用G-P算法计算零序电流相关分量的关联维数,通过比较关联维数,实现故障选线。实验结果表明上述方法能够快速准确地选出故障线路,为小电流接地故障选线提供了一种有效的新方法。     

基于LLTSA的转子故障数据集降维方法

特征数据集降维是机械故障智能诊断的关键步骤之一。常见的数据集降维方法难以准确的从高维非线性数据集中获取反映转子运行状态的敏感特征信息,导致故障模式识别精度降低。局部切空间排列算法（LTSA）对部分高维非线性数据集达到较好降维效果。但该算法不适合处理高曲率分布、稀疏不均匀分布等高维数据源。为此,在LTSA算法的基础上结合线性分块思想,提出线性局部切空间排列算法（LLTSA）。该算法充分考虑了数据集的整体与局部结构,将数据样本空间划分为一组最大线性块,使降维后的同类数据具有更好的聚类性。通过高维非线性转子振动数据时域特征数据集对该算法进行验证,结果表明经该算法降维后的数据集具有较好的聚类与分类性能。     

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.     

离心式压缩机转子故障识别的EEMD-PCA方法研究

针对离心式压缩机转子系统振动小,振动信号具有非平稳、非线性和伴随噪声干扰的特点,提出一种总体平均经验模式分解(Ensemble Empirical mode decomposition, EEMD)联合主分量分析(Principal component analysis, PCA)的故障识别方法。该方法以相关分析结合傅立叶变换选择基本模式分量(intrinsic mode function, IMF)为基础,构造了波动变化性指标以定量识别EEMD的噪声幅值参数;进一步获取各运行状态的14种时域振动评价指标并构造标准化特征数据集后,采用PCA降维法得出不同类型故障的振动模式类别。通过对离心式压缩机转子典型故障的振动信号分析,其结果表明该方法能够在解除信号非平稳非线性干扰的基础上,快速独立地提取信号中的主要振动模式,制定表征不同故障类别的特征数据区域,从而有效提高了离心式压缩机的故障识别能力。     

松动裂纹转子轴承系统周期运动分岔及稳定性分析

根据松动裂纹耦合故障转子轴承系统的非线性动力学方程,利用求解非线性非自治系统周期解的延拓打靶方法,研究了系统周期运动的分岔特性及其稳定性。研究发现,在较大和较小的偏心量作用下,系统的周期运动都由倍周期分岔而失稳,在适当的偏心量下,系统的周期运动以Hopf分岔形式失稳且稳定性较强。转轴裂纹和基础松动故障都使系统周期运动稳定性降低、系统Hopf分岔存在的偏心量范围变大。结论为转子轴承系统的安全稳定运行和振动的抑制及控制提供了理论参考。     

转子系统齿式联接不对中故障的运动学机理研究

从运动学角度研究了齿式联接高速重载转子系统具有不对中时的运动机理及其故障物理特性。建立了在不对中状态下联轴器外壳质心、瞬心以及啮合线的运动方程；揭示了具有不对中转子系统的外壳轴心线的回转规律；指出了齿式联接不对中转子系统运行的误差条件；提供了齿式联轴器不对中故障识别以及与相同频率特征故障区分的理论依据。