基于改进时变自回归模型的滚动轴承故障诊断

针对现有的时变自回归(Time-Varying Autoregressive, TVAR)模型应用于滚动轴承故障诊断中的问题,提出了一种前向估计与后向估计相结合的改进模型。该模型在引入时变遗忘因子的基础上,定义了前后向联合估计的均方误差并对基函数的加权系数求偏导,得到了加权系数的计算公式,然后利用递推最小二乘(Recursive Least Squares, RLS)方法推导了该计算公式的递推形式。针对滚动轴承内圈故障的仿真和实验信号,使用改进前后的模型进行时频分析。仿真和实验结果表明,改进后的模型有效地克服了现有模型无法获得初始时刻频率估计的缺点,具有更高的时频估计精度,更强的抗噪声能力,能够更加有效地提取滚动轴承的故障特征频率。     

CA—BP法用于变速机械的故障诊断

ＢＰ神经网络有较强的分类功能，因而很适用于对机械系统的故障诊断，但由于这种网络学习速度较慢、实时性较差，因而不易将其应用于变速机械的故障诊断，因为变速机械的振动信号是非平稳随机振动信号。为加快ＢＰ网络的学习速度，本文首先用Ｃａｌｍａｎ－Ｂｕｃｙ滤波建立变速机械的时变ＡＲ模型时颁特征谱阵，再将特征谱阵中的特征值作为ＢＰ神经网络的输入并进行分类，本文将这种方法称为ＣＡ－ＢＰ法，对比计算表明，ＣＡ－ＢＰ法显著地加快了常规的ＢＰ网络的学习、分类速度。采用ＣＡＢＰ法，本文成功地对变速转子的几种典型故障进行了分类。     

硅微陀螺信号的自适应UKF滤波处理

针对硅微陀螺零偏重复性差和漂移信号中非线性因素的存在,提出利用AR模型系数实时递推方法对漂移信号进行AR建模,并建立相应的状态方程和量测方程;基于方差膨胀原则的自适应无迹Kalman滤波(AUKF)方法对漂移信号进行处理,采用简化的AUKF滤波过程提高漂移信号滤波的实时性。静态信号和动态测试处理结果表明,简化的AUKF算法效果明显优于UKF滤波和Kalman滤波(KF),滤波后硅微陀螺零偏稳定性提高倍数分别是UKF和KF的3倍和2倍,动态信号滤波后误差减少倍数分别是UKF和KF的1.46和1.34,信号均值不变,但AUKF需要较多的信号处理时间。     

微硅陀螺静态漂移自回归模型辨识研究

利用微硅陀螺测量的数据,运用过程辨识理论和时间序列分析方法,建立了陀螺静态漂移的自回归（AR）模型,进而得到连续微分方程。     

基于EMD和AR模型的滚动轴承故障诊断方法

提出了基于EMD(Empirical Mode Decomposition)和AR模型的滚动轴承故障诊断方法。该方法用EMD将滚动轴承振动信号分解成若干个平稳的IMF(Intrinsic Mode Function)分量，对每一个IMF分量建立AR模型，以模型的自回归参数和残差的方差作为特征向量建立Mahalanobis距离判别函数，进而判断滚动轴承的工作状态和故障类型。实验结果分析表明，该方法能有效地应用于滚动轴承的故障诊断。     

自回归模型在滚动轴承故障诊断中的研究

本文通过实验室对6203型滚动轴承的时阈振动信号建立自回归模型（AR模型），用模型计算出的功率谱（AR功率谱）及其倒频谱对轴承进行故障诊断。诊断结果和理论值与传统的古典功率谱及其倒频谱的诊断方法作比较。实验表明，该方法的诊断结果和理论值吻合较好，比传统诊断方法的结果准确、可靠，具有良好的实用前景。     

高精度光纤陀螺信号的在线建模与滤波

针对高精度光纤陀螺随机误差,在分析其一般时间序列模型的基础上,提出了一种改进型二阶自回归AR(2)模型,可以在线建立光纤陀螺随机误差模型.根据该模型,采用卡尔曼滤波算法,实现了光纤陀螺惯导系统在对准与导航过程中光纤陀螺随机误差的实时滤波.滤波结果和Allan方差分析证明,光纤陀螺信号中角随机游走、零偏不稳定性、速率随机游走、速率斜坡和量化噪声五项噪声源误差系数都小于滤波前的二分之一,有效减小了光纤陀螺随机误差,提高了光纤陀螺精度.     

基于排气噪声的柴油机气阀故障诊断

通过对柴油机气阀机构七种状态下的排气噪声信号建立AR模型,以AR模型的自回归参数作为故障识别的特征向量,建立基于极限学习机的柴油机气阀故障诊断模型,并与反向传播神经网络算法、径向基网络算法和基于支持向量机的诊断模型相比较。试验结果表明,排气噪声信号可用于柴油机气阀故障的诊断,且基于极限学习机的诊断模型与其他三种算法的分类正确率均可达到95 %以上,但在学习速度上,极限学习机具有明显的优势。     

微静电陀螺仪的结构设计与工艺实现

为了探索微机械陀螺突破精度极限的新途径,设计了一种基于环形转子、体硅加工工艺、转子5自由度悬浮的硅微静电陀螺仪.采用玻璃-硅-玻璃键合的三明治式微陀螺结构,提出了包括双边光刻、反应离子刻蚀(RIE)、电感耦合等离子体(ICP)刻蚀、玻-硅静电键合、硅片减薄、多层金属溅射等关键工艺的加工路线.在工艺设计中采用铝牺牲层对转子进行约束,在第2次玻-硅键合后再通过湿法去除牺牲层,以得到可自由活动的转子.基于提出的体硅工艺路线,成功加工出了微陀螺敏感结构,并完成了转子5自由度悬浮和加转实验,测试结果表明大气环境下转子转速可达73.3 r/min.     

小波包——自回归谱分析及在振动诊断中的应用

概叙了小波、小波包理论，由此提出一种称之为小波包－－自回归谱分析的新方法，它将小波包和自加归模型结合起来，该方法在机械诊断中，实现不同频道范围内，不同零部件故障信息分离和提取，并以挖掘机提升系统龄轮箱的振动信号为例，说明该方法是提取弱故障信息并进行早期诊断的有效方法。     

时频分析方法在冲击故障早期诊断中的应用研究

冲击故障的振动响应信号是时变的 ,用传统的诊断方法一般难以进行早期发现和诊断。本文基于小波包对时变信号的多分辨分解和重构能力以及 CONE时频分布对时信号的优良描述特性 ,发展了基于小波包的时频分析方法。经试验和现场监测数据的分析和验证 ,说明该方法能够从很强的基础振动信号中提取清晰直观的冲击故障特征 ,可以实现冲击故障的早期诊断     

基于Petri网和故障树的变电站故障诊断方法

针对变电站的设备组成及联接特点,利用Petri网(PN)的图形特性,提出了一种基于Petri网和故障树的变电站故障诊断模型和诊断方法.利用PN建立了可能性故障区域诊断模型,利用PN和故障树建立故障元件诊断模型.详细给出了变电站可能的故障区域诊断方法和变电站故障元件诊断方法.在故障元件的诊断中,建立了针对可能故障区域的面向设备的子Petri网模型,降低了诊断的复杂性.仿真研究表明,利用该方法可以比较容易实现变电站故障诊断系统,且有高的准确性和诊断效率.     

一种基于分段幂函数插值法的经验模态分解方法及其应用研究

针对经验模态分解(EMD)方法的分解不完全问题,提出一种改进EMD算法。该算法采用分段幂函数插值法代替原EMD算法中的三次样条插值法,实验表明其分解效果更充分更完全。在此基础上,结合时间序列分析中的AR模型,提出一种基于EMD和AR模型的故障诊断方法,并将其应用到电磁换向阀的故障诊断中。实验结果表明,该方法能够正确有效地实现电磁换向阀的故障诊断。     

《基于EMD与AR模型的柴油机故障诊断》

柴油机气缸盖振动信号是一种典型的非平稳时变信号,用传统的时频分析难以得到满意的效果,用时域区间分析难以实现实时诊断,而小波分析则存在小波基函数选择困难等问题。本文采用经验模式分解EMD方法对振动信号进行分解,得到固有模态函数IMF,对每一个IMF分量分别建立AR模型,以模型的自回归参数和残差的方差作为特征向量,用支持向量机SVM进行分类,判断柴油机的工作状态和故障类型。实验结果分析表明,该方法即使在小样本情况下也能准确有效地诊断柴油机故障,能实现故障的实时自动化诊断。在不同转速时,需选用新转速工况下的数据作为训练样本,以保证分类准确率。     

SOM-BP复合神经网络在齿轮箱故障诊断中的应用研究

针对齿轮箱的故障模式和特征量之间复杂的非线性关系,采用SOM-BP复合神经网络,引用齿轮箱常见的故障及其相关参数作为训练样本建立诊断模型。在Matlab环境下,通过仿真试验并与BP网络进行比较,验证了此复合神经网络用于齿轮箱故障诊断的正确性和精确性,具有一定的工程应用价值。     

半变系数模型约束PLS估计的渐近正态性

半变系数模型已经获得了广泛的研究和应用,近几年,人们提出许多方法来估计其函数系数和常系数.在PLS方法基础上,本文给出半变系数模型模型在线性随机约束条件下的估计,并证明了常系数和函数系数估计的渐近正态性.     

接地网故障诊断的数学模型

接地网是变电站安全运行的重要保证,其故障诊断是电力部门十分关注的问题.为了给接地网的故障诊断提供有效的指导,本文对接地网网格导体电阻分布的数学模型进行了深入研究.基于电网理论,借助最小电能消耗原理建立了模拟接地网电阻分布的数学模型.进一步使用全局寻优方法获得其真实电阻分布值,并通过与原始值比较可以判断故障点.仿真计算表明本文所给出的数学模型是可行的,对于接地网故障诊断具有较好的指导作用.