非线性复杂系统特征抽取算法的研究

为保证复杂系统的可靠运行,提高故障快速诊断能力,利用解析小波和积分小波分别计算BOX维数和关联维数的方法,融合小波变换模极大值和分维构成一种综合特征提取技术,应用表明,算法能有效提高诊断的准确性和系统的稳定性.     

关联维数分析方法及其在液压泵故障诊断中的应用

研究了混沌与分形的特征参数-关联维数的计算方法,分析了其计算参数的选择依据,并计算出液压泵正常和故障状态压力信号的关联维数.通过对液压泵的实验证明,设备在不同状态下具有明显不同的关联维数.因此,关联维数分析方法可以作为设备状态监测与故障诊断的有力依据,并具有较为广阔的应用前景.     

非线性复杂系统特征抽取算法的研究

为保证复杂系统的可靠运行，提高故障快速诊断能力，利用解析小波和积分小液分别计算BOX维数和关联维数的方法．融合小波变换模极大值和分维构成一种综合特征提取技术，应用表明，算法能有效提高诊断的准确性和系统的稳定性     

基于EMD-AR和关联维数的轧机主传动系统故障诊断研究

为提高轧机主传动系统故障诊断的精度,提出了一种基于EMD-AR模型和关联维数的故障特征提取算法.该方法采用小波滤波和EMD对振动信号进行去噪和平稳化预处理,再对包含主要故障信息的本征模函数(IMF)分别建立AR模型进行降维,最后通过时延相图法重构AR模型参数的相空间,并计算其关联维数.实验分析表明:该算法不仅能够深刻、...     

基于小波分析的传感器故障检测研究

针对航空发动机控制系统传感器故障检测在强噪声环境下易误报的问题,设计了基于模极大值原理的传感器故障检测方法.首先介绍基于小波奇异性进行故障检测的基本原理,之后根据信号和噪声奇异指数不同的特点判断噪声模极大值.对传感器典型故障,给出基于模极大值原理的传感器故障检测算法,并根据小波变换模极大值在不同尺度下的分布来完成故障的检测.通过某型涡扇发动机控制系统传感器故障检测仿真实验表明,小波变换能很好地刻画信号的奇异性特征,该滤波算法消噪效果明显,故障检测准确度高.     

关联维数在高速列车运行状态评估中的应用研究

基于监测数据评估高速列车空气弹簧和横向减振器等关键部件的运行状态,针对车体横向加速度振动信号,本文提出了关联维数的列车状态评估方法,分析了车体横向振动特征,对时域信号进行了频谱分析,并进一步分析了关联维数。为了计算关联维数,需先对信号进行相空间重构,然后求出重构相空间的两个关键参数;用互信息量方法[1]求出最佳延迟时间和用CAO [2]方法求出最佳嵌入维数。通过对监测数据的关联维数分析,证明了该列车在四种不同标准状态下的工况具有明显不同的关联维数特征。因此,按照关联维数的大小,就可诊断出列车可能出现的故障。研究结果表明,关联维数分析方法在设备状态监测与故障诊断中,尤其是在非线性系统的故障诊断中显示出其独特的优势,具有较为广阔的应用前景。     

航空发动机状态参数的关联维数分析

针对航空发动机性能、故障等状态监控的优化问题,以及视情维修的需要,提出了一种混沌时间序列的关联维数提取方法.采用互信息量法和饱和关联维数法,对飞参系统记录的发动机状态参数时间序列的时间延迟和嵌入维数进行了计算,并对时间序列重构相空间,应用G-P算法计算时间序列的关联维数.计算结果表明,发动机状态参数的关联维数为非整数,验证了发动机状态参数具有典型的混沌特性,且关联维数能够正确反映发动机状态参数的特征信息,为发动机状态监控和视情维修提供决策依据.     

小波分解求取含噪混沌时间序列的关联维数

关联维数是一个混沌时间序列分析中很重要的参数,在分析了噪声对关联维数求取的影响后,提出了一种应用小波分解求取含噪混沌时间序列关联维数的方法,数值试验证实了我们这种方法的正确性与可行性.     

基于分形网格维数的采煤机故障诊断

介绍了分形网格维数基本理论,概述了分形维数的分析方法和相关性判断,并介绍了采煤机齿轮箱的故障特点和诊断方法,计算了采煤机齿轮箱在正常状态、内圈点蚀和外圈裂纹三种状态下的网格维数,并利用网格维数距离对其进行故障判别,得到了较好的诊断结果。     

基于分形盒维数串联电弧故障诊断技术研究

通过搭建串联故障电弧实验平台,进行多种类型负载实验,对其正常工作和发生串联电弧故障时的电流信号进行分析,提出了一种基于分形盒维数的串联故障电弧诊断方法。进一步研究了不同信噪比下分形盒维数的计算误差,分析了分形盒维数的抗噪性能,同时计算了不同负载在正常工作和发生串联电弧故障下分形盒维数的参考区间。实验证明,基于分形盒维数的故障诊断方法能够准确辨别出负载的串联电弧故障,具有较好的通用性。     

基于小波分析的故障系统在旋转机械中的应用

就小波分析技术在旋转机械故障诊断应用中的故障特征提取问题进行了深入研究,提出了基于小波奇异性及小波变换模极大值的故障特征提取方法,通过对故障信号与小波变换的多分辨率方法以及奇异性理论相结合进行研究,发现小波分析便于对信号的总体和局部进行刻画;利用小波变换对信号的分解和重构特性,可有针对性地选取有关频带的信息以及降低噪声干扰,通过对重构信号的频谱分析能更有效地提取裂纹故障的典型特征。结果表明,对于旋转机械的非平稳信号来说,利用小波变换方法进行故障诊断是行之有效的。     

基于新小波神经网络的电力电子电路故障诊断

电力电子电路模型具有非线性,所以对它进行故障诊断比较困难.针对这种情况,将小波变换的时频局部化特性和神经网络的非线性映射与学习推理的优点结合起来,建立一种新的小波神经网络.并以双桥12相脉波整流电路为例,首先列出电路的故障类型,片用软件模拟电路的各种故障下的故障信号,然后使用建立的小波神经网络学习和存储双桥12相脉波整流电路的故障信号和故障类型之间的映射关系,实现电路的故障诊断.仿真结果证明了这种故障诊断方法的正确性和准确性.     

基于小波包分形的电力电子故障诊断方法

针对现有电力电子故障诊断的问题,提出了一种基于小波包分形的电力电子故障的诊断方法.首先使用3层小波包对电路输出电压波形进行分解、消噪和重构等预处理,以获得不同频带的重构信号,然后再计算各个重构信号的分形维度,提取出相应的故障特征;最后以此作为输入数据来训练支持向量机,实现电力电子故障的诊断.以三相整流电路为例进行实验,实验结果表明该方法能有效地提取电力电子故障诊断的故障特征,提高故障诊断的准确率,可有效地应用于电力电子系统的故障诊断.     

一种推挽式电路故障诊断方法的仿真研究

提出了基于小波变换和神经网络的推挽式电路故障诊断方法。先仿真得到各种故障状态下的输出电压信号,然后对输出电压信号进行Daubechies小波变换获取多尺度低频系数和高频系数,并对小波系数进行处理提取故障特征量,最后利用故障特征矢量训练神经网络确定了推挽式电路故障诊断的神经网络模型。仿真结果表明基于小波变换和神经网络的推挽式电路故障诊断方法取得了较好的效果。     

小波变换在电路故障诊断中的应用

介绍了利用小波变换来检测信号的奇异性特征的原理，对信号的奇异性进行了定义，并将其用于电路故障诊断中，解决了传统故障诊断方法中对故障存在的知识获取“瓶颈”问题。实验证明提出的方法取得了较好的应用效果。     

基于小波分析的转子绕组匝间短路故障诊断方法

分析了汽轮发电机发生转子绕组匝间短路故障时的电磁特性,提出了基于小波分析的故障检测与诊断方法.这种方法是在探测线圈法的基础上,将小波变换用于突变信号的检测,对气隙中感应电动势信号的奇异特征进行提取,根据这些奇异特征,可实现对发电机转子绕组匝间短路故障的检测及故障点的定位.仿真分析表明,该方法适用于故障信号的奇异特征提取,适合于汽轮发电机转子绕组匝间短路故障的在线检测.     

基于小波的信号突变点检测算法研究

本文利用小波多分辨分析的特性将突变信号进行多尺度分解,然后通过分解后的信号来确定突变信号的突变位置。Lipschitz指数被用来定量描述函数的奇异性。当小波变换尺度越来越精细时,小波变换模极大值信号突变点的衰减速度取决于信号在突变点的Lipschitz指数。小波变换不仅可以确定突变点发生的时间,而且可以进一步判断突变的性质。     

基于小波包分析的电机滚动轴承故障诊断

电机滚动轴承发生故障时的信号是非平稳的,小波包变换对故障特征提取有明显的优势,给出了利用小波包对故障信号进行分析的方法。确定轴承参数以及对故障信号的采集,并计算各类故障特征频率,选择小波基和确定最佳的分解层数,之后在Matlab软件环境下对信号进行小波包分解和重构,得到滚动轴承各类故障信号的功率谱,最后把实验结果与计算结果做对比,证实了该方法可以有效地把轴承中的故障信息成分检测出来,从而判断滚动轴承的故障类型。     

一种钢丝绳芯输送带早期故障检测方法

针对传统小波变换分析金属磁记忆信号奇异性时易受噪声干扰的问题,将经验模态分解(EMD)和小波变换(Wavelet)相结合,提出了一种EMD-Wavelet早期故障检测模型。将钢丝绳芯输送带的金属磁记忆信号经过经验模态分解得到本征模函数分量,利用小波变换模极大值法提取信号奇异性特征。实验结果表明,该模型抗干扰能力强,能够较好地反映信号局部特征,可有效判断钢丝绳芯输送带异常应力集中区位置,为早期故障诊断提供依据。