汽车传动轴振动信号分形维数计算

讨论了确定混沌时间序列嵌入维数的平均最近邻域发散度方法，并根据从时间序列中计算分形维数的方法，计算了一组不同平衡度汽车传动轴振动信号分形维数。计算表明，汽车传动轴振动信号具有分形特征；在时间序列具有较大噪声时，平均最近邻域发散度法能很好地确定其嵌入维数，具有良好的收敛性；在其他条件不变时，传动轴的不平衡度与其振动信号的分形维数值呈线性关系，当时间序列样本点达到一定数目时，计算结果稳定性好。     

碰摩耦合故障诊断识别的分形方法研究

为了研究碰摩故障、油膜振荡及碰摩和油膜振荡相互作用耦合故障,建立了模拟3种故障的实验装置,采集了故障振动信号。运用多标度分形理论,计算了故障振动信号分形维数并绘出广义维数谱,由此提出广义维数能谱的概念,并以广义维数能谱作为特征量,实现了对3种故障特征的提取与识别。提出了用广义维数能谱作为分析识别故障信号的判据,为复杂旋转机械故障诊断提供一种识别方法。     

分形在齿轮磨损监测中的应用

将分形理论用于齿轮磨损的监测,从工程应用角度介绍了振动信号盒维数的计算方法。通过对齿轮振动信号分形维数的计算,揭示了分形维数与信号复杂程度之间的内在联系。结果表明:随齿轮磨损的增加,齿轮振动信号盒维数呈下降趋势,运用振动信号的分形维数特征可有效实现齿轮磨损监测。     

基于多个无标度区多重分形理论的齿轮故障诊断

针对齿轮故障振动信号具有多重分形特征,提出多个无标度区的多重分形理论与神经网络相结合的机械故障诊断方法。该方法采用多重分形理论计算齿轮振动信号的多分形谱和广义分形维数,并将多分形谱能和广义分形维数谱能作为特征量,构成二维特征向量。将该特征向量作为概率神经网络的输入参量,并对采自齿轮故障台的振动信号进行故障分类。实验证明,与单一无标度区多分形谱理论特征提取方法相比较,所提出的方法能更精密刻画振动信号特征,并获得更高的识别率。     

基于分形和小波包理论的滚动轴承故障诊断

为了提高滚动轴承故障分形诊断的准确性,利用仿真信号对不同数据长度和不同信噪比下信号的盒维数和关联维数的差异进行对比,发现两种分形维对不同信号具有不同适应性;利用基于小波包分解能量图的特征信号强化技术,突出含噪轴承振动信号的故障信息特征,并对消噪前后振动信号盒维数进行计算和对比。分析结果表明,分形盒维数比关联维数更适用于分析含噪较重的信号;滚动轴承故障振动信号盒维数小于正常信号盒维数;相比原始信号,经小波包提取后不同类型故障振动信号的盒维数区分更为明显,诊断结果更加准确直观。     

基于小波降噪与分形理论的滚动轴承故障诊断

为了识别滚动轴承振动信号中包含的故障类型,运用小波对采集到的信号进行降噪,通过计算降噪后振动信号的关联维数,判断信号中是否包含故障。并以关联维数为特征量,通过计算各工况之间的距离函数,判断属于何种故障的信号。结果表明,运用分形理论进行故障诊断具有很强的实用价值。     

往复式机械非平稳信号的混沌与分形

为了研究往复式机械非平稳信号的非线性动力学特征,以内燃机主轴承的振动信号对其故障间隙的反映为例,在对主轴承受力分析的基础上,进行了模拟不同间隙的故障实验,获得了不同间隙下的振动信号,进一步应用混沌与分形方法研究了故障信号的混沌性,通过计算信号的两个混沌特征量-关联维数和Kolmogorov熵,找出了主轴承间隙与关联维数及Kolmogorov熵之间的变化关系,印证了对该类型非平稳信号进行混沌与分形研究的可行性.     

故障诊断中的多重分形分析

建立了模拟实际故障的实验装置,采集了碰摩故障、油膜振荡及碰摩和油膜振荡相互作用的耦合故障振动信号。运用多重分形理论,对实测故障信号计算出多重分形广义维数,重点讨论广义分形维数谱和奇异谱,并提出广义维数谱能和奇异谱能的概念,并以两谱能作为特征量,实现对故障特征的提取与识别。研究表明:将广义维数谱能和奇异谱能结合使用,有利于分析识别故障信号,增强可靠性。该研究为复杂旋转机械故障诊断提供了一种识别方法。     

滚动轴承外圈失效的盒维数与信息维数特征

旋转机械故障诊断的关键在于故障特征的提取,由于轴承振动信号的非线性与非平稳性,传统平稳信号处理方法在故障特征提取中存在不足,而多重分形等非平稳方法存在计算冗余。认为故障状态下轴承振动信号的空间的占布与概率密度均发生变化,因此可采用盒维数与信息维数描述故障特征。在此基础上,借助美国辛辛那提大学IMS中心公开的全寿命轴承实验数据,分别分析了滚动轴承外圈在正常和故障情况的信息维数和盒维数,认为:在故障状态下,轴承振动信号的信息维数与盒维数均有降低,这一特点有利于提高故障模式的可分性。     

往复压缩机多重分形故障特征提取

实现了基于多重分形的往复压缩机振动信号的故障特征提取。针对往复压缩机振动信号的非线性和非平稳性,使用多重分形谱和广义维数对压缩机振动信号进行分析,从中提取可识别的故障特征。分析结果发现多重分形谱中的△α值和广义维数Dq作为故障特征能够很好地反映往复压缩机的工作状态,为往复压缩机的故障特征识别提供了必要依据。     

基于特征参数的旋转机械智能故障诊断方法

为了对轴心轨迹进行特征提取和自动识别,使用了分形维数中的盒维数、信息维数、关联维数3个参量来描述轴心轨迹的分形特征;还引入紧密度和丰度两个量,从几何方面对轴心轨迹进行分析;最后,采用神经网络技术对3种状态下的轴心轨迹进行分类识别。试验结果表明,通过对轴心轨迹的分形特征和几何特征联合对转子的运行状态进行评定,有良好的区分度。     

基于模糊理论L-R模糊数对压缩机主轴的疲劳可靠性分析

针对压缩机主轴在使用中频繁发生断裂这一问题,用模糊理论L-R模糊数法有针对性地给出其安全使用概率与寿命之间的关系。通过算例表明,应用L-R模糊数数值计算方法计算主轴的失效可能度,即得出可靠度R=0.979580,与常规设计中可靠度的计算相对比,L-R模糊数由于在某种程度上反映设计中的复杂性,故计算结果更能反映实际结构和零件强度的真实情况,与工程实际更吻合。     

基于小波变换的分形曲线维数计算方法的研究

研究了基于小波变换的分形曲线维数计算方法,具有算法简单和容易实现的优点;通过构造典型分形曲线并加以应用研究,提出并总结了小波分解尺度对维数计算精度的影响规律。根据影响规律,采用小波变换计算分形曲线维数,首先应该估计曲线的采样长度,根据曲线特征选择特定的小波函数,确定最佳的小波分解尺度,这样既提高了计算精度,又缩短了计算时间;其次,当分形曲线有限长度较短时,应该采用信号周期延拓的方法可以减少计算误差。     

旋转机械动态特性的分形特征及故障诊断

运用多重分形理论,提出广义维数最小二乘法的计算公式,对实测的时域信号进行了广义维数计算,得到广义维数序列值,并从广义维数中获取盒维数、信息维数、关联维数以及敏感维数,对故障样本进行广义维数计算分析,找出用分形维数分析识别故障的依据。此外,运用广义维数序列和数学方法相结合提出分形诊断分类方法,用广义维数最大相关系数和广义维数序列单值优化逼近原理方法,对待检信号的耦合故障分别进行了试验数据与动态振型数据的诊断、识别分类,收到了良好的一致效果。通过对转子系统故障诊断的实例说明从广义维数中提取的各分形维数都能较好地对故障状态进行诊断、识别,且耦合故障的分形诊断分类方法具有较好的实效性。     

分形维数计算的流水线优化方法研究

分形维数计算具有计算复杂度高、计算时间长等特点,严重影响计算的实时性。针对此问题,在充分分析分形维数计算内在特性的基础上,利用分形维数具有流水线计算的特点,提出了一种计算分形维数的流水线体系结构,可有效提高分形维数计算的实时性。由于嵌入式并行处理硬件平台资源有限,对分形维数计算实时性进行优化的同时还需要考虑资源消耗的优化。通过对不同级数流水线运行时间和资源消耗的分析,建立基于运行时间与资源消耗的优化目标函数,从而得到运行时间与资源消耗最优的流水线结构。并与已有的计算分形维数的并行算法进行对比分析,实验结果表明,本文提出的优化方法在提高计算实时性的同时有效降低了资源消耗,实现了运行时间与资源消耗的优化。     

广义分形维数在旋转机械故障诊断中的应用研究

运用分形理论，提出广义维数最小二乘法的计算公式，对实测的时域信号进行了广义维数计算，从广义维数中获取盒维数、信息维数、关联维数以及敏感维数。对故障样本进行功率谱分析、广义维数计算分析，提出谱能量与分形维数的关系，为用分形维数来分析故障的强度提供了依据。运用广义维数序列和数学方法相结合提出分形诊断分类方法，并通过实例诊断、识别故障及其故障程度，说明该方法具有较好的实效性。     

实例推理法构建传动轴力学模型

采用参数化式实例推理法建立了传动轴三维力学分析模型，边界约束和载荷工况库的建立采用了编码关联数据结构的模式，通过基于特征的参数化设计技术构建传动轴的三维立体模型，设计结果可作为有限元分析软件的前置处理模型。通过stl格式转换有限元结构分析模型。     

过盈配合单向分形界面微观接触面积研究

通过对模拟压缩机叶轮和轴过盈配合的试件表面轮廓进行分析,发现切削加工的粗糙配合表面具有单向粗糙度特征,同时垂直加工纹理方向的表面轮廓具有明显分形特性。基于M-B分形接触的修正模型,建立了具有单向粗糙度分形特征表面的理论接触模型,推导出接触面积与法向载荷的函数关系式。结合真实粗糙表面,建立了具有分形特性的单向粗糙度实体模型,利用有限元分析软件对实体模型进行了仿真分析,验证了接触面积与法向载荷函数关系的正确性。