关联维数在大型旋转机械故障诊断中的应用

将描述混沌运动搓联维数用于大机组振动信号的分析,并针对故障诊断的实际情况,从点间距的计算、动态关联和标度区的判断等方面对关联维数的Ｇ－Ｐ算法作了一定的改进。分析结果表明：由于不同故障的动力学产生机制不同,通常也具有不同的关联维数。因此,关联维数可用于非线性故障的特征提取。     

利用关联维数分析机械系统故障信号

根据机械系统运行中测量到的信号的处理，进行系统特征识别。针对非线性系统的特点，区别于以往对线性系统使用的时域，频域定性分析法，用分形维数定量刻画机械系统运行状态。使用分形维数中能直接反映转子系统运行特点的关联维数来获得转子运行故障以及故障发展程度的定量描述。本文采用的高效关联维数算法，提高了计算速度和描述转子系统故障的精度。     

EMD降噪的关联维数在齿轮故障诊断中的应用研究

本文运用分形理论中的关联维数计算方法,对齿轮正常、齿根裂纹和断齿三种不同工况的振动信号进行识别。为了降低噪声对关联维数计算结果的影响,提出EMD滤波方法对采集的信号进行预处理。通过对仿真信号和齿轮箱实测信号的诊断,证明了该方法的可行性和有效性。     

基于双谱分析的设备状态监测研究

本文以双谱分析理论为基础,分析并计算了设备在不同工作状态下噪声信号的双谱及其等高线图。分析和实施结果表明,双谱分析表达了三个谱元之间的相关性,可以识别系统的非线性特征,能够克服功率谱局限性和不足。相同工作状态下信号的双谱及其等高线图具有相似性,不同工作状态下信号的双谱及其等高线图具有明显的可分性。为噪声信号的特征量提取提供了新的分析手段,利用噪声信号的双谱分析可以有铲地识别设备工作状态。这种方法在     

分形维数和近似熵用于度量信号复杂性的比较研究

本文介绍了两种度量时间序列复杂性的方法，一种是建立在分形理论基础上的分形维数，一种是最近新发展起来的度量序列复杂性的统计方法——近似熵。应用这两种方法对机械设备振动信号进行了复杂性特征的提取，对比研究表明，它们都可以作为表征信号复杂性的一种度量，各具特点。但近似熵具有一定的抗噪、抗野点的能力，包含了更多的时间模式的信息，是一种值得重视的、很有应用前景的故障诊断新方法。     

关联维数在齿轮箱振动信号特征提取中的应用

论述了关联维数的基本概念和性质，给出了定量描述分形特征的重要参数——关联维数的计算方法，分析了齿轮葙故障时振动的特点．通过对试验获取的齿轮故障振动信号进行分析计算，确定了关联维数与齿轮葙故障程度之间的联系．结果表明，齿轮箱的不同运行情况对应的关联维数有明显不同．因此，可用关联维数作为区分齿轮葙工作状态的特征参数．     

数学形态学分形维数广义估算方法及其应用

预测特征提取是设备故障预测中的关键问题,它直接关系到故障预测的可信性。滚动轴承故障信号具有典型的非线性特征,利用分形维数可以定量描述其复杂性和不规则度。首先对分形维数的形态学计算方法进行介绍,然后对形态学覆盖的定义进行扩展,提出了三种形态学分形维数广义估算方法,对其精确性和计算效率进行了对比分析。最后,提出基于形态学分形维数的和灰色关联分析的性能退化状态识别方法,采用轴承实测数据验证了该方法的有效性。     

基于分形几何的信号特征提取技术及其应用研究

针对分形客观展现事物原貌的特点,从工程应用的角度分别对信号的分形性验证,有效分析区间的确定,分析性描述和刻画,设备状态的趋势分析等方面作了探讨,形成了基于分形几何的信号特征提取技术,并描绘出基于分形几何的设备故障诊断模式。     

内燃机振动信号的混沌分形特性研究

运用分形及混沌理论对实测的内燃机各种振动信号进行了分析,计算了信号的Lyapnov指数及关维数。结果表明,缺盖振动混沌与确定性共存,而缸套,机身振动则为混沌振动,信号的关联维数可作为气阀机构诊断的一个诊断特征量。     

分形维数在判断海洋锋强度中的应用

提出一种用计算维数值预报海洋锋强度的方法。给出了用分形维数描述海洋锋强度的理论依据,介绍了分形维数的计算方法及现有的海洋锋强度的判断方法。应用网格法,以HOOM海洋锋模型和我国东海黑潮锋区的三维声速场数据为例,计算了三维声速场中不同深度、时间的声速等值线的分形维数,得出HOOM模型海洋锋声速场分维值在1.07和1.60之间,我国东海黑潮锋区分维值在1.04和1.30之间,无锋时声速等值线分维接近于1;分形维数可以表征海洋锋强度,维数值随锋强度的变化而变化的结论。     

Network Based Real Time Condition Monitoring of Rotating Machinery

1　ＩｎｔｒｏｄｕｃｔｉｏｎＴｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｎｅｔｗｏｒｋｔｅｃｈｎｏｌｏｇｙｈａｓｐｒｏｖｉｄｅｄｔｈｅｐｏｓｓｉｂｉｌｉｔｙｔｏｍｏｎｉｔｏｒａｌａｒｇｅｇｒｏｕｐｏｆｒｏｔａｔｉｎｇｍａｃｈｉｎｅｓａｎｄｄｉａｇｎｏｓｅｍａｌｆｕｎｃｔｉｏｎｓｉｎｔｈｅｍｉｎｄｉｓｔａｎｔａｎｄｄｉｆｆｅｒｅｎｔｌｏｃａｔｉｏｎｓ.Ｉｎｔｈｉｓｗａｙ ,ｉｎｖｅｓｔｍｅｎｔａｎｄｒｅｓｏｕｒｃｅｓｃａｎｂｅｓａｖｅｄａｎｄｔｈｅｅｆｆｉｃｉｅｎｃｙｏｆｍａｃｈｉｎｅｍａｎａｇｅｍｅｎｔｗｉｌｌ…     

振动信号时变特征的提取,压缩及机械状态监测

往复式机械和许多周期运转机械的振动激励都具有脉冲性质,振动响应的时间相关局部细节包含丰富的故障信息.本文提出了振动信号的时变模型,用以提取机械运转特征,并提出使用正交变换描述特征母体的一阶矩和二阶矩的方法,在时变特征提取、压缩的基础上,引入模式识别中的距离准则,判断任一信号与母体的相似性,以作为一种监测的度量手段.一个关于柱塞泵振动信号监测的例子说明了本方法的使用过程.     

基于SVDD的机械设备状态监测方法研究

提出基于支持向量数据描述(SVDD)的机械设备状态监测方法。该方法首先依据正常运行状态下的数据样本建立数据描述模板,然后通过本文提出的距离变化率参数完成机械设备故障的识别和分类,通过实验验证该方法的可行性。而且实验结果表明,该方法可以根据设备使用状态的变化自动调整故障判断模型并减少模型重新学习次数。     

Research on Network-based Integrated Condition Monitoring Unit for Rotating Machinery

1　IntroductionUsingnetworktechnologycannotonlyimprovetheefficiencyandreal timecapabilityofconditionmoni toringandfaultdiagnosissystemofrotatingmachinery ,butalsoincreasetheautomaticlevelofonlineconditionmonitoring .Inthispaperwedesignanddevelopanetwork basedmonitoringunitforthenet work basedconditionmonitoring ,whichisthemonitoringdatainputtingunitfornetwork basedconditionmonitoringandfaultdiagnosissystemandgetsthereal timemonitoringdatathroughtheInternet.Mean while,thesystemsupportstheremote…     

机械设备状态监测虚拟仪器系统的研究

系统主要包含硬件和软件两大部分。其中硬件设计包含传感器、信号调理模块和数据采集卡,系统软件采用模块化编程,利用图形化编程语言LabVIEW进行模块化设计,实现对信号的采集与处理。系统的功能在简支梁实验台和机床变速箱上进行实验测试。结果表明,此系统人机界面友好,操作简单,大大提高设备在线监测诊断水平,为今后设备的监测诊断提供先进的分析工具。     

基于灰色理论的电站机组状态监测与故障诊断方法

本文主要研究了灰色理论在大型旋转机械的状态监测与故障诊断中的方法与应用问题。鉴于一般关联度分析方法在故障诊断应用中没有考虑到特征参数对诊断结果的不同影响,本文提出了加权关联度这一新概念,并给出了加权关联度用于旋转机械诊断中的方法与步骤。这种诊断方法能根据诊断结果采用自学习修正方法来修正关联度参数,提高诊断的准确度,并有很好的前景。     

振动监测技术在旋转机械故障诊断中的应用

随着旋转设备结构复杂程度的提高,其故障发生的几率也随之增加,对故障检测技术要求更高。通过对机械设备振动信号的分析判断故障特征及部位,是旋转机械故障诊断主要手段。文章首先对振动监测技术的原理及典型振动故障的表现形式进行介绍,并利用振动监测技术,举例说明振动监测技术在旋转机械故障诊断中的应用。     

LMD和时频熵在行星齿轮箱状态监测中的应用

随着行星齿轮传动在军用飞机、新型装甲装备及自行火炮中的广泛应用,研究行星齿轮箱的状态监测方法意义重大。以行星齿轮箱为研究对象,提出一种基于局部均值分解和时频熵的行星齿轮箱状态监测方法。首先利用局部均值分解方法自适应地将振动信号分解成若干个具有物理意义的乘积函数之和,然后对分解得到的各乘积函数进行Hilbert变换,得到信号的时频分布,最后使用时频熵算法计算行星齿轮箱不同运行状态的熵值,以此作为判断行星齿轮箱运行状态的依据。分析结果表明,局部均值分解和时频熵方法对于行星齿轮箱的状态监测非常有效。     

基于相关主成分分析和极限学习机的风电机组主轴承状态监测研究

提出了一种基于相关系数法和主成分分析法以及极限学习机相结合的主轴承状态监测方法。该方法利用相关系数法选取数据采集与监视控制系统中与主轴承温度相关的变量作为初始输入变量;再用主成分分析法对所选变量进行降维处理,以消除变量之间的相关性和冗余性;进一步利用极限学习机建立主轴承正常运行时的温度模型并用其进行温度预测;最后利用滑动窗和核密度估计方法对残差进行分析,并基于实测的数据进行主轴承故障模拟。结果表明,该方法可有效地实现主轴承潜在故障的预测。