基于自适应变分模态分解及多重分形谱的风力机轴承故障分析

风力机齿轮箱轴承故障信号具有典型非线性及非平稳特性,采用自适应变分模态法对4种状态下振动信号进行分解,提出基于分形盒维数-峭度阈值法(Adaptived Variational Mode Decomposition,AVMD)对处理所得分量进行筛选,选取富含故障信息的分量进行信号重构,采用多重分形去趋势波分析方法,分析重构信号的分形特征并识别其工作状态,结果表明:基于多重分形去趋势波分析法对非稳定轴承可进行有效地故障识别;轴承振动信号具有典型分形特征,在不同时间尺度下,标度指数、广义Hurst指数与多重分形谱均可反应轴承工作状态;3种多重分形谱参数对故障类型敏感度不同,谱函数最大值对应的奇异指数对内圈故障较为敏感,峰值占比对外圈故障较为敏感,分形谱宽对滚珠故障较为敏感。     

基于改进小波阈值及多重分形的风力机轴承振动信号分析

针对风电机组传动系统时变转速及强噪声干扰等运行特点,首先采用改进小波阈值降噪方法,对风力机齿轮箱轴承振动信号进行降噪预处理,然后基于分形理论,计算变转速轴承振动信号盒维数及多重分形谱,定量描述轴承不同状态下振动信号的特征信息。结果表明:基于改进阈值与硬阈值函数相结合的小波阈值降噪方法对振动信号进行降噪预处理,其降噪效果优于传统的4种阈值选取原则;多重分形去趋势波动分析方法对于定速及变速轴承均能进行有效的故障识别;谱函数最大值所对应的奇异指数α(f_(max))当轴承处于内环故障时最小,可有效判断轴承运行状态及故障位置,能对轴承不同的故障状态做出准确的判断。     

基于分形学的轴承故障诊断分析

为识别轴承的工作状态及故障类型,针对非线性振动信号,基于分形盒维数与小波降噪方法,计算了轴承正常状态及不同故障状态的振动信号盒维数。结果表明:轴承的故障类型不同,其振动信号盒维数亦不同,正常状态盒维数最大,内环故障盒维数最小,其值分别为1.6和1.4。因此,根据盒维数能定量识别轴承故障状态与故障位置,本研究可为轴承状态监测和故障诊断提供理论依据。     

基于差商分析的土裂隙分形无标度区确定方法

为了定量确定土裂隙的分形无标度区、提高分形维数计算结果的可靠性,基于数字图像处理技术提取土干缩裂隙图像,分析了在盒维数计算中拟合区间对土裂隙图像分形特征和分形维数计算结果的影响,并提出了采用差商分析的方法确定分形无标度区。结果表明,就同一张土裂隙图像而言,不同拟合区间的选取会导致分形维数值出现较大差异性,即计算存在不确定性;网格尺寸较小时,土裂隙分形特征较为明显,当网格尺寸增大到一定程度后,分形特征减弱甚至消失;采用一、二阶差商分析的方法可确定裂隙图像的分形无标度区,从而提升分形维数计算的可靠性。     

柴油机气门故障信号的双谱图形分形维数分析

气门间隙异常是柴油机常见机械故障之一,对其进行准确的诊断对提高柴油机的使用寿命具有积极的作用.针对柴油机气门间隙异常的问题,在某直列6缸柴油机上模拟了不同气门故障,提出了基于双谱估计、图像处理以及分形理论相结合的故障诊断方法.该方法首先利用双谱估计对非线性、非高斯信号的敏感性质,分析了不同故障状态下振动信号中非高斯成分及二次相位耦合特性,然后通过图像处理技术将双谱图表示为以像素位置及对应颜色强度构成的三维空间曲面,最后利用分形理论提取该曲面的分形盒维数作为故障特征.结果表明:不同状态下柴油机振动信号的双谱及其图像分形维数明显可分,正常状态下的双谱峰值分布最为复杂、分形维数最大,故障状态下的分形维数分别处在不同的范围.因此,以振动信号的分形维数作为特征值可实现柴油机气门故障诊断.     

基于LabVIEW的汽油发动机振动故障诊断系统设计

基于虚拟仪器技术,利用LabVIEW编写了针对汽油机振动信号进行采集分析的程序。针对汽车发动机振动信号的非线性特点,将分形理论应用于发动机的故障诊断。利用G-P算法对采集到的振动信号进行计算、分析,借助Matlab提取振动信号分形维数,并通过分形维数判断发动机的状态,本文总结了在正常状态和6种故障状态下的分形维数的变化范围,最后通过实例验证了利用分形理论可以较为准确地对发动机进行不解体故障诊断的有效性。     

基于分形理论预测砂岩储层岩性

根据分形几何学基本理论,探讨岩石孔隙及测井曲线分形维数的确定方法。求取岩石孔隙分形维数有3种方法:分子吸附法、扫描电镜法、压汞法。分子吸附法和扫描电镜法求取岩石孔隙分形维数,所需实验设备昂贵,且过程复杂。利用岩心压汞毛管压力资料,通过线性拟合lgs与lgpc的关系,可计算出岩石孔隙分形维数D。测井曲线反映了地层岩石物理性质。从测井曲线外形上看,对应同一地层的不同测井曲线之间,以及同一条测井曲线的不同部分,分别具有相似的特性。测井响应的这种相似性,可以利用分形理论进行定量描述。目前普遍采用关联维数计算法和测井曲线分形校正法,计算测井曲线的分形维数。实际应用中,根据某油田2口取心井近50块岩样的统计分析,利用岩心压汞资料得到lgs-lgpc散点图,由于分形现象只存在于无标度区范围内,因此一般选取双对数坐标系上线性范围最宽的一段为无标度区,然后再对该段内所有的点进行拟合,并做相关系数检验,从而得到砂砾岩、不等粒砂岩、细砂岩、粉砂岩4种岩性的lgs-lgpc散点图(无标度区)。计算结果表明,应用测井曲线关联维数法预测砂岩储层岩性,其精确度达到92%以上。     

基于EEMD及分形方法的轴承振动信号分析

为对具有强烈非线性特征的轴承振动信号做出准确的故障识别,基于分形理论,采用辅助经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)对信号进行降噪预处理,采用G-P算法分析轴承不同状态下振动信号关联维数。研究表明:基于EEMD的降噪方法可有效对振动信号进行降噪;轴承工作状态不同,其振动信号关联维数具有明显的可区分性,当轴承处于外环故障时,其关联维数最大为4.7,当轴承处于滚珠故障时,其关联维数最小仅为3.0,当轴承处于正常/内环故障时,其关联维数分别为4.0/3.2。因此,利用关联维数能定量识别轴承的不同故障状态及位置。     

质子交换膜燃料电池的气体扩散层渗透率分形模型

本文提出了质子交换膜燃料电池（PEMFCs）气体扩散层（GDL）分形渗透率模型。这个模型是根据扩散层真实微观结构中的两个分形维数建立的。其中一个与毛细管流通道大小有关,另一个与通道迁曲度的描述有关。此外,气体分子的影响可以通过Adzumi方程计算。渗透率分形模型是多孔介质迁曲度分形维数、孔隙面积分形维数、孔径以及有效孔隙度的函数,模型中没有任何经验常数,可以用压汞法测量扩散层的微观结构。根据扫描电子显微镜图象,可用盒式维数法确定两个分形维数。为了检验模型的正确性,把该模型渗透率的预测数据与Toray提供的实验数据进行对比,发现该模型的渗透率预测与实验数据一致,证实了气体扩散层的分形渗透率模型的正确性。     

华中粉砂岩粗粒土粒径级配分形特性研究

研究不同应力状态下颗粒粒径级配演化规律是分析土体应力状态、评价其工后变形的关键。基于质量-粒径分形模型从分形角度阐述了粗粒土粒径级配曲线探究依据,设计了5种不同分形维数的粒径级配,分析了土体颗粒空间分布特性;通过三轴剪切试验及颗粒筛分试验,探究了不同分形维数粗粒土偏应力峰值前后应力应变曲线性态分布及剪应力峰值、内摩擦角、分形维数因子等参数变化规律。结果表明,土体粒径范围随分形维数越大而更宽泛;应力应变曲线随分形维数及围压增大而存在应变软化向应变硬化过渡的趋势,偏应力峰值随分形维数增加而增大,内摩擦角呈先减小后增大的变化规律。粗粒土分形维数变化因子与相对围压呈线性函数关系,方程斜率及截距仍与相对围压呈线性函数关系,据此建立了考虑围压及初始分形维数的经验方程,为从分形角度来设计与优化粗粒土粒径级配而达到提高其力学强度等提供了参考依据。     

风力机叶片挥舞和摆振的位移时间序列的分形特性

为了研究风力机叶片挥舞和摆振的位移时间序列具有分形特征,基于数学形态学的分形维数计算方法,证明风力机叶片挥舞和摆振的位移时间序列具有标度不变性;通过分析长程相关性与自相似性的关系,由Hurst指数证实上述位移时间序列具有自相似性。理论分析和计算结果表明:挥舞和摆振的位移时间序列具有自相似特征,为采用分形理论研究风力机叶片动态特性奠定了数学基础,所揭示的时间序列整体与局部之间关系以及其自相似性,是基于挥舞和摆振位移时间序列数据进行风力机叶片故障诊断的技术支撑。     

分形-V/S法在大坝位移安全监测资料分析中的应用

大坝位移受多种因素的影响,其监测序列往往呈现明显的非平稳性。对此,基于分形理论将V/S分析法应用到大坝位移序列的长程趋势性分析中,剖析了位移序列的分形特性及演变规律,并基于Hurst指数和分形维数定量表征测点时间序列的内在特征,据此评价大坝变形性态和安全状况,取得了较好效果。分析结果表明,位移序列虽然局部波动,但整体发展态势良好,且具有良好的记忆性和长程相关性,未来变化趋势将与过去保持一致,发展过程具有持久性,变形受确定性因素影响较大,变形以线弹性为主兼具随机性,测点位移状态基本稳定,并有朝稳定性方向发展的趋势。研究成果可为类似工程提供参考。     

流化床床料与燃煤颗粒的形貌分析

测量了一台循环流化床锅炉宽筛分原煤和冷渣的颗粒形貌,研究了球形度、Zingg指数、分形分数的变化,关联了Wadell球形度和Krumbein球形度之间的换算关系。研究表明,宽筛分煤燃烧后的冷渣比原煤具有更强烈的非线性特征。采用当量体积直径与Wadell球形度和Krumbein球形度的关联都是集中到某一个区域范围的散点图;采用扁平度、伸长度和Zingg指数为指标的颗粒形貌分布,显示多数颗粒形貌以片状颗粒为主;采用分形维数进行的颗粒描述显示,大颗粒和小颗粒的分形维数不同,大小颗粒的分界点对原煤约为3.17 mm,冷渣约为3.06 mm。     

不同引气剂掺量早冻混凝土力学性能及孔结构分形特征

为研究水工混凝土材料在冻融循环与盐侵蚀耦合作用下构件性能演变规律，选取不同引气剂掺量(0、0.005%、0.01%)的早期受冻试件，置于质量分数为3.5%氯化钠+5%硫酸钠复合溶液内进行冻融循环试验，并基于核磁共振技术(NMR)—分形理论，构建混凝土孔体积分形维数与试件抗压强度间的耦联关系。结果表明，在混凝土材料中适量加入引气剂，可有效提高盐冻作用下构件的弹性模量、抗压强度等力学性能，并可改善孔结构，提高抗冻性；核磁共振测试的混凝土孔体积分形维数随着冻融循环次数的增加逐渐减小，表明引气剂的加入可改变初始状态下混凝土内部孔隙结构，且随着引气剂掺量的增加效果更为明显；结合分形理论建立的孔体积分形维数与抗压强度关联模型，发现分形维数D_MAX与抗压强度的最佳函数关系近似指数函数，回归系数R²均大于0.85,拟合效果良好，可为混凝土结构的耐久性评估提供参考。     

基于DEM和分形理论的沱江流域划分及河网提取

基于数字高程模型(DEM),利用ArcGIS软件提取沱江流域边界和河网,结合分形理论分析了不同汇流累积阈值下河网分形维数和密度变化率特征。结果表明,沱江流域面积为27 434km~2;流域河网分形特征明显,分形维数介于1.200~1.280之间;河网密度及其变化率和分形维数及其变化率均与汇流累积阈值呈负相关,相关系数分别为-0.98、-0.88、-0.96、-0.60,表明利用DEM提取的河网主要受汇流累积阈值影响;河网提取阈值为30 000时最为合理,此时沱江干/支流总长度为4 453km,河网密度为0.168km/km~2;与传统方法相比,引入分形理论后,在河网提取时选择汇流累积阈值愈简便和快捷,结果愈精确。研究结果不仅改善了岷江和沱江水系划分结果,且为该地区流域划分和水文分析等提供了理论指导和实践参考。     

基于集合经验模态分解和关联维数的风力机齿轮箱故障诊断

针对齿轮箱故障信号的非线性和非平稳性特征,提出基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)、关联维数和支持向量机(Support Vector Machine,SVM)的故障诊断方法。将美国国家可再生能源实验室(National Renewable Energy Laboratory,NREL)"Gearbox Reliability Collaborative(GRC)"项目进行测试获得振动信号数据,通过EEMD进行分解得到本征模态函数(Intrinsic Mode Function,IMF)分量,采用G-P算法求取各组本征模态函数分量的关联维数,将各组关联维数输入SVM中进行故障识别及分类。结果表明:振动信号的关联维数与嵌入维数呈正相关,且正常信号和故障信号的关联维数区分度不明显,通过SVM能对其进行精确识别和分类。该方法能有效提取系统故障非线性特征,比传统的基于统计参数的故障诊断方法具有更高的诊断精度,准确率高达100%。     

电站煤粉锅炉炉内压力信号的混沌特性

大型电站燃煤锅炉炉内过程是一个复杂的非线性时变过程.综合考虑了电站煤粉锅炉实际运行和混沌动力学理论应用,研究了以炉内压力为参变量的炉内混沌运动特性.利用功率谱方法、Cao方法以及Kolmogorov熵,可确认炉内压力信号为包含着随机信号的混沌信号,并且随机信号的波动幅度约为混沌信号波动幅度的50%～75%.在某煤粉锅炉正常运行状态下以延时8 s、嵌入维数8重构炉内混沌运动的相空间,计算得到炉内运动关联维为6.56,存在正的lyapunov指数0.019 4,Kolmogorov熵为0.297 bits/s.最后指出,在实际锅炉运行中,可利用各混沌特征指数对炉内系统的深入分析,进一步指导电站锅炉优化运行操作.     

基于形态学分形和极限学习机的风电机组轴承故障诊断

风力发电机组滚动轴承工况往往比较恶劣,其故障振动加速度信号具有非平稳、非线性的特性,而传统的时频域方法提取故障特征时存在不准确、适应性差等问题,针对此提出一种基于局部均值分解(LMD)和形态学分形维数的特征提取算法,并结合极限学习机(ELM)完成风电机组轴承故障诊断。该方法同时考虑滚动轴承在不同损伤程度以及不同故障类型下的情况,首先将原始振动信号进行LMD自适应分解为一系列不同频率的乘积分量(PF);接着计算所有分量与原信号的相关性系数,选择相关系数值最大的前3个PF分量作为敏感变量;并利用形态学覆盖估计所选PF分量的分形维数,构建故障特征向量组;之后将其作为ELM的输入,将轴承状态作为输出,建立ELM轴承状态识别模型。最后使用西储大学平台轴承数据和实际风场采集故障数据对算法进行验证,结果表明,该方法能够有效识别轴承不同损伤程度以及不同故障,整体识别率达到99%以上。     

基于深度卷积自编码器的风电机组故障预警方法研究

通过风电机组状态监测进行故障预警,可防止故障进一步发展,降低风场运维成本。为充分挖掘风电机组监控与数据采集（SCADA）各状态参数时序信息,以及不同参数之间的非线性关系,该文将深度学习中自动编码器（AE）与卷积神经网络（CNN）相结合,提出基于深度卷积自编码（DCAE）的风电机组状态监测故障预警方法。首先基于历史SCADA数据离线建立基于DCAE的机组正常运行状态模型,然后分析重构误差确定告警阈值,使用EMWA控制图对实时对机组状态监测并进行故障预警。以北方某风电场2 MW双馈型风电机组叶片故障为实例进行实验分析,结果表明该文提出DCAE状态监测故障预警方法,可有效对机组故障提前预警,且优于现有基于深度学习的风电机组故障预警方法,可显著提升重构精度、减少模型参数和训练时间。     

基于顺序向前选择算法的制冷系统故障诊断分析

以一台制冷量为90冷t(约316 kW)、制冷剂为R134a的离心式制冷机组为实验对象,从理论上分析该制冷系统的7种典型故障,分析故障征兆与故障间的理论关系,运用基于顺序向前选择(SFFS)算法的封装模型进行特征选择,降低乃至消除特征间的相关度,去除信息冗余,获得不同的能较好表征故障的特征子集.结果显示:运用SFFS算法时选择了22个特征,诊断正确率为89.63%,与原特征集的诊断正确率90.36%基本相当,极大地减少了原特征集的特征数,从64维降为22维;在保证故障检测与诊断正确率的前提下,减少了诊断所需传感器种类和数量,节约了初始投入成本.