全矢谱体系兼容性关键技术研究

基于全矢谱分析技术的理论,对全矢谱体系进行了深入研究.探究全信息分析与传统常规分析之间的内在联系,使之可以相互兼顾.进行了全矢谱体系在计算方面,图谱表达方面及诊断规则方面的兼容性问题的研究.在研究探索崭新故障分析诊断分析方法时,建立全矢谱体系与传统方法之间的联系,对基于单源信息的分析方法的诊断经验和诊断规则进行了调查,对全矢谱分析这种新方法的推广,应用和普及具有重要的现实意义.表明全矢谱分析对于旋转机械故障诊断是一种非常实用的分析工具.     

全矢谱及其新方法在旋转机械故障中的应用

介绍了全矢谱分析技术的思路,研究了全矢谱分析技术与旋转机械回转信号之间的理论关系,导出了全矢谱分析基于复合信号的理论计算公式及简洁数值算法,并将其应用于实际故障诊断中,且对全矢谱理论图谱多方面研究,提出新的面积图谱表达法。研究与应用表明:全矢谱分析能够清晰处理转子正反进动之间的关系,可识别转子的回转强度,表明全矢谱分析对于旋转机械故障诊断是一种非常实用的分析工具。     

基于全矢支持向量回归的设备频谱成分预测研究

支持向量机(SVM)在解决小样本、非线性及高维问题方面表现突出,支持向量回归(SVR)目前被广泛应用于设备状态趋势预测中用于故障定量分析。故障预测用于定性分析的相对较少,为进一步提高其预测精度,结合基于同源信息融合的全矢谱技术进行倍频成分预测。该方法采用全矢谱技术融合双通道信息,相比传统单通道信号提取方法,保障了SVR预测数据特征提取的完整性,提高预测精度。对特征频率进行分别预测,然后重新生成预测的频谱图。该方法应用于某电厂1号汽轮机振动数据的预测,实验结果表明,全矢支持向量回归(FVSVR)频谱成分预测方法具有较高的预测精度,可以对一些故障定性分析。     

基于支持向量域数据描述的快速学习算法

支持向量域数据描述(SVDD)是一种单值分类算法,用于将目标样本与其他非目标样本区分开来.本文引入数学中曲率的概念,根据分类边界线附近支持向量曲率的大小来对训练集进行约减;提出了一种约减型的支持向量域数据描述快速训练算法FSVDD,该算法与传统SVDD相比减少了训练时所需的支持向量数目,因而训练时间极大减少,同时分类性能几乎不受大的影响,该算法在大规模训练样本学习中具有现实意义.     

全矢最大熵倒谱方法及其应用研究

传统的倒频谱技术处理信号提取特征是基于单通道数据以及其本身计算需要经过两次傅里叶变换的局限性,获得的频谱特征不足以完全反映设备运行状态,同时还会造成谱线泄露严重,分辨率低等问题,基于此,提出一种新的思路:将全矢谱,最大熵谱与倒频谱理论相结合提出全矢最大熵倒谱新方法,新方法以全矢谱为基础,对全矢最大熵功率谱进行傅里叶变化得到。给出基本理论及计算公式,并通过实验处理故障信号与常规倒频谱进行对比。结果验证了新方法的有效性,且相比传统倒频谱具有更高的分辨率。     

全矢传递瀑布图的建立及其在转子启停状态分析中的应用

基于目前全信息技术中表征瞬态信号的手段,利用全矢谱技术的快速算法,引入相位信息,对转子多个截面的信息进行融合,形成全矢传递瀑布图.该图描述了轴系随转速变化下某一单频的状态变化.经过对机组信号的分析验证表明,全矢传递瀑布图在升、降速过程中对转子的监测信息描述更为完善,为及时发现故障隐患提供了更可靠的依据.     

基于全矢谱时间固有尺度分解和独立分量分析盲源分离降噪的滚动轴承故障特征提取

结合盲源分离技术和全矢谱技术的各自优势,提出一种同源双通道信噪盲源分离法。首先采用时间固有尺度分解（ITD）和独立分量分析（ICA）相结合的分析法降噪,对同源双通道的轴承信号进行ITD分解,根据相关系数准则将分解得到的PRC分量进行重组作为ICA输入矩阵,再采用FastICA解混,实现故障信号与噪声信号的分离;其次采用全矢谱技术对信噪分离降噪后的双通道有效分量信号进行全矢信息融合,做全矢谱分析。滚动轴承故障实验对比分析表明了该方法的有效性。     

基于动态支持向量数据描述的故障诊断研究

在传统的支持向量数据描述算法中所使用的训练样本往往比较有限,所形成的目标样本区域边界的精确度往往不够,同时SVDD算法在进行实时检测时要处理大量样本数据运算量较大。基于此提出动态支持向量数据描述的故障诊断方法。该方法是支持向量数据描述算法的改进型,将测得的目标样本与支持向量集一起形成新的训练样本重新训练分类器,随着被测样本数的增加而不断更新目标样本区域。这样可以减小优化规模,提高故障诊断的效率和准确度。     

全矢谱技术在旋转机械启停车中的分析研究

全矢谱理论将两个单源信号复合成矢量信号来处理信息,可以反映转子在某截面内的真实振动情况.基于全矢谱理论,定义了全矢幅频特性图和三维全矢瀑布图的概念.利用Berdty转子实验台进行了数据的采集.实验显示,所得全矢幅频特性图和三维全矢瀑布图作为机组启停车分析工具,相比单源信号的幅频特性图和瀑布图,振动幅值更加准确明显,解决了原图谱两单源信号间存在幅值大小相差较大的问题,有助于更准确的故障诊断,在大型机组启停车故障诊断中具有广阔的实用价值.