滚动轴承振动信号的非线性分形特性研究北大核心

为研究球轴承振动信号的非线性分形特性,对Hurst指数及多重分形计算分形特征的方法进行改进。采用2次分割充分利用数据,并对不同状态振动的Hurst指数和多重分形谱的变化规律进行了仿真及试验研究。结果表明:正常状态振动呈现正的持续性,故障状态振动具有反持续性,故障状态振动的波动影响范围比正常状态振动的小;振动信号具有不均匀的自相似性(即多重分形特征),振动状态与多重分形谱的形状之间存在着对应关系。     

基于文本挖掘技术的服务平台设计

为满足监测行业舆情动态和会员企业发展需要,本文采用文本挖掘等大数据技术,基于搭建公共服务平台的理念,规划建设行业协会网络舆情公共服务平台,提供舆情监测服务,以支持行业和重点企业跟踪监测重大舆情事件,并借此形成行业舆情监测分析的合力,主动预警,引导舆论,提高工作的主动性、预见性和科学性。     

基于多重分形和PSO-SVM的齿轮箱故障诊断

针对齿轮箱振动信号的非线性和非平稳性,提出一种多重分形和粒子群优化的支持向量机(PSO-SVM)相结合的故障诊断方法。首先采用短时分维作为模糊控制参数的分形滤波器对背景噪声较大的齿轮箱振动信号进行滤波降噪;其次引入多重分形谱算法对滤波后信号进行分析,发现多重分形特征量Δa(q)、f(a(q))max、盒子维数Db能很好地反映齿轮箱工作状态;最后对支持向量机(SVM)的参数利用粒子群优化(PSO)算法进行优化,并将多重分形特征量分别作为SVM和PSOSVM的输入参数以识别齿轮箱故障。结果表明,基于粒子群优化的支持向量机可以提高分类正确率。同时证明了基于多重分形和PSO-SVM在齿轮箱故障诊断中的有效性。     

铁谱磨粒多重分形特征研究

为有效描述铁谱磨粒特征,提出用多重分形谱参数表达磨粒形态特征的新方法。选择盒计数法计算磨粒图像的多重分形谱,研究磨粒多重分形谱的有效性,分析磨粒多重分形谱参数的不变性和鲁棒性;确定磨粒图像预处理方法,并对4类典型磨粒的多重分形谱参数进行统计分析。结果表明:将多重分形谱参数应用于磨粒识别,总识别率为82.5%。磨粒具有明显的多重分形特性,可用多重分形谱参数来描述磨粒的形态特征;多重分形谱参数具有平移不变性,但对灰度变化和噪声干扰的鲁棒性较差,在提取多重分形谱参数时,需要对磨粒图像做严格的预处理。     

构造信息压缩的一种优化算法

提出了一种基于分形插值预测的信息压缩技术,将原始信息在利用分析过去发生过什么事件以及未来需要完成什么工作,才能实现某种特定目标的基础上,进行分形编码得到分形码,采用分形插值方法由信息的分形码解码得到原始信息的分形预测编码,然后对预测误差信息进行基于DCT的自适应补偿编码。实验表明,这种方法的编码速度有了很大提高,而且恢复信息的质量具有较高的保真度。     

多重分形轮廓及曲面的数学表征及其仿真研究

基于W—M函数提出了多重分形特征函数,对具有多重分形特性的表面轮廓及曲面进行了仿真模拟并分析了其统计学特性,用典型的维数计算方法计算了模拟表面的分形维数,为与多重分形特性相关的摩擦学模型的进一步研究奠定了基础。     

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.     

基于多重分形与SVM的齿轮箱故障诊断研究

针对齿轮箱振动信号的非平稳性和非线性,提出一种多重分形和支持向量机相结合的故障诊断方法。运用多重分形理论方法对齿轮振动信号进行分析,通过分析发现多重分形谱和广义维数作为故障特征能够很好地反映齿轮箱的工作状态;对支持向量机的参数利用粒子群优化算法进行优化,并将齿轮箱振动信号的多重分形特征量作为支持向量机的输入参数以识别齿轮的故障类型。实验结果表明,该方法在样本较小的情况下能够准确对齿轮箱的故障类型进行分类。     

基于多重分形的摩擦振动信号研究

为提取摩擦振动的特征信号和实现摩擦振动特征信号的表征,在摩擦磨损试验机上进行船用柴油机缸套-活塞环摩擦副摩擦磨损模拟试验,应用总体经验模式分解对缸套-活塞环摩擦副的非线性、非平稳的摩擦振动信号进行降噪,并应用多重分形对摩擦振动信号进行分析,得到多重分形谱图及其参数。研究结果表明,随着摩擦磨损试验的进行,缸套-活塞环摩擦副摩擦振动信号振幅分布多重分形谱和频率分布多重分形谱呈现一定的变化规律;多重分形谱图及其参数能够实现摩擦振动信号特征的表征,可以用于摩擦副摩擦振动状态的识别。     

缸套-活塞环磨合过程摩擦力矩多重分形研究

针对缸套-活塞环磨合模拟试验过程中摩擦力矩的变化特点,提出一种用多重分形谱描述摩擦力矩信号复杂性的新方法。给出了摩擦力矩信号多重分形谱的计算方法,并对活塞环磨合过程中摩擦力矩信号多重分形谱的变化规律进行了试验研究。结果表明:随着磨合过程的进行,多重分形谱的宽度Δα值呈上升趋势,与活塞环磨损失重的变化规律是一致的;多重分形谱描述了摩擦副表面的动态变化过程,运用多重分形谱可有效地评价磨合磨损过程。     

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。     

多重分形的耐火材料损伤声发射信号特征提取方法

为了对镁碳质耐火材料损伤声发射信号进行有效的特征提取,研究了利用非线性领域的分形方法进行特征提取的可行性。首先利用仿真声发射信号研究了多重分形谱参数(Δα、Δf、K),广义分形维数均值Mean Dq等参数表征信号频谱结构特征的能力,结果表明多重分形谱宽Δα能够有效的表征信号的频谱特征;然后对镁碳质耐火材料进行单轴压缩试验,采集损伤声发射信号,并计算出两种典型损伤声发射信号的多重分形谱宽Δα,通过多重分形谱宽的分布证实了利用其进行特征提取是可行的。     

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。     

基于MF-DFA和SVM的齿轮箱故障诊断

针对齿轮箱的故障信号是具有非平稳性、非线性等复杂特征的信号,利用多重分形去趋势波动分析(MF-DFA)和支持向量机(SVM)相结合的方法对齿轮箱进行故障诊断。利用多重分形去趋势波动分析,提取齿轮箱故障的多重分形最大奇异指数,最小奇异指数,奇异谱的宽度,极值点所对应的奇异指数等4个分形参数,将其作为特征参数。然后建立齿轮箱的不同故障状态的样本,通过利用支持向量机的方法实现齿轮箱故障的诊断与识别。研究表明,这两种方法的结合为机械故障诊断提供了一种新的方法,对齿轮箱的故障诊断识别具有重要意义。     

一种用于故障诊断的多信息熵监测方法研究

采用信息熵计算模型,在对信号进行多分辨率分析和多重分形分析的基础上,研究了对信号能量进行定量评价的新方法一多分辨率奇异谱熵和多重分形熵,该指标能够分别表征不同尺度上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,并作为设备故障诊断和状态监测的有效途径.通过对不同信号的模拟分析,提出的信息熵模型可作为设备状态评价的综合特征指标.     

分形理论及其在制造系统中的应用研究综述

简要介绍了分形理论的基本思想和研究现状,给出了分形公司的新制造模式,探讨其主要特点。综述了分形理论在企业供应链、复杂系统建模、企业网络及机械故障诊断方面制造领域的应用现状。     

基于时频维数的轴承故障诊断方法

提出了一种基于时、频域信号的多重分形故障诊断方法,给出了时、频域多重分形的具体方法以及其数值算法.根据多重分形的定义及分形几何学相关原理,通过数学方法及信号处理的相关理论,对该算法中网格划分种数J以及参数q的选取对计算结果的影响进行了研究,并以此优化了J的取值范围和q的截止条件.通过LabVIEW仿真实验,对时、频域多重分形方法进行验证.发现该方法可以对不同信号进行有效识别,且与信号的能量大小及分布等因素相关.依据此规律,进一步进行轴承故障诊断实验.实验表明,时、频域多重分形方法不但可以准确完成故障有无的判断及故障类型的诊断,且在故障发生的早期就能够有效诊断出来,是一种切实可行的方法.     

齿轮故障信号多重分形维数的形态学计算方法

针对传统的多重分形维数计算方法的缺陷,提出基于数学形态学操作的多重分形维数计算方法,并证明了与盒计数法计算多重分形维数的一致性.对实际的齿轮正常、齿面磨损故障和断齿故障信号进行了分析,结果表明,与盒计数法相比,基于数学形态学计算的多重分形维数能够准确区分齿轮的工作状态,并且数学形态学只涉及简单的加减和取大、取小运算,计算更加简单、快速.     

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.