故障诊断中非线性耦合特征提取（一）

该文从高阶谱分析的角度，以旋转机械为背景，充分利用幅值和相位信息，通过检测信号频率成分间的非线性耦合特征来对故障信号进行检测。文中分析了耦合产生的机理、模式，建立了振声信号产生和非线性耦合模型。在此基础上在高阶域进行非线性耦合特征描述，最后通过齿轮实验台的实验验证了所提出理论分析的有效性。     

铁磁性管道物理参数反演方法研究

铁磁性管道的物理属性(管道内径、磁导率和电导率)是管道缺陷定量的重要补偿因子。基于管道内部环境的涡流阻抗模型,提取管道物理属性对应的阻抗相位作为物理参数反演的特征信号;分析了不同管道内径对检测的相位特征信号的影响,并给出双接收线圈模型以实现不同内径管道的物理参数反演。为了达到不同管道内径物理参数的检测,实现相位特征信号到管道物理属性的非线性逆映射,提出基于非线性多项式和最小二乘支持向量回归机LS-SVR的反演模型。最后通过基于远场涡流的检测仪器测试管道,证明了在双接收线圈模型基础上,基于LS-SVR的管道物理参数反演方法的可行性。     

基于双谱熵和聚类分析的转子系统故障诊断

转子系统在故障状态下的振动信号往往呈现很强的非线性,其在频域上主要表现为不同频率之间相互耦合,产生合频、差频等组合频率。为了解决传统频谱分析只关注信号中的频率成分及其幅值大小,而忽略信号相位信息的问题,采用双谱方法对振动信号进行分析。双谱包含信号相位信息并且对非线性敏感,可以将早期故障的微弱非线性放大,检测出频谱中不同频率之间的非线性相位耦合关系。通过对ZT-3转子实验台植入不同类型的故障,采集系统在不同状态下的加速度信号,从振动信号的双谱中提取各频段的信息熵,采用模糊聚类方法进行故障识别。结果表明,双谱熵作为特征参量可以准确识别转子系统的故障类型,验证了方法的可行性。     

一种基于对角切片高阶谱的故障识别方法

针对轴承故障信号中调制信号二次相位耦合的特点,提出了一种基于对角切片高阶谱的故障识别方法。该方法利用希尔伯特变换构造原始信号的解析信号,在高阶谱分析的基础上求其对角切片谱,可以有效地分析二次相位耦合引起的非线性信号。通过理论分析和轴承故障诊断实例,表明该方法可以有效地抑制噪声,提取振动信号的非线性特征,完成对轴承外圈故障和内圈故障特征的识别。     

基于双谱估计的轴承非线性振动信号模式识别

当滚动轴承发生故障时,其产生的振动信号一般是包含较强噪声的非高斯和非线性耦合信号.本文对把高阶统计量用于滚动轴承非线性振动信号特征模式识别的方法进行了研究,提出了基于双谱估计的滚动轴承故障诊断方法.利用这种方法可以同时获得包含滚动轴承故障信号幅值和相位耦合信息的双谱特征图谱.实验研究表明,利用双谱图谱中不同的非线性耦合其故障特征模式不同的特点,可以快速地识别轴承的工作状态.     

光电稳定平台伺服系统动力学建模与参数辨识

针对光电稳定平台伺服系统模型参数辨识问题,提出了线性和非线性模型参数分离辨识方法。在线性模型参数辨识过程中,利用差动逆M序列信号作为输入,相应的响应信号作为输出,并应用最小二乘方法辨识线性离散模型参数,从而降低非线性因素的影响。在非线性模型参数辨识过程中,以LuGre摩擦模型为基础,针对摩擦和不平衡质量相互耦合的问题,提出了考虑不平衡质量的LuGre模型静态参数辨识方法;然后,利用电流信号作为摩擦力测量值,对LuGre模型动态参数进行辨识,得到包含不平衡质量和动态摩擦的系统非线性部分模型参数。构建了单轴光电稳定平台实验系统,利用本文提出的方法对实验系统动力学模型参数进行了辨识。结果表明:质量不平衡力矩的辨识值为0.183N·m,略高于理论值0.18N·m,满足辨识精度要求。实验证实提出的辨识方法可以实现对模型线性与非线性参数的有效辨识。     

地声检测系统与海底耦合振动模型

为解决置于海底的检测系统真实接收舰船地震波信号的问题,提出了检测系统与海底沉积物之间的耦合振动形成原理.采用耦合理论,分析了检测系统和海底沉积物之间的耦合振动过程,建立了质量-弹簧-阻尼耦合振动系统模型.通过耦合模型的受力分析,得到了耦合振动系统的传递函数,其频响曲线呈现低通滤波器的特性.计算仿真和实验结果吻合,表明耦合振动系统在幅度和相位上对真实舰船地震波信号进行了调制.通过影响耦合谐振频率因素的分析,指导了检测系统的设计,提高了频带宽度,减少了耦合振动对信号接收的影响.     

矢双谱分析及其在机械故障诊断中的应用

双谱分析由于可以有效提取信号中的非线性特征被广泛应用于转子故障诊断。但常规双谱分析是以单通道信号为研究对象,不能全面地反映转子系统的非线性特征,存在着信息遗漏的问题,而且由同一截面的两个通道信号得出的分析结论会不一致。为解决这个问题,以全矢谱分析方法为基础提出矢双谱信号分析的新方法。矢双谱是融合了同一截面上双通道信号的幅值信息而保留了各自的相位信息的全矢双谱分析方法,能够真实地反映转子运转所包含的各种信息,且能满足分析结论的一致性要求。给出矢双谱的定义与算法,通过仿真和齿轮箱故障试验,研究结果表明,该方法能够更加全面地反映信号中所包含的非线性特征信息,分析结论具有一致性和可信性,从而提高智能故障诊断的准确性。     

利用转子故障耦合动力学系统模型识别油膜涡动下的碰摩故障

转子碰摩故障通常为不平衡、不对中以及油膜涡动等故障引发的二次故障,其信号通常具有周期、拟周期和混沌这3种复杂的非线性特征。本文针对油膜涡动下的转子碰摩故障诊断问题,建立了含不平衡、油膜涡动以及碰摩故障耦合动力学模型,利用数值仿真研究了转子系统在油膜涡动下的碰摩故障频谱特征,提取了反映耦合故障的特征信息。为了准确的对碰摩故障进行诊断,通过不断改变系统参数获取了包括各种状态下的耦合故障样本。最后构造了结构自适应神经网络,利用一半样本对神经网络进行训练,再用另一半样本对训练好的神经网络进行测试,识别率达到了94%以上。计算结果充分表明了本文方法对于识别油膜涡动和碰摩耦合故障的有效性。     

非线性振动声调制信号耦合特征分析

振动声调制(Vibro-acoustic modulation,VAM)是一种非线性无损检测方法,利用低频振动信号与高频超声波在结构损伤处产生调制现象来检测损伤.目前振动信号与超声波之间的耦合机理、损伤程度与调制强度的关联关系还不明确.以一块航空铝板为对象开展试验研究,通过对不同裂纹长度下的VAM信号进行AM-FM解调,从时频域分析振动信号与超声波是如何相互耦合的;研究激励参数和裂纹长度对VAM信号调制强度的影响.结果表明,当铝板中存在损伤时,振动信号与超声波之间既存在频率调制也存在幅值调制,调制波为振动信号的基波及各次谐波;VAM信号的调制强度受激励电压、铝板振动模态等因素的影响,与裂纹长度的关联关系并不是单调的,因此无法用于损伤程度的评估.根据非线性弹簧模型和影响VAM信号调幅特征的因素定义可用于损伤评估的相对指标,并进行验证.     

基于1 1／2维谱的滚动轴承故障诊断

提出了基于１１／２维谱的滚动轴承故障诊断新方法。１１／２维谱保留了信号的相位信息且能够有效抑制噪声。用１１／２维谱分析滚动轴承振动信号,可以提取由于二次相位耦合产生的非线性特征,识别故障模式。试验结果表明,这种方法能有效地诊断滚动轴承故障,且对初期故障很敏感。     

基于ITD和切片双谱的滚动轴承局部损伤故障诊断

针对滚动轴承局部损伤故障诊断问题,提出一种基于本征时间尺度分解(ITD)和切片双谱的故障诊断方法。首先利用ITD方法将轴承故障信号分解为若干个合理旋转(PR)分量,然后对PR分量进行包络解调,并计算其切片双谱,提取轴承故障信号由于二次相位耦合产生的非线性特征,确定轴承故障类型。为加快分解速度并减少分解运算量,对ITD方法迭代终止条件进行改进。对仿真信号的分析表明,ITD方法对信噪比较低的信号具有很好的分解效果,并验证了切片双谱在抑制噪声和剔除非二次相位耦合谐波方面的优势。     

AR双谱在减压阀故障诊断中的应用

双谱可以描述系统的非线性耦合,抑制高斯噪声和保留相位信息。当减压阀系统受到零均值的非高斯噪声干扰时,利用减压阀输出的位移信号建立AR时间序列模型,通过AR双谱进行减压阀故障诊断。结果表明在相同的液压压力下,减压阀在正常工作和出现故障时的双谱存在明显差异,双谱表现出了不同的特征;对于同一实验组,在不同的液压压力下减压阀的双谱特征有略微变化,液压压力对减压阀的故障诊断影响不大,这样有助于在实际应用中对减压阀做出快速诊断。理论和实验说明了双谱分析是实现液压元件故障检测的有效方法之一。     

改进的非线性调频脉冲压缩方法在空气耦合超声检测中的应用

为解决空气耦合超声检测中信号微弱、信噪比低的问题,在应用线性调频脉冲压缩方法的基础上,研究非线性调频脉冲压缩方法及改进后的方法在空气耦合超声检测中应用。介绍非线性调频脉冲压缩方法的基本原理,针对超声检测中实际应用的特殊性,分析换能器频带特性对脉冲压缩效果的影响,试验研究改进的非线性脉冲压缩方法对空气耦合超声换能器接收信号的影响以及脉冲压缩方法对提高信噪比的实际效果,通过空气耦合超声C扫描检测系统,对玻璃纤维复合材料试样进行成像检测试验。试验结果表明,改进的非线性调频脉冲压缩方法可有效提高脉冲压缩效果,有利于改善空气耦合超声检测的效果。     

局域均值分解和1.5维谱在机械故障诊断中的应用

针对机械故障振动信号的非线性、非平稳特征,提出了局域均值分解和1.5维谱相结合的机械故障诊断方法。该方法首先对信号进行局域均值分解,将其分解为若干个PF分量之和,然后运用1.5维谱方法对含有故障特征信息的PF分量进行特征提取。该方法具有抑制高斯白噪声、检测非线性耦合特征等特性。仿真信号与机械故障诊断工程实例的分析验证了该方法的有效性。
     

基于耦合隐马尔可夫的轴承故障诊断方法

针对轴承故障信号比较微弱的特点,提出了一种基于耦合隐马尔可夫模型(coupled hidden Markov model,简称CHMM)的轴承故障诊断方法。首先,根据轴承传动结构特点,设计能够监测轴承振动状态的传感器网络;其次,通过非线性特征提取方法获取能够反映轴承健康状态的少数关键特征,利用传感信号的矢量量化代替提取其频域微弱特征的方法,可有效提高故障诊断效率和准确率;然后,在多通道信息融合中引入隐马尔可夫模型,采用左右型齐次隐马尔可夫链实现故障诊断;最后,通过对各种轴承故障状态构建其对应的耦合隐马尔可夫模型的方式,实现对轴承故障类型的辨识。试验结果表明,该方法能够有效地实现对轴承故障类型的识别。     

工况信息融合的神经网络刀具监控方法研究

基于加工过程中刀具产生的动态信号,利用BP神经网络多输入、多输出和非线性映射的特性,通过融合多种加工特征信号,建立了切削参数与加工动态过程之间的关系模型,实现了刀具在线加工状况的检测与预报。仿真结果表明,基于工况信息融合的神经网络刀具监控方法不但可以减少加工参数变化对刀具状态检测的影响,而且提高了在线检测刀具磨损量的精确度,验证了该方法的有效性。     

基于遗传算法的耦合隐马尔科夫模型的故障诊断方法

针对有效利用多通道数据进行准确、灵敏的故障诊断的问题,研究了一种基于遗传算法的耦合隐马尔科夫模型的故障诊断方法。该方法是通过遗传算法优化耦合隐马尔科夫模型参数,以优化参数后的耦合隐马尔科夫模型拟合设备各状态数据建立状态模型库,再计算待诊断信号的极大似然概率值判断设备状态。通过对滚动轴承6种状态实验数据的分析,表明遗传算法能对耦合隐马尔科夫模型参数进行有效优化,且这种基于遗传算法参数优化的耦合隐马尔科夫模型能准确、灵敏地进行故障诊断,且能以极少量数据识别出状态变化。相比于传统故障诊断方法,该方法可不进行特征提取直接建立诊断模型,简化了诊断流程且能更好利用隐马尔科夫模型对状态转变敏感的特性。     

基于多重分形与SVM的齿轮箱故障诊断研究

针对齿轮箱振动信号的非平稳性和非线性,提出一种多重分形和支持向量机相结合的故障诊断方法。运用多重分形理论方法对齿轮振动信号进行分析,通过分析发现多重分形谱和广义维数作为故障特征能够很好地反映齿轮箱的工作状态;对支持向量机的参数利用粒子群优化算法进行优化,并将齿轮箱振动信号的多重分形特征量作为支持向量机的输入参数以识别齿轮的故障类型。实验结果表明,该方法在样本较小的情况下能够准确对齿轮箱的故障类型进行分类。     

航空相机扫描镜系统的线性近似模型辨识

为深入认识摩擦对航空相机扫描镜系统频率响应特性的影响,获得更准确描述该系统真实动态的模型,使用随机相位多正弦信号测量了扫描镜系统的频率响应特性并进行了线性近似参数模型辨识.首先,介绍扫描镜系统辨识的实验平台与激励信号选择.然后,使用奇-奇频率随机相位多正弦信号分别测量扫描镜系统在非激励频率处和激励频率处的输出对输入信号幅值的依赖,从而定量评估摩擦非线性的影响.最后,基于信号采样均值及噪声采样方差、协方差估计辨识了扫描镜系统线性近似参数模型.实验结果表明,扫描镜系统的摩擦非线性主要出现在奇频率处,高于噪声10dB;系统的频率响应特性依输入信号幅值不同而各异,在低于20 rad/s频率区该差别尤为显著.由于摩擦非线性影响,扫描镜系统需要使用3阶模型描述;与正弦扫描方法相比,基于多正弦信号激励获得的参数模型可更好地描述扫描镜系统真实动态特性.得到的结果为控制器的设计奠定了基础.