基于小波尺度谱重排与小波排列熵的自动机故障诊断

用小波包变换对自动机振动响应信号进行时频分析,提出了对每层小波包系数进行小波尺度谱重排处理,计算了每层小波系数的排列熵,并以此作为自动机短时瞬态冲击时微弱故障信号的特征量,使用支持向量机对特征量进行故障分类识别,结果表明,该方法能有效地提取特征值并识别微弱故障,可较好地解决自动机的故障诊断问题。     

基于混沌理论的自动机故障诊断研究

针对某型号自动机的结构特点、运动过程和几种常见的故障模式进行分析。结合自动机的运动过程分析及其振动信号的非线性短时冲击特性,提出用混沌理论对自动机的故障进行诊断研究。提取了所测信号的李雅普诺夫指数,验证其为混沌系统,运用关联维数和Kolmogorov熵几个混沌参量提取出实测信号的特征。最后应用Elman神经网络进行了故障模式的识别,实现了基于试验测试的自动机故障诊断。为自动武器的故障诊断提供了一种新思路,对高速自动机的故障诊断有着重要的理论和现实意义。     

基于小波包能量谱与主成分分析的轴承故障特征增强诊断方法

滚动轴承出现损伤时,采集的振动信号呈非平稳性,采用一般的时域和频域分析方法不能准确提取出振动信号的故障特征。根据小波包多分辨、精细化的分解特性,提出一种基于小波包能量谱与主成分分析（PCA）方法的滚动轴承故障诊断算法。将振动信号进行小波包分解,得到重点频率段信息的能量谱,提取能量谱作为特征向量;利用PCA方法对特征向量降维并减小噪声信号的干扰,获得增强的故障特征;利用层次聚类方法和改进的模糊c均值聚类算法对不同类型的滚动轴承故障进行识别,两种聚类方法都准确地识别出了不同的故障类型。实例验证结果表明,所提方法能够有效地提取振动信号中的有用故障特征,实现轴承故障类型的精确诊断。     

基于冲击响应谱特征提取的自动机裂纹故障诊断

针对武器自动机在动作过程中,机构相互碰撞产生的冲击振动信号,提出计算冲击振动信号的冲击响应谱,并提取冲击响应谱特征值,进而开展自动机部件裂纹故障识别的新方法。开展不同裂纹部件的射击试验,采集正常及故障条件下自动机部件碰撞冲击信号,并根据运动过程进行分离;计算分离后冲击信号最大冲击响应谱,根据冲击响应谱不同区域的冲击响应特征参数,提出冲击响应谱相对峰值比和相对峰值频率比的定义,并将相对峰值比、相对峰值频率比作为故障特征值进行提取;在不同裂纹故障条件下,对比故障特征值统计分布形态,完成不同故障条件的识别试验。试验结果表明,冲击响应谱特性提取可以准确有效地诊断自动机裂纹故障,是一种可以用来在线监测的新方法。     

基于小波变换信息熵的自动机故障特征提取研究

研究了根据自动机机箱的短时冲击振动信号,从信息的定量描述方法出发,通过小波能谱熵、小波奇异谱熵、小波时间熵算法建立信息熵提取模型,实现故障特征提取.针对典型模拟信号的仿真分析,验证了所提出的信息熵指标可以对信号进行多层次特征提取.结合自动机故障诊断试验,进行自动机运动形态分解时域特征与不同空间信息熵指标特征提取.可用于小口径火炮高速自动机的在线监测与故障诊断.     

基于高阶累量谱的轴承故障诊断

在轴承故障诊断中，故障信号的提取是一个关键问题。实际测得的轴承振动信号一般是非平稳和非高斯分布的信号，信噪比很低，微弱的故障信息往往完全淹没在噪声中，信号特征的提取非常困难。信号的高阶累积量对加性高斯噪声和对称非高斯噪声不敏感，应用在轴承的故障诊断中，可以有效地分离信号与噪声，提高信噪比，增强故障信息。对轴承在不同状态下的振动信号进行对比分析，提取了不同状态下轴承振动信号的功率谱与高阶累量谱（双谱），建立了用于故障诊断的双谱特征向量，并利用BP神经网络进行了故障诊断。分析结果表明，从高阶累积量提取的特征与功率谱相比，对故障特征比较敏感，容易实现智能诊断中的数字特征提取，可有效地区分轴承的故障。     

自动机机箱振动分析与诊断研究

自动机射击动作时因激振力的作用会产生一定方向和频率的冲击振动,构件的裂纹或松动等故障会影响到其响应成分的频率能量特性;针对自动机实射动作冲击响应振动信号,利用小波分析快速进行信噪分离,频域范围内采用功率谱分析结合小波包分解对各频段能量谱分析。根据振动信号时域峰值和时刻,频域能量的变化和分布,给出故障诊断层使用的状态特征向量,并用比例梯度动量共轭算法训练的神经网络模型进行自动机状态定位与故障识别。     

基于支持向量数据描述的火炮自动机故障状态监测技术研究

针对火炮自动机故障状态监测问题,提出了一种基于支持向量数据描述的故障状态监测模型。利用搭建的自动机振动测试平台获取自动机振动信号,采用变模态分解方法将振动信号分解为多个本征模态分量,计算各个分量的样本熵值作为故障特征,并以正常状态下的自动机故障特征为训练样本进行SVDD模型的训练,训练过程中根据模型特点找到合适的模型参数,完成自动机状态监测模型的构建。在自动机测试平台上设置多种预制零件故障进行模型的验证,结果表明所建立的状态监测模型对异常状态的发生有很强的敏感性,具有较高的检测准确率;同时设计了关重件模拟性能退化试验,试验结果验证了所提出的模型具有良好的早期故障检测能力,可较为准确地反映自动机故障性能退化过程,可为火炮自动机故障状态监测提供一定的借鉴和指导。     

基于EEMD和二维边际谱熵的齿轮箱故障诊断

针对信号经验模态分解（EMD）过程中存在波形混叠现象,提出一种基于聚合经验模态分解（EEMD）和Hilbert二维边际谱熵相结合的方法对齿轮箱故障进行分类故障诊断．首先使用小波阈值分析对背景噪声较大的齿轮箱振动信号进行预处理;其次对预处理信号进行分解,得到IMF分量,对比正常信号与故障信号的区别;最后对3种工况信号进行Hilbert变换并计算得到边际谱,并且提取二维边际谱熵作为支持向量机（SVM）的输入量,建立故障诊断模型．经测试该方法在齿轮箱故障诊断方面有着较强的分类能力和诊断精度,具有一定的可行性．     

基于支持向量机的机电BIT虚警抑制

诊断间歇故障是降低BIT虚警的一个主要途径。针对目前间歇故障诊断方法的不足，根据支持向量机(SVM)的小样本学习优点，建立基于支持向量机的三状态(正常、间歇故障、永久故障)故障诊断模型，再以振动信号的AR模型系数为特征，在少量训练样本下，利用该模型SVM诊断间歇故障。实验结果表明，该方法可在多种间歇故障、少量训练样本的情况下，对间歇故障进行有效诊断，从而达到降低BIT虚警的目的。     

基于多源信息融合的火炮装填状态监测与故障诊断系统

针对火炮装填系统故障成因复杂、诊断方法不足等问题,提出一种基于多源信息融合的火炮装填监测与 故障诊断的方法。采用知识决策属性进行属性分类,构建神经网络训练模型,对自动装填系统故障进行定性分析并 建立故障诊断辨识框架,根据故障决策准则得出故障判断,解决了故障特征的不确定性、故障模式多样性的问题。 实例分析结果表明,该方法达到了有效提高故障诊断确诊率的目的。     

基于EEMD-CWD的齿轮箱振动信号故障特征提取

为实现齿轮箱故障特征提取,提出一种基于集成经验模态分解（EEMD）和乔-威廉姆斯分布（CWD）的齿轮箱振动信号特征的提取方法。对现场采集的振动信号进行EEMD分解,再对分解得到的固有模态函数（IMF）分量依照峭度准则进行排序,选取峭度指标较大的IMF分量进行CWD分析,最终得到信号的CWD.该方法可以有效抑制由于干扰项引起的频率混叠和干扰问题,有助于将原始信号在时间历程、频率成分和幅值大小3个方面的特征信息同时进行准确提取。利用该方法对实际齿轮发生断齿、裂纹故障进行了实验分析,结果表明：该方法能够全面、有效地提取齿轮振动信号中所蕴含的齿轮箱状态信息,为后续进行齿轮箱状态识别和故障诊断奠定基础。     

偏离运动仿真在供弹机构故障分析和优化设计中的应用

为了解决高射速自动炮供弹机构故障诊断的难题,以某供弹机构为研究对象,研究了偏离运动仿真在供弹机构故障分析中的应用方法,通过建立某高速供弹机构动力学仿真模型,采用偏离运动仿真技术,复现了自动炮供弹机构的故障,分析了故障原因,并以拨弹轮的初始定位角为偏离变量,以供弹过程中炮弹运动速度最平稳为优化目标,优化了各拨弹轮的初始定位角度。结果表明,经过优化的供弹机构,供弹过程平稳、供弹阻力小,证明了偏离运动仿真方法的可行性,为此类供弹机构的故障分析和优化设计提供了一种有效的分析方法。     

基于案例推理的自行火炮故障诊断专家系统

快速有效地诊断和排除自行火炮故障是当前装备维修保障工作的重点。对这样复杂的设备进行故障源的充分暴露和故障定位，仅依靠传统方法有较大的局限性。将故障诊断专家系统引入自行火炮故障诊断领域为自行火炮故障诊断提供了新的方法。该系统由诊断信息获取模块、案例库管理系统、诊断推理机制、学习模块、人机界面和诊断报告模块组成。利用CBR技术建立的故障诊断专家系统可提高自行火炮的维修效率和自行火炮装备故障诊断的正确性和效率。     

基于特征融合的注意力增强卷积神经网络的航空发动机滚动轴承故障诊断方法

针对现有基于深度卷积神经网络的故障诊断方法只考虑对信息局部特征的提取、忽视全局信息的不足,将可以把握全局信息的注意力机制融入卷积层,使得注意力机制参数和卷积层参数参与网络的训练,提出一种注意力增强卷积神经网络的机械故障诊断方法。通过经验模态分解、变分模态分解和小波包分解的方法提取滚动轴承振动信号的高维特征模量;将特征模量组成多通道样本输入到注意力增强卷积神经网络中进行训练,利用网络对特征模量自适应地融合和选择,从而挖掘特征模量的隐式特征;使用Softmax分类器进行分类识别;通过训练好的网络对高转速下的滚动轴承进行故障诊断;利用不同信噪比的信号对所提方法进行测试,以验证网络的泛化能力和故障诊断效果。实验结果表明：该方法能准确、有效地对航空发动机滚动轴承不同故障的损伤程度进行分类识别。     

基于盲源分离的齿轮箱复合故障诊断研究

针对传统盲源分离(BSS)技术在处理非线性变化的复合故障信号时的不足,将核独立分量分析(KICA)技术应用于齿轮箱的状态检测与故障诊断。介绍了KICA的基本原理,进行了仿真说明。最后应用该方法并结合包络阶次谱分析对设置了2种故障的齿轮箱进行故障诊断,最终找到了故障特征,成功判别出了这2种故障,并验证了该方法的有效性。     

基于改进遗传算法的反后坐装置故障诊断方法

反后坐装置是火炮射击故障率最高的部件之一。驻退机故障主要体现在驻退机内液量不足及节制环、驻退杆活塞套等零件磨损,完整火炮难以直接测量内部零件磨损量,因而驻退机故障诊断困难。通过建立反后坐装置后坐、复进运动数学模型,对射击中出现的驻退机故障及其原因进行了仿真计算,应用改进的遗传算法诊断了其故障原因,并用诊断实例验证了该方法的正确性与有效性。实例证明,该方法在火炮反后坐装置故障诊断方面具有速度快、精度高等优点,为火炮结构优化设计及故障论断提供参考。