基于核最优K-L变换的故障特征提取方法研究

核函数主元分析KPCA(kernel princ ipal component analysis)能够提取机械故障信号的非线性特征,可以应用于机械故障状态识别。但是KPCA是一种无监督的特征提取方法,不能利用故障信号中的类别信息。本文介绍了一种核最优K-L变换,它可以充分利用类别信息,它能够提取类平均向量和方差向量中的判别信息,使提取的特征分类效果更好。在齿轮故障诊断实验中,采用核最优K-L变换提取故障信号的非线性特征,实验结果表明核最优K-L变换相比KPCA故障识别结果更为理想。     

平面连杆曲线特征参数提取的自相关变换法

提出了提取连杆曲线特征参数的自相关变换法，该方法使得曲线特征多数的提取与曲线的起始点选择无关，通过对连杆曲线函数的自相关分析，发现可以用统一的特征参数来描述各种连杆曲线，而且用少量数目的特征参数就可建立连杆曲线数据库．     

K-L子空间法在风机振动故障诊断中的应用

提出用基于K-L变换的多子空间模式识别方法解决旋转机械的多类故障诊断问题。通过K-L变换,能有效降低特征空间的维数,形成各类别对应的特征子空间,然后分别计算待分类模式与各子空间的距离实现模式分类。实验室离心风机几种常见机械故障的实例诊断结果表明,该方法能有效解决多类故障的诊断问题。     

基于相空间重构和K-L变换的压缩机故障诊断

为有效利用往复式天然气压缩机故障工作状态下振动系统的非线性特征,采用了一种集相空间重构技术K-L变换为一体的特征提取和特征压缩方案,并成功应用于对某型压缩机的故障诊断。用相空间重构提取了高维的征取量,为了降低特征维数,引入K-L变换进行特征压缩。通过对3类典型故障类别一定样本数量的振动数据进行仿真,仿真结果表明该方法提取的特征量,具有很好的聚类性,能很好地把3类故障区分,达到对故障诊断的目的。     

基于分形理论和小波神经网络的输电线路故障识别研究

采用凯伦布尔变换对故障电流进行相模变换,然后通过GHM多小波变换得到模极大值,再采用关联维数计算出不同初始角、不同故障距离下故障电流的分形维数作为故障类型检测的特征参数,最后将提取的特征参数输入到小波神经网络即可实现故障类型的识别。实验仿真结果表明,采用多小波变换和分形理论提取的特征参数,可以用较少的特征量来表征不同故障类型,且采用小波神经网络进行故障识别,效果较好。     

产品关键特征参数变换创新方法的研究

基于系统设计思想,提出关键特征参数变换的创新理论和方法,阐明了产品关键特征参数变换的设计原理及本质。在深度分析消费需求的基础上,运用粗糙集理论确定消费需求重要度,选择用户需求度大的关键特征,研究关键特征参数变换操作方法。通过关键特征参数的变换,进行变异设计以产生新的输出结果,探析其在产品创新设计中的本质内容,为产品创新设计提供一种新的可行思路和方法。     

基于Duffing van-der-pol系统几何特征的材料非线性特征量化

传统微弱信号检测方法在处理非线性Lamb波信号时存在精度不高且抗噪性能有限的问题,Duffing vander-pol系统作为非线性动力学系统十分适合检测由材料非线性特征引起的非线性Lamb波微弱变化。系统的几何特征——平均周期面积作为特征参数能对材料非线性导致的微弱二次谐波成分进行增强,进而表征材料非线性特征。采用系统分岔图确定Duffing van-der-pol系统的策动力参数,根据系统相轨迹确定系统状态并验证二次谐波的存在性。通过建立系统几何特征参数与二次谐波幅值的拟合线性关系,二次谐波幅值可以被精确量化,从而实现定量分析材料线性特征。通过实验对比传统的小波变换、卡尔曼滤波等降噪方法,在较强的噪声干扰下,基于Duffing van-der-pol系统几何特征的方法对二次谐波的量化依然可以保持较高精度,具有潜在的应用价值。     

基于小波包变换和奇异值分解的机加工表面纹理特征提取

为提取机加工表面的纹理特征,提出利用小波包变换和奇异值分解提取灰度图像特征的新方法,给出了小波包变换算法及奇异值分解算法,依据矩阵奇异值特征向量的均值和方差分别定义了灰度图像的特征参数k1和k2,并探讨了特征参数与表面纹理之间的关系。结果表明:特征参数能够敏感地反映机加工表面的纹理特征。k1表征了机加工表面的支撑面积,其值越大,支撑面积越大;k2表征了机加工表面纹理的粗糙度,其值越大,纹理越粗糙。因此,机加工表面的纹理特征可通过灰度图像特征参数k1和k2评定。     

基于CWT二次图像的缸套-活塞环摩擦振动分析研究

为通过摩擦振动分析缸套-活塞环的磨损状态,提出利用连续小波变换(CWT)时频谱和图像处理技术相结合提取摩擦振动信号特征的新方法。首先运用CWT变换获取摩擦振动信号的时频谱二次图像,然后运用图像分割技术提取摩擦振动特征体,根据特征体定义特征参数V、Gmean、HV、Mtf、N和e,探讨特征参数与磨损状态的内在联系。结果表明,特征参数V、Gmean、HV和N刻画了磨损行为的复杂和剧烈程度,特征参数Mtf和e反映了磨损表面状态。利用CWT二次图像和图像分割技术可对缸套-活塞环摩擦振动进行定量表征。     

基于Morlet小波变换的信号去噪及在轴承状态监测中的应用

为在强噪声背景下利用振动信号中隐含的冲击特征成分来反映轴承性能退化趋势,提出一种基于Morlet小波变换和时域特征参数提取相结合的轴承状态监测方法。通过引入谱峭度评估Morlet小波滤波的去噪效果,再从信号滤波结果构建的组合信息中提取时域特征参数。对轴承全寿命数据的应用结果表明,特征参数的变化趋势能够监测轴承状态的劣化过程,伴随的早期故障检测可以提高轴承使用的安全性。     

铁谱磨粒特征参数的优化研究

为了便于对磨粒进行分类，务必要建立最优特征参数体系，目前有4种可行方法，分别对它们进行了探讨，归纳了其优缺点。     

基于集成学习的铸件缺陷识别方法

针对铸件图像噪声多和对比度不足引起的缺陷识别困难的问题,文中提出了一种基于集成学习的铸件缺陷识别方法。首先,该方法采用灰度变换法、双边滤波以及自适应图像分割法对铸件图像进行预处理。然后,通过提取方向梯度直方图（Histogram of Oriented Gradients, HOG）特征、不变矩特征和局部二值模式（Local Binary Pattern, LBP）纹理特征构建全信息特征集,并结合支持向量机递归特征消除（Support Vector Machine-Recursive Feature Elimination, SVM-RFE）算法筛选铸件缺陷敏感特征。最后,利用Adaboost-RF（Adaptive Boosting-Random Forest）方法构建铸件缺陷识别模型。对比实验结果表明,该模型不仅可以有效提取缺陷敏感特征,而且相较于其他分类器具有更好的分类性能和泛化能力。     

基于粗糙集和神经网络的润滑油中磨损磨粒的识别

为了更有效地对润滑油中的磨损磨粒进行识别,探讨了基于粗糙集和神经网络的磨粒识别。它首先利用粗糙集理论对磨粒特征参数进行约简,这样能够大大减少了神经网络的输入维数。然后介绍了一种径向基神经网络,并利用它对磨粒进行分类。对20个磨粒进行识别,磨粒分类分对14个,分错6个,识别率达到70.0%。     

基于随机集理论的并发故障诊断信息融合方法

为了诊断并发故障,提出一种基于随机集理论的信息融合方法.首先构造包含并发故障的论域,并在此论域的超幂集上定义扩展型随机集.基于该随机集和广义集值映射给出证据组合规则的随机集模型,用其构造可以同时适用于单发和并发故障诊断的新型组合规则.此外,根据传感器提供的故障信息构造故障样板模式与待检模式的模糊隶属度函数,利用模糊集的随机集表示以及随机集似然测度,获得两种模式匹配的程度作为待融合的诊断证据.最后通过在电机柔性转子平台上的试验,证明了所提方法可有效地减少单一传感器信息诊断的不确定性,显著提高转子系统故障诊断的精度.     

RFID无损检测方法及在油液磨粒监测中的应用

对一种低成本的利用电磁波传输特性对油液中铁磁性磨粒进行监测的方案进行了前期研究。 首先建立了油液磨粒模型,并针对磨粒相关参数对电磁波传输特性的影响进行了仿真,仿真结果显示磨粒含量与电磁波传输特性具有明显的相关性。然后利用射频识别对磨粒含量的影响进行了试验验证,试验结果显示磨粒含量可以影响电磁波传播特性,与仿真结果相符。     

粗糙集和证据理论在磨粒识别中的应用

为了便于对磨粒进行识别，首先利用粗糙集理论对磨粒参数信息进行约简，并形成待决策问题的经验决策表。然后，利用粗糙集理论和证据理论的关系，计算待决策信息的有关证据的基本概率指派和条件概率指派。最后，按照合成规则对上述条件概率指派进行合成，并根据决策规则对磨粒进行分类。     

基于特征依赖图的特征造型重构机制的研究

传统的基于历程的特征造型中,容易出现设计意图和设计结果前后不一致的问题,为此文中采取了基于完全双向语义约束的变量化特征造型,并提出用特征依赖图的数据模型来保存和维护设计中的各种特征信息及其之间的关系.它的形成是基于特征间的各种依赖关系,而不是基于特征创建的先后顺序,并且根据依赖关系完成特征实体和约束的添加、编辑、删除等操作.这种方法使得特征信息随时根据相关特征信息协调变化,特征语义能够始终保持一致,在现有的开发平台上和CAD系统中具有一定的可行性.     

基于参数建模法心律失常的计算机辅助自动诊断

利用多变量参数回归模型(MAR)的数据融合技术，从双导联心电信号中提取特征，以实现计算机辅助自动诊断。在分类时，利用MAR模型系数及其K—L变换作为信号特征，并采用了非线性二次判别函数(QDF)分类器。利用文中方法对MIT—BIH标准数据库中的正常窦性心律(NSR)、心房早期收缩(APC)、心室早期收缩(PVC)、心室性心动过速(VT)，心室纤维性颤动(VF)，室上性心动过速(SVT)信号进行了建模和测试。结果表明，融合双导联心电数据后取得了比只利用单导联心电数据更为满意的结果。