基于随机卷积核与孤立森林柱塞泵异常检测方法

液压柱塞泵出口压力脉动信号近似于周期信号,有比较明确的物理含义,携带着丰富的泵的健康状态信息,是柱塞泵健康管理比较理想的信号源。利用柱塞泵出口压力上的脉动成分,提出一种基于随机卷积核的柱塞泵异常检测方法,只需柱塞泵在正常工况下的压力脉动数据即可具备检测异常压力脉动数据的能力。该方法包括波形划分、异常数据段检测2个阶段：采用基于动态时间规整(Dynamic Time Warping, DTW)数据划分算法对柱塞泵压力脉动原始数据进行分割,获取压力脉动数据段以构建数据集;基于大量一维随机卷积核提取特征,获取正常状态下压力脉动数据段特征;使用孤立森林算法对基于随机卷积核提取的特征进行异常检测。该方法在真实数据集上的表现,表明其对于异常波形的判断有优异的表现,且查准率较单一孤立森林算法提升了6.3%。     

基于孤立森林算法的风电齿轮箱轴承故障检测方法

为精准检测齿轮箱轴承故障,实时进行有效监测以保证风电齿轮箱健康运行,提出一种基于孤立森林算法的风电齿轮箱轴承故障检测方法.首先,以齿轮箱轴承温度为故障检测模型的输出变量,采用多尺度图相关算法选择输入变量;然后,提取输入变量的均方根和包络线进行自组织映射神经网络特征融合;最后,以融合值为模型输入量,使用孤立森林算法进行异...     

基于高维随机矩阵综合特征指标的滚动轴承状态异常检测算法

针对基于随机矩阵的异常检测算法中特征信息利用不充分、特征向量与特征值未能有效结合的缺点,提出了一种基于随机矩阵特征值与主特征向量相融合的滚动轴承状态异常检测算法.首先,利用滚动轴承健康监测原始数据构造观测矩阵,并通过归一化、特征提取、矩阵扩充等步骤,建立表征滚动轴承运行状态的高维随机协方差矩阵;其次,有机融合协方差矩阵...     

轴承异常声检测的特征量选择及分析

采用数字仿真和数字检测技术，对轴承异常声检测特征量的选择进行了分析讨论。结果表明，现行异常声检测用特征量平均幅值、有效值、峰值、波峰因数、峭度系数、超门槛脉冲数、超门槛脉冲有效值中，波峰因数和超门槛脉冲数两个特征量相结合，能够对轴承异常声进行最为可靠和有效的检测。     

变工况滚动轴承异常状态局部切空间分类检测

变工况滚动轴承异常状态数据在特征空间上呈现高维模糊分类特征,异常状态数据的子特征分区极为困难,增加了轴承异常检测的难度。为此,提出变工况滚动轴承异常状态局部切空间分类检测方法。采用局部切空间排列法,降维处理变工况滚动轴承数据,使其在局部切空间满足分类空间映射条件,再利用深度置信网络,通过异常数据训练提取数据的异常特征。将提取的特征输入到SVM分类器中,利用非线性映射函数将二维特征矩阵映射到三维分类空间中再将超平面结构加入其中。在多项式核函数的引导下,找到对应的子特征分类区域,根据分类结果检测变工况滚动轴承的异常状态。实验结果表明：在调整轴承承载负荷前后,该方法针对异常状态的检测率较高,早期异常点检出所花时间较少。     

基于嵌入式传感器的滚动轴承状态监测系统的研究

在滚动轴承状态监测与故障诊断系统研究中，采用嵌入式传感器的检测技术，有效提高检出信号的信噪比，为滚动轴承的早期故障等微弱信号的检测与诊断提供了一种新的方法。     

基于鲁棒性小波包峭度图的滚动轴承故障诊断

由于基于小波包变换滤波器的设计方法仍然是采用基于样本四阶矩的谱峭度,因此在实际应用中可能会存在非鲁棒性等问题。在此基础上定义了具有鲁棒性的谱峭度系数,提出了基于小波包变换的具有鲁棒性的峭度图算法。滚动轴承的实测信号验证了所提出的方法不仅能够真实地反映谱峭度大小,而且能够准确过滤出故障瞬态冲击成分,有利于基于包络谱分析轴承故障特征频率检测,说明其具有较好的应用前景。     

基于机器学习的船舶柴油机异常点检测技术研究

本文结合某船历史航行数据提出基于孤立森林和长短时记忆网络(LSTM)算法的柴油机异常点检测方法。运用孤立森林算法对柴油机气缸排气温度数据进行异常点检测;针对缺乏异常数据的船舶柴油机热工压力参数根据其和柴油机转速的强相关性提出基于LSTM算法的异常点检测方法,再通过实船数据验证两种算法异常点检测效果。研究表明基于LSTM和孤立森林算法的柴油机异常点检测算法具备可行性。     

滚动轴承故障检测的改进包络分析法

提出了一种基于连续小波变换和谱峭度分析的改进包络分析方法,并将其应用于滚动轴承的故障检测之中。该方法的核心是自动确定由轴承缺陷所引起的共振频率所在的频带,自动构建最佳包络来进行故障诊断,该方法已成功地应用到了对故障轴承振动信号的仿真和实测,并取得了满意的结果。     

皮带输送机滚动轴承状态监测与故障诊断的研究

重点对煤矿皮带机滚动轴承在运转状态的检测与故障诊断进行研究.推荐采用第二代小波解调分析法和混合智能诊断法,效果会更为显著.     

滚动轴承的损伤机理与大颗粒磨损金属的状态监测

论述了滚动轴承的失效机理及在线监测的重要性。介绍了加拿大ＧａｓＴｏｐｓ公司研制开发的在线、全液流、大颗粒磨损金属监测的金属扫描仪ＭｅｔａｌＳＣＡＮ的原理和功能。其测试结果与试验台验证结果有良好的一致性,已在实际中应用。     

基于matlab的滚动轴承智能监测应用实例分析

智能化滚动轴承状态监测利用传感器进行振动信号采集,将采集的数据形成样本;在MATLAB程序中导入采集的数据样本,进行时域分析与频域分析,并且提取时域和频域的特征向量,形成训练神经网络的模式;再将数据输入人工神经网络进行训练,可以建立一个识别系统判断轴承是否有故障。     

低速重载滚动轴承的状态监测

炼钢厂连铸机大包回转台轴承是典型的大型低速重载回转设备,由于常规的振动传感器很难拾取如此低频的信号致使振动分析无法进行,因此利用润滑脂的光谱和铁谱分析方法对其进行状态监测。在此研究过程中,开发出新的润滑脂专用溶剂。研究结果表明,利用润滑脂的光谱和铁谱分析技术来评价该类型低速重载轴承磨损状态是可行的,1#连铸机大包回转台轴承的使用寿命延长到了14年。     

基于振动图像特征的机械状态异常检测算法

针对实时监测得到的振动信号,从图像角度出发,提出了一种新的特征提取方法.首先,将实时监测得到的连续信号划分为独立的循环片段,将各个片段内的一维振动信号重构成二维灰度图像,在此基础上对灰度图像进行特征提取;其次,通过计算相邻周期图像间的相似性建立能描述机械运行动态特性的量化指标;然后,采用拉依达准则对机械设备运行状态进行...     

轴承异常声检测错判和漏判原因分析与对策

依据JB/T 10187—2000和JB/T 7047—2006中给定的有效值限值和峰值限值检测判定轴承静音等级时,存在理论上的错判和漏判,在分析、比较的基础上指出,采用峰值同有效值之比(波峰因数)或峰值同有效值之差可以有效地避免这种错判和漏判。     

基于STM32的地下电缆异常状态检测系统研究

由于目前缺乏相应的监测技术,地下电缆线路出现异常运行状态无法被及时发现,久而久之易演变成大故障,最终只能通过更换地下电缆进行修复,耗费大量的人力、物力。鉴于此,开发了一种基于STM32的地下电缆异常状态检测系统,利用热传导原理测量地下电缆表面温度,通过测量温度的高低判断地下电缆的过载运行情况和异常运行状态,并对异常运行的异常点进行预测,辅助供电人员开展异常运行电缆的检修工作,以节省人力、物力。     

基于时间序列位图的滚动轴承异常检测

针对机械故障快速实时异常检测问题,提出一种基于时间序列位图的新方法。对时域振动信号运用静态等区间符号化方法进行"粗粒化"处理,得到时域信号的符号矩阵,对时域波形的采样点和小波段分别进行特征统计,并用单层和双层时间序列位图对滚动轴承正常状态和异常状态进行显示。针对实验数据得到的检测结果验证了该方法的准确性和有效性。该方法克服了公式法异常检测中计算过程复杂和检测结果抽象的不足,用可视化位图的方式实现了机械运行状态的直观快速显示,降低了对现场异常检测和故障诊断操作人员的要求,是对现场机械实时在线异常检测方法的有力补充。     

基于自适应自相关谱峭度图的滚动轴承故障诊断方法

自相关谱峭度图通过最大重叠离散小波包变换对信号频谱进行分割,并选取最大峭度值所对应频带内的信号进行诊断分析.针对自相关谱峭度图方法在分割频带时因遵循二叉树结构而导致的频带划分区域固定问题,提出一种基于自适应自相关谱峭度图方法的滚动轴承故障诊断方法.自适应自相关谱峭度图方法以改进的经验小波变换为基础,对原始信号傅里叶谱进...     

基于改进EMD与谱峭度的滚动轴承故障特征提取

针对滚动轴承故障信号的调制特点和其需要依靠经验来选择共振高频带的缺点,提出一种改进经验模态分解(EMD)与谱峭度法结合的滚动轴承故障诊断方法。首先,通过EMD将滚动轴承故障信号分解为若干固有模态函数(IMF);然后通过互信息、峭度、互相关性剔除虚假IMF分量,重构故障信号;最后利用谱峭度设计最优带通滤波器,并对滤波后的信号进行包络解调分析,提取滚动轴承故障特征。滚动轴承故障实验信号分析结果表明,改进EMD与谱峭度方法能有效提取滚动轴承故障特征,且比传统包络分析方法更具优势。