双谱切片的分形特性在减压阀故障诊断中的应用

减压阀是液压系统中的一种重要元件,也很容易发生故障,如何对减压阀发生的故障进行诊断,对于机械系统的维护有着重要意义.首先获取了减压阀振动时的正常信号和故障信号的AR双谱切片,再根据双谱切片所呈现出的自相似性,分别计算了每组数据的容量维数,并由计算结果进行故障诊断,取得了良好效果.     

AR双谱在减压阀故障诊断中的应用

双谱可以描述系统的非线性耦合,抑制高斯噪声和保留相位信息。当减压阀系统受到零均值的非高斯噪声干扰时,利用减压阀输出的位移信号建立AR时间序列模型,通过AR双谱进行减压阀故障诊断。结果表明在相同的液压压力下,减压阀在正常工作和出现故障时的双谱存在明显差异,双谱表现出了不同的特征;对于同一实验组,在不同的液压压力下减压阀的双谱特征有略微变化,液压压力对减压阀的故障诊断影响不大,这样有助于在实际应用中对减压阀做出快速诊断。理论和实验说明了双谱分析是实现液压元件故障检测的有效方法之一。     

基于故障诊断的双谱优良特性体现

双谱切片与AR功率谱相比,能有效地去除高斯噪声,保留了信号的相位信息。减压阀振动正常信号和故障信号的AR功率谱与双谱切片均呈现了不同的波峰特性。利用小波包对两种信号的功率谱与双谱切片分别进行了特征提取,并输入BP神经网络以诊断减压阀的故障信号,对两者的诊断效果进行了对比分析,以实验的形式清晰地显示了双谱和功率谱性能上的差异。     

自回归三谱切片研究

为了克服传统功率谱掩盖了信号的非高斯特性,以及双谱提取非线性特征量少的缺点,建立并研究了时间序列的自回归(AR)三谱及其切片模型,通过分析三谱及其切片的特征,可以获得信号的非高斯、非线性频率特性信息.利用溢流阀在不同工作状态下的振动数据进行了实验研究.结果表明:三谱及其切片相对于双谱和功率谱有更高的分辨率,能够明显地区分不同工作状态下的溢流阀特性.因此,本研究有助于提高对微弱信号的检测能力和识别能力.     

磁流变阻尼器振动信号的三谱-关联维研究

研发一种新型的磁流变阻尼器,用专门设计的测试平台测试其动力学特性,通过采集振动过程中的位移信号,建立时间序列的AR三谱模型,采用关联维数定量刻画振动过程中不同工作状态的分形特征.结果表明,在不同工作状态下,三谱切片可以获得信号的非高斯、非线性幅频特性信息,且与振动信号的关联维数存在相关性,对选取磁流变阻尼器最优工作参数有重要的意义.     

基于机械故障诊断的高阶谱耦合性能分析

为了有效进行故障诊断,利用容量维数作为工具,计算了实数信号三谱对角切片、复数信号两种不同定义形式的212维谱的容量维数。212维谱具有16种不同的定义形式,按照定义形式的不同,其中的两种分别包含参加耦合的信号信息和耦合后的信号信息。这种不同的耦合性质使得它们的形状体现出不同的自相似性。利用采集的减压阀振动的正常信号和故障信号,首先得出不同的212谱,然后进行容量维的计算,并根据计算结果进行故障诊断,得出了所研究的两种定义形式的212维谱其自相似性与实数信号三谱对角切片相比,在故障诊断中更为有效的结论。     

基于瞬时转速双谱分析的柴油机气阀泄漏诊断方法

在对双谱和瞬时转速信号的特点进行分析的基础上,测量了6-135柴油机在正常和气阀泄漏故障状态下的瞬时转速,分别计算其双谱,得到了具有明显区别的双谱图;通过计算双谱对角切片,可以容易且有效地识别故障的存在;根据瞬时转速的双谱特征进行故障诊断,故障特征明显,诊断效果良好。     

基于关联维数的滚动轴承故障诊断的研究

针对滚动轴承系统产生的非线性振动信号的特点,提出用关联维数来描述轴承振动信号的工作状态,进而对其进行故障诊断的方法。同时详细讨论了关联维数的计算方法,并对由轴承系统产生的非线性振动信号进行了关联维数的定量计算。实验表明,滚动轴承不同工作状态由不同的动力学机理产生,其关联维数明显不同。以关联维数作为滚动轴承的工作状态监测的依据,可以为提高滚动轴承故障诊断的准确率提供了一种有效的新方法。     

AR模型和分形几何在设备状态监测中的应用研究

状态特征指标对机械的状态监测和故障诊断具有重要意义。本文提出应用机械设备工作状态下噪声信号自回归模型的关联维数来描述设备在不同工作状态下的特征,进而实现对状态的监测、识别和分类。文中通过实验证明,设备在相同工作状态下,噪声信号的AR模型参数具有相近的关联维数,在不相同状态下则有明显不同的关联维数。因此关联维数不仅可以作为状态监测与识别和分类的重要依据,而且可以作为其他特征提取方法的补充。此方法对设备状态监测准确率的提高具有明显的作用。     

混沌分形理论在往复压缩机气阀故障诊断中的应用

提出用关联维数来定量描述往复压缩机气阀的工作状态,进而对气阀进行故障诊断.首先采用基于经验模态分解和奇异谱分析的基本思想,对气阀不同状态下的信号进行降躁处理,然后计算了信号的关联维数.分析结果表明,气阀不同运行状况对应的关联维数明显不同,因此可以用关联维数作为气阀不同工作状态的特征参数,从而提高了设备故障诊断的准确率.     

关联维数和基于内禀模态函数的AR模型在滚动轴承故障诊断中的应用

提出一种基于内禀模态函数(Intrinsic Mode Function,IMF)、自回归(Auto-Regressive,AR)模型和关联维数的滚动轴承故障诊断方法.该方法首先采用经验模态分解(Empirical Mode Decomposition,EMD)将滚动轴承振动信号分解成若干个IMF,然后对包含主要故障信息的IMF分量建立AR模型,计算AR模型自回归参数的关联维数,并以关联维数作为特征向量输入神经网络分类器,最后通过网络的输出结果来识别轴承的工作状态和故障类型.对实验数据的分析结果表明,该方法能有效地应用于滚动轴承的故障诊断.     

基于AR双谱的溢流阀故障诊断

叙述了高阶谱应用于溢流阀故障诊断,并提出一种诊断溢流阀故障的方法。介绍了双谱的定义,进一步强调了高阶谱在提取故障信号的应用,文章对采样的数据进行处理后,用高阶累积量对数据建立AR模型,再进行双谱分析,针对溢流阀的双谱结构图、等高线图和其双谱切片图在正常情况和故障情况的不同进行对比,差异明显。结果说明,用高阶谱来诊断溢流阀故障是可行的,有效的。     

切片双谱分析在离心泵故障诊断中的应用

运用双谱及切片双谱分析技术对离心泵不同状态下的振动信号进行分析表明,离心泵在正常运行、地脚螺栓松动和空化状态下的双谱图的特征有着明显的差别,可以通过双谱对故障信号进行初步分类,且双谱的对角切片和反对角切片可以显著降低噪声干扰,进一步提取出故障特征频率,故可对离心泵的故障信号进行准确的分类和诊断。     

循环双谱的简化及在滚动轴承故障诊断的应用

在滚动轴承的早期故障诊断过程中,由于故障信号冲击不明显淹没在背景噪声之中,仅仅通过低阶循环统计量无法提取故障特征,而高阶循环统计量对噪声的有良好的抑制能力,因此将循环双谱应用到滚动轴承故障特征提取上。但循环双谱的谱图为多维谱图表达不够直观,且其计算量大,故对循环双谱进行了简化研究,首先对循环双谱做一次水平切片,在此基础上再做二次峰值频率切片,然后用简化的循环双谱对滚动轴承故障做特征提取。仿真和实验结果证明了方法的有效性。     

基于关联维数与BP神经网络的滚动轴承故障诊断

探讨了滚动轴承不同工况下非线性系统关联维数的计算及应用，讨论了滚动轴承在不同工况下的关联维数，以此为工况特征量设计BP神经网络实现故障诊断，并以关联维数作为游隙大小的特征量为例，对故障诊断效果进行分析。     

三相干系数谱的二维切片在船用齿轮故障诊断中的应用

为解决船用齿轮故障诊断问题,提出一种基于不同频率下的三相干系数谱的二维切片图进行对比的方法。通过采集齿轮的振动数据,预处理后进行三相干函数处理,对振动数据在不同频率下的三相干系数谱二维切片图进行对比,其结果差异明显。试验表明,将三相干系数谱二维切片应用于故障特征的分析诊断中,在某些特定的环境下可以提高故障识别和诊断的正确率。     

自回归谱的分形特性在状态监测中的应用研究

研究了机械设备在工作状态下噪声信号自回归谱的分形特性，提出可以用关联维数描述设备的工作状态特征，进而对工况进行识别，实验表明，机械设备在相同的工作状态下，噪声信号的自回归谱有相近的关联维数，而在不相同状态下则有明显不同的关键维数，关联维数可作为机械设备状态的重要依据，能够有效地补充其他特征提取方法的不足。     

基于现代非线性理论的汽轮发电机组故障诊断技术研究

运用小波理论、分形理论和混沌理论等非线性理论,对汽轮发电机组转子故障进行了综合分析和研究。对 所测某28 MW发电机组转子在三种不同工作状态下的时间序列进行了关联维数计算、小波包分解以及最大李雅 普诺夫指数计算,并结合其相轨迹图和庞加莱截面进行了分析与研究。结果表明,小波包分解重构技术具有很强 的消噪和非平稳信号提取能力;发电机组转子在不同工作状态下其时间序列的关联维数、李雅普诺夫指数具有明 显差别,且两量值相互补充、相互对应。由此提出:关联维数、最大李雅普诺夫指数可以作为刻画发电机组机械 故障特征的综合量化指标。该研究为非线性运动系统的在线监测、故障诊断和状态预测开辟了有效途径。     

基于非线性多参数的旋转机械故障诊断方法

应用关联维数、李亚谱诺夫指数等非线性多参数对旋转机械故障诊断进行研究。对所采集的模拟旋转机械振动故障信号,运用相空间重构理论对其时间序列重构。为使重构相空间能充分地反映系统运动特征,对不同故障信号的时间延迟与嵌入维数确定问题进行研究,计算出不同故障信号的关联维数、李亚谱诺夫指数、复杂度和近似熵四个非线性特征量。在此基础上对四个非线性参数进行融合,并定义为非线性度,用这一特征量对故障信号特征进行提取与识别。由于非线性度是关联维数、李亚谱诺夫指数、复杂度和近似熵多参数的综合,更有利于分析识别故障信号,增强可靠性。研究表明:故障类型不同,非线性度指数不同,验证了这一非线性特征量是表征不同故障信息的有效参数。此研究为复杂旋转机械故障诊断提供一种识别方法。     

应用多参数融合与ELM的自动机故障诊断

考虑到自动机工作环境复杂,各部件相互作用时间短,冲击性强从而导致各种响应信号相互叠加,敏感特征参量难以确定的问题,提出了一种应用多参数融合与ELM相结合的自动机故障诊断方法。首先,对自动机故障信号计算广义分形维数,在此基础上提取盒维数、信息维数、关联维数作为故障特征参量;然后引入信息熵模型,对自动机故障信号提取功率谱熵、奇异谱熵、特征空间谱熵作为特征参量来描述信号状态在频域、时域、时频域的能量变化;最后将特征参量输入到极限学习机中(ELM)进行分类。实验结果表明多参数融合能全面准确地反映故障信息,极限学习机学习速度快、结构简单,具有很好的故障分类效果。