多重分形熵及其在非平稳信号分析中的应用研究

在对信号进行多重分形分析的基础上,提出了对信号进行定量评价的一种新指标--多重分形熵,这种方法能够表征信号能量分布的奇异状况和几何特征分布几率,可用于非平稳信号内在特征信息的精细刻画和准确提取,通过对实际信号的分析表明,提出的方法为设备故障状态识别提供了新手段.     

多重分形维数谱及其在内燃机故障诊断中的应用

采用小波模量极大值方法对缸盖振动信号去噪 ,计算数据的多重分形维数谱 ,将其用于刻划内燃机缸盖在气门不同状态时表现的非线性行为 ,从而对故障分类。结果表明 ,缸盖振动信号的多重分形维数谱当气门在不同状态时是不同的 ,可以将其作为判断气门状态的依据。     

小波多重分形及其在振动信号分析中应用的研究

不同于许多基于FFT的信号分析方法,多重分形谱分析的是信号的几何结构特征。以前,多重分形谱的计算方法都有其固有的缺点,使多重分形谱的应用受到限制。而小波局部极大模方法因其简单性和有效性,近来在多重分形谱计算方面受到了广泛的关注。较系统地阐述了多重分形的概念和多重分形谱的小波局部极大模计算方法,讨论了多重分形谱在故障诊断领域的应用途径,并用多重分形谱对不平衡、油膜涡动、联轴器不对中和碰摩等旋转机械的4种典型故障的振动信号进行了事例研究。研究结果表明,多重分形谱能够很好的反映振动信号的几何结构特征,为机械设备故障诊断提供了又一种有效的方法。     

振动信号小波leaders多重分形特征提取及性能分析

机械振动信号一般具有非线性、非平稳特性,多重分形特征是表示振动信号几何结构特征的一种重要手段。传统的多重分形特征计算方法计算量大,限制了多重分形特征的应用。小波leaders多重分形分析方法具有坚实的数学基础,且计算简便。针对齿轮正常状态和点蚀故障状态,提出基于小波leaders的多重分形振动信号特征提取及表示方法,提出基于bootstrap技术的最优块长求解算法,并建立振动信号小波leaders多重分形特征的统计性能分析方法。研究结果表明,小波leaders多重分形特征能够很好反映振动信号的几何结构特征,基于块bootstrap方法能有效分析多重分形特征统计性能,为机械设备状态监控和故障诊断提供了一种有效的选择。     

多重分形在旋转机械故障诊断中的应用

针对旋转机械故障特点 ,提出利用多重分形广义维数来描述信号特征 ;以振动信号模式空间样本库为基础 ,给出利用维数相关系数进行故障识别的旋转机械故障诊断方法。应用于圆盘故障诊断 ,效果令人满意     

分形理论及小波分析在快速故障诊断中的应用研究

本文提出了一种小型故障诊断系统的数据处理模式,叙述了分形理论在系统中的应用,论述了小波分析在突变信号分析中的应用和本系统中的算法,在算法研究的基础上进行了实验信号分析,验证了上述数据处理方式的可行性。     

智能材料损伤检测的多重分形应用

多重分形谱所蕴含的信息比单一的分数维要深刻而全面,在解决实际问题中多重分形主要用来描述物理量不均匀的随机概率分布.在智能复合材料有损伤前后其内部受力的空间分布发生变化,利用多重分形方法将其量化,多重分形谱从平缓到陡峭的变化反映了分形结构复杂性的增加和材料内部应力分布不均匀性的增加.数据仿真计算结果和对在一块埋置有5×5传感光纤的复合材料试件实测数据的计算结果表明该方法的有效性与实用性.     

多重分形方法在耦合故障诊断分类中的应用研究

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。对故障样本进行功率谱分析、广义维数计算分析,找出谱能量与分形维数的关系,对用分形维数分析故障的强度提供了依据。另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理论响应模拟数据的诊断、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。     

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。     

基于小波的多重分形图像去噪新算法

针对多重分形分析很难估计有限长离散数据的多重分形谱这一问题,提出了一种基于奇异性分析的多重分形图像去噪算法.通过定义基于小波系数矩的配分函数,给出了一种有限长离散数据序列多重分形谱估计方法.图像去噪算法中图像的性质由多重分形谱决定,对噪声的类型没有提出任何假设条件,而是通过定义一个基于二维微局域(2-mi-crolocal)分析的变换算子对每一点的Hausdorff指数进行处理,使处理后的图像中大多数点位于平滑区域的同时,谱的相对强度没有变化,从而取得最佳效果.实验结果表明,该方法在去除噪声的同时可很好地保留原始图像的纹理信息.     

谐波小波分析及其在旋转机械信号分析中的应用

介绍了谐波小波的信号分析方法,通过运用该方法对一些常见的非平衡信号以及离心压缩机试车的振动信号进行分析表明,其分析手段及结果具有较大的实用价值。     

柯尔莫哥洛夫熵及其在故障诊断中的应用

熵作为一个状态函数 ,表征了系统能量在空间分布的均匀程度 ,直接反映了系统的状态。本文详细分析了柯尔莫哥洛夫熵 (Kolmogorov熵 ,简称 K熵 )的物理含义及其从实测的时间序列中计算 K熵数值的算法 ,并首次将 K熵引入大型旋转机械的故障诊断领域中 ,利用 K熵的计算数值作为故障的特征值来识别机械的故障类型及严重程度     

多振动信号的时频相干多分形特征提取

为充分利用多个同步采样的振动信号进行机械设备的故障诊断,提出了搭建多振动信号时频相干网络并提取其多分形特征的方法。首先,将每个振动信号作为一个节点,根据所关心的物理问题,按适当的方式将各个节点连接成网;其次,对网络中相邻的每对节点做交叉小波变换,得到时频相干谱,借助小波领袖来估计时频相干谱的多分形谱,用曲线拟合的方法来提取多分形谱的形态特征;最后,利用特征融合与维数约简方法,对已得到的所有特征进行融合和降维,从而得到整个网络的最终特征。该方法给出了一个提取多振动信号时频相干多分形特征的框架,并在某高射机枪自动机的裂纹故障诊断中取得了成功应用,具有广泛的适用范围。     

多重分形去趋势波动分析在滚动轴承损伤程度识别中的应用

为了评估多重分形去趋势波动分析(MFDFA)在滚动轴承损伤程度识别中的性能,采用MFDFA计算了轴承故障信号的多重分形谱,多重分形谱的左右端点和极值点可以近似描述多重分形谱的形状和位置,提取这三个特征点的坐标作为刻画轴承动力学行为的特征参数。将MFDFA、4个常用的时域统计参数、小波变换(WT)方法和经验模态分解(EMD)方法分别用于识别轴承滚动体和外圈损伤的严重程度,然后分别采用马氏距离判别法、BP神经网络和支持向量机对WT、EMD和MFDFA所提取的特征参数进行分类,并比较了这些方法在故障分类中的效果。结果表明,马氏距离判别法与MFDFA的组合以及支持向量机与WT或EMD的组合可以获得较好的轴承损伤程度识别结果。研究结果进一步验证了早期工作的结论。     

小波变换在振动信号分析中的工程解释与应用

着重研究小波变换在工程中的应用,首先用工程语言对小波变换进行了解释,通过内积和基函数来研究小波变换,傅立叶变换,短时傅立叶变换之间的联系和区别,从形式上将三者统一起来,简要讨论了小波变换在振动信号分析中的一些典型应用,包括信号滤波,降噪,非平衡特性分析、机器状态监测和故障诊断等方面,最后总结了小波变换在振动分析领域的应用特点。     

气固流化床压力信号的混沌特性与信息熵分析

本文在气固流化床起流到快速流化的宽范围内研究了压力脉动时间序列的混沌特性参数随气速的变化趋势.同时应用Shannon信息理论,研究了床内不同测压点时间序列之间的信息传输关系,提出了信息是通过床内粒子扰动三维传输的观点.     

盲分离与Hilbert-Huang结合应用于航空发动机振动信号分析

在航空发动机故障诊断中,首要任务是分析故障信号提取故障特征。针对航空发动机非平稳振动信号,提出了利用盲分离(BSS)获得发动机的振源信号,结合Hilbert-Huang变换(HHT)对振源信号进行时频分析提取故障特征的方法。首先利用仿真信号验证了此方法的有效性,然后分析了某航空涡扇发动机空中停车故障并与直接应用HHT分析的结果进行比较,证实了盲分离与HHT的结合能更准确地提取航空发动机非平稳故障特征。