双谱切片的分形特性在减压阀故障诊断中的应用

减压阀是液压系统中的一种重要元件,也很容易发生故障,如何对减压阀发生的故障进行诊断,对于机械系统的维护有着重要意义.首先获取了减压阀振动时的正常信号和故障信号的AR双谱切片,再根据双谱切片所呈现出的自相似性,分别计算了每组数据的容量维数,并由计算结果进行故障诊断,取得了良好效果.     

一种基于双谱的齿轮故障诊断方法

提出了一种基于高阶谱(双谱)的齿轮故障诊断方法.该方法首先对非线性特征的齿轮振动信号进行提取,利用双谱对Gauss信号的'盲'性消除Gauss背景噪声,随后借助双谱的数值估计算法获得特征信号的双谱幅频图.由于高阶谱具备了高阶统计量的优点,因此在齿轮故障过程中可以将双谱幅频图作为实现齿轮故障早期诊断的量化指标.     

基于能量谱分析的柴油机故障诊断

研究了小波包能量谱分析和能量谱分析在某柴油机故障诊断中的应用。以柴油机的供油提前角减小2.5°和空气滤清器堵塞2种故障为例,把用2种方法提取的特征向量作为神经网络的输入特征,然后进行故障诊断。对比测试结果得出能量谱分析法的实用性强于小波包能量谱分析法。     

基于Shannon小波支持矢量机二级决策的故障诊断

提出一种基于Shannon小波支持矢量机(Shannon wavelet support vector machine, SWSVM)二级决策的故障诊断模型.先求出原信号的双谱相关值特征矩阵奇异值谱,并用BP神经网络对主分量分析(Principal component analysis, PCA)后的奇异值谱调维得到可分性更高的三维模式矢量,再将该三维模式矢量用SWSVM进行二级故障诊断.SWSVM可以对BP网络因陷入局部极值﹑欠/过学习输出的低分辨率进行校正,获得更高的故障识别精度和自适应识别能力.本模型实现了BP网络和SWSVM优势互补.一滚动轴承故障诊断实例验证了该模型的有效性.     

基于切削力的刀具故障诊断

提出和实现了一种基于切削力状态参量判别刀具故障的方法。利用LabVIEW软件平台采集和分析切削力信号。调用MatLAB中的小波包工具将信号分解,并计算各频段的能量谱,输入BP神经网络进行训练。将经过训练后的BP网络用于对刀具故障进行诊断,并给出了应用实例。     

基于小波包与改进BP神经网络的齿轮故障诊断

对齿轮振动信号应用小波包分解提取故障特征向量,并以此作为改进BP神经网络的输入,对神经网络进行训练,建立齿轮运行状态分类器,用以诊断齿轮的运行状态。结果表明,该方法对齿轮故障诊断十分有效。     

切片双谱分析在离心泵故障诊断中的应用

运用双谱及切片双谱分析技术对离心泵不同状态下的振动信号进行分析表明,离心泵在正常运行、地脚螺栓松动和空化状态下的双谱图的特征有着明显的差别,可以通过双谱对故障信号进行初步分类,且双谱的对角切片和反对角切片可以显著降低噪声干扰,进一步提取出故障特征频率,故可对离心泵的故障信号进行准确的分类和诊断。     

基于倒双谱分析的轴承故障诊断研究

将常规的双谱分析与倒谱技术相结合,提出了基于倒双谱的齿轮箱故障诊断方法。首先对齿轮箱振动信号进行双谱分析,以消除噪声的影响,再计算双谱的倒谱,对信号进行倒双谱分析,可有效提高信噪比,提取轴承的故障特征。齿轮箱轴承内外圈故障振动试验信号的研究结果表明,倒双谱分析能有效地诊断轴承的故障。     

基于复合信号处理的滚动轴承早期微故障诊断研究

针对滚动轴承早期故障的微弱信号检测问题,将小波包、谱峭度和包络分析三者相结合,提出一种新的故障诊断方法,该方法首先通过小波包降噪提取原始含噪信号中的高频成分并提高信噪比,然后对降噪后的重构信号应用谱峭度理论来确定合适的带通滤波参数,最后对带通滤信号进行包络解调而得出故障特征频率信号,从而实现滚动轴承的早期微弱故障诊断。对基于小波包和谱峭度的故障诊断法在滚动轴承故障诊断中的应用进行了研究,实验结果表明该方法可以有效抑制背景噪声,提取有用故障信息,为滚动轴承的故障诊断提供了一种切实可行的方法。     

小波包与改进BP神经网络相结合的齿轮箱故障识别

应用小波包分解技术提取齿轮箱振动信号中的故障特征向量,并以此作为改进BP神经网络的输入,对神经网络进行训练,建立了齿轮箱运行状态分类器,用以识别齿轮箱的运行状态。试验结果表明,小波包分解与神经网络相结合的齿轮箱齿轮故障识别方法是可靠的,可以准确识别齿轮箱的故障。     

基于小波包分解和BP神经网络的轴承故障诊断

针对滚动轴承的故障诊断,提出了小波包分解与BP神经网络结合的诊断方法。对轴承振动信号进行3层小波包分解,构造其特征向量,输入神经网络进行训练和测试。Matlab仿真结果表明,该方法能有效地诊断出轴承的故障类型。     

往复式压缩机气阀故障分析与诊断

本文以实验压缩机为例,实测在正常情况下和故障情况下压缩机气阀的振动信号,运用小波包理论分析气阀不同位置的故障,对气阀故障的种类和特点进行了分析和探索,为小型压缩机气阀故障诊断和预判提供了一种新的方法。     

基于多方法融合的铁路轴承故障诊断

由于铁路轴承的易损性和故障信号提取的复杂性,文中应用了多方法融合的诊断法对铁路轴承进行故障诊断,并对基于多方法融合的BP和RBF两种网络进行了比较。首先,对采集到得信号进行FIR降噪,再对降噪后的信号进行小波包分解,构造特征向量,以此为故障样本对BP和RBF网络进行训练,实现智能化故障诊断,实验结果表明文中提出的方法能很好地诊断出轴承故障类型,但多方法融合的RBF的泛化能力优于BP网络,同时,在训练时间上,RBF网络也要优于BP网络,这为机械故障诊断提供理论依据。     

基于小波神经网络的铝电解槽工作状态分析与诊断

针对铝电解槽电压波动信号的频谱特点，提出基于小波-神经网络技术的铝电解槽工作状态分析与诊断的新方法。利用小波包多维多分辨率特性，对铝电解槽电压波动信号进行分解与重构，实现与工作状态干扰因素相关的特征信息的提取，将其作为特征向量输入BP神经网络，对其进行训练。经过训练后的神经网络可对铝电解槽工作状态进行在线监测和实时工作状态诊断，并在350kA预焙铝电解槽上进行实验和仿真。     

基于小波包频带能量分解和欧氏贴近度的柴油机气阀机构故障诊断

通过调整柴油机气阀机构的不同气门间隙,采集柴油机缸盖表面的振动信号。利用小波包改进算法对所采集的信号进行频带分解。研究了不同气阀间隙情况下的缸盖振动频带能量分布规律。以频带能量为特征向量,以同一工况下我次采样均值作为标准模式,通过计算欧几里得贴近度实现了对柴油机气阀机构间隙异常的故障诊断。     

基于小波BP神经网络的城轨列车辅助逆变系统故障诊断

在研究城轨列车辅助逆变系统故障诊断模型的基础上,提出一种基于小波包和神经网络相结合的故障诊断方法.该方法首先对采集到的电压信号进行小波降噪,再经过小波包分解和重构,构造特征向量,以此为故障样本对BP（Back propagation）神经网络进行训练,实现智能化故障诊断.实验结果表明：该方法能够很好地诊断出城轨列车辅助逆变系统的故障类型,这为辅助逆变系统的故障诊断和故障动态监测提供了新的参考,具有一定的工程应用价值.