基于DKPCA的固定翼无人机多工况在线故障诊断

固定翼无人机(UAV)执行任务过程包含多个阶段,体现出多工况特征,且UAV参数具有动态性和非线性,导致UAV在线故障诊断复杂化。本文选取UAV横向、纵向和速度控制回路的9个核心参数来表征无人机实时状态,通过动态预处理构建增广矩阵以描述UAV的动态特征;采用改进k-mediods~*算法对UAV扩维数据进行工况聚类,并采用神经网络完成在线工况匹配。针对UAV非线性特征,采用了DKPCA算法进行故障诊断,基于SPE和T~2构建合成指标FAI用于故障监测,并提出了分离算法从高维数据定位故障变量;为了应对测量误差带来的故障误报,还对DKPCA合成指标FAI进行了小波去噪处理。最后,以某UAV的实飞数据为对象,呈现以上算法的结果,验证了工况聚类、工况匹配、故障诊断及小波去噪等算法的有效性。     

考虑工况变化的数控刀架运行状态异常检测方法

针对数控刀架故障数据少、难获取,且运行数据随工况变化致使故障诊断困难的问题,提出了一种基于非故障数据并考虑工况变化的运行状态异常检测方法.该方法通过多元高斯分布模型和考虑工况变化的偏差特征建模,确定刀架运行状态异常数据的评判依据.首先,通过统计分析找到刀架在不同工作过程中的关键工况与信号特征;其次,分别选择线性回归、信...     

粒子群差分扰动优化的聚类算法研究

通过对大数据优化聚类分析,实现了机械设备的工况监测和故障诊断,提出了一种基于粒子群差分扰动优化的数据模糊C均值聚类改进算法,利用粒子群种群进化的差异度逐渐变小的聚集原理,求得符合分类属性模式的有限数据集特征,使用关联维特征提取方法得到时频聚类交叉项,结合模糊C均值聚类算法,把适应度最小的粒子群个体进行差分进化处理,实现大数据信息流的特征融合和优化聚类.仿真结果表明,采用该算法进行大数据聚类处理,数据聚类中心具有较好的聚焦能力,受到的旁瓣干扰较小,避免陷入局部最优,降低了误分率,在工况识别等领域具有较好的应用价值.     

分布式存储系统的数据冗余策略

针对分布式存储系统的数据可用性问题展开了深入的研究,提出了一种支持纠删码的冗余倍数估计算法,根据数据统计特征获取单个数据块最优冗余方案;并基于该算法模型设计了一种适用于分布式存储系统的数据冗余策略,旨在消耗最小的存储开销获得最优的数据可用性.在实现该数据冗余策略的过程中,为了优化理论算法模型的工程可行性,提出了基于采样计算中间经验参数的方法,有效地利用目标存储数据的统计特征降低算法的计算复杂度.仿真实验验证了这种数据冗余策略的可行性和有效性.     

基于主元分析的火电厂生产过程故障检测研究

由于工况变化频繁,使用单一主元模型难以准确描述火电厂生产过程的统计特性,因此应用传统主元分析(PCA)故障检测方法会带来大量的误检。提出了一种适用于火电厂生产过程的改进PCA故障检测方法:首先用K均值聚类分析方法对过程数据进行分类得到各稳态工况下的数据;然后根据分类数据建立主元模型组来描述整个过程;最后在故障检测中对检测样本进行模糊划分,动态计算出与当前工况相适应的主元模型并进行检测。使用现场数据对比研究了传统方法和改进方法在锅炉过程故障检测中的应用情况。结果表明改进方法能适应工况变化,减少误检并提高检测灵敏度。     

执行机构非线性特性在线补偿方法研究

为了在发电过程中自动补偿执行机构的非线性特性,提出非线性特性的在线补偿方法,并对其中的数据处理与非线性特性模型求取环节所使用的方法进行重点研究。首先提取运行数据进行稳态工况筛选和数据滤波,接下来基于K-means算法的核心思想研究了一种改进的聚类方式,并用其对数据进行规约,然后使用万有引力粒子群混合算法(PSOGSA)求取非线性特性模型,最后求取逆模型进行补偿修正。使用减温水阀的实际运行数据进行仿真,结果表明改进的聚类方式比K-means算法的聚类速度更快,相比粒子群算法(PSO)和万有引力算法(GSA),通过PSOGSA算法获取的非线性特性模型更加准确。在线补偿方法可以自动修正执行机构的非线性,有利于提高控制系统的调节品质。     

广义多线性混合效应模型

为了解决多数据集间联合特征提取时数据分布多样、集间相关性结构复杂和共享特征方法多样的问题,本文提出了广义多线性混合效应模型。作为一种非监督多数据集特征提取方法,本算法可挖掘多个数据集之间的共享信息,实现对多数据集全局、局部和个体特征的提取。本算法利用了传统的广义线性模型,使其可以处理不同分布的张量数据集;并提出了一种基于超图的关系模型。该模型利用关系矩阵可以实现对数据集间相关结构的建模;通过提出辅助模式的概念,实现了特征的自动归类。数值实验结果表明:利用本算法提取的特征不仅反映了多数据集间的共同与个体信息,并且在人脸识别和推荐系统等问题中性能优于传统算法。     

基于多向核主元分析的青霉素生产过程在线监测

基于传统主元分析（PCA）方法的过程监测算法假定过程是线性的，对于具有强非线性的生产过程，应用其进行在线监测出现误报率过高的现象.为此提出了一种多向核主元分析（MKPCA）算法用于间歇过程的建模与在线监测.利用PenSim2.0软件将青霉素间歇生产过程的三向数据按批次方向展开为二向数据并进行标准化，采用MKPCA算法建立过程模型并用于过程的在线监测，计算T2、SPE统计量及相应的控制限.仿真结果表明，与传统PCA算法相比，MKPCA算法具有更好的监测性能，不仅大大降低了正常运行过程的误报率，而且能够较早地检测出过程中存在的底物流加速率与搅拌功率故障.MKPCA可以有效处理间歇过程批次间存在的非线性属性，获取过程变量间的非线性关系.     

改进的基于局部块模型的行为识别算法（研究生论坛）

针对基于局部时空特征与特征词袋模型相结合的算法中计算效率低、识别率不高的问题,提出了一种基于局部块模型与特征数据预处理结合的行为识别算法。该算法基于特征词袋模型,采用局部块模型提取特征,针对局部块模型算法中处理数据维度高,相关性强导致的识别率低的问题,将多变量的复杂问题简化为低维空间的简单问题,对其数据处理过程进行了改进,同时优化了局部块模型中的帧采样过程。与原算法相比计算效率与识别率都有较大提升,较其他同类算法也具有一定优势。两个通用视频库上的实验证明了算法的有效性。     

基于重构的多工况过程无监督故障幅值估计

针对先验知识不足的多工况工业过程的故障幅值估计问题,提出了一种基于重构算法的故障幅值估计方法。通过保局投影(Locality Preserving Projection,LPP)对历史数据进行降维,然后利用模糊c均值(Fuzzy C-means,FCM)实现对各个工况的划分,并确定检测指标和控制限、建立故障检测模型,最后利用重构算法来提取故障方向矩阵,并估计出故障的幅值。以田纳西-伊斯曼(Tennessee Eastman,TE)过程为研究对象进行仿真,结果表明提出的算法可以准确地估计出多工况工业过程的故障幅值、描述出故障幅值曲线。     

An efficient equivariant adaptive separation via independence algorithm for acoustical source separation and identification

To balance the convergence rate and steady-state error of blind source separation (BSS) algorithms, an efficient equivariant adaptive separation via independence (Efficient EASI) algorithm is proposed based on separating indicator, which was derived from the convergence condition of EASI, and can be used to evaluate the separation degree of separated signals. Furthermore, a nonlinear monotone increasing function between suitable step sizes and separating indicator is constructed to adaptively adjust step sizes, and forgetting factor is employed to weaken effects of data at the initial stage. Numerical case studies and experimental studies on a test bed with shell structures are provided to validate the efficiency improvement of the proposed method. This study can benefit for vibration & acoustic monitoring and control, and machinery condition monitoring and fault diagnosis.     

基于支持向量机的转子振动故障融合诊断技术

针对某些大型复杂旋转机械振动信号特征提取和故障样本获取难的问题,提出了一种基于小波包特征谱熵支持向量机（SVM）的转子振动故障融合诊断方法.通过转子实验台模拟了转子振动的4种典型故障,并采集其振动故障数据.用小波包对振动故障信号进行分解,提取故障信息含量大的频带并计算出其小波特征谱熵作为故障特征,建立故障诊断模型.通过对故障类别的区分和故障严重程度的判断,验证了该方法在解决转子振动故障信号的特征提取及小样本情况下的故障诊断问题等方面是有效的.     

旋转机械运行状态的模糊模式识别

针对旋转机械运行状态的异常差别和故障分类问题，提出了模糊报警方法和特征空间异常判别法，在此基础上介绍了几种模糊模式识别的故障分类方法，并给了四种典型故障诊断实例，分别对这几种方法进行了分析和比较。     

基于多特征提取的滚动轴承故障诊断方法

滚动轴承故障是旋转机械失效和损坏的最主要原因之一。轴承振动信号通常表现为非线性和非稳态的特征。常规的时域和频域方法不容易对轴承工作的健康状况做出准确的评估。提出了一种基于多特征提取的滚动轴承故障检测方法,首先从轴承振动信号中提取故障特征（熵特征、Holder系数特征及改进分形盒维数特征）,然后通过灰色关联理论算法自动地识别出轴承的故障类型和严重程度。该方法能够在确保检测实时性的同时,准确有效地识别不同的滚动轴承故障类型及其严重程度。     

一种叶片裂纹检测的稀疏共振解调算法

针对强相干噪声干扰下叶片振动信号中裂纹故障微弱特征的提取问题,提出了一种基于稀疏共振解调的诊断方法。首先,利用从中心集化多分辨分析处理机组上取得的原始振动信号进行子空间重构;其次, 对小波子空间信号进行希尔伯特包络解调,选取故障特征频率及其倍频成分能量占优的子空间;再次, 根据周期性故障稀疏模型,采用梳形滤波器分离故障特征频率及其倍频成分,构造故障分量参考信号;最后,结合故障参考信号对子空间重构信号进行小波降噪, 从而提取与叶片裂纹相关的微弱特征。在出现叶片裂纹故障的发电机组增压风机故障诊断案例分析中,仅采用多尺度分解无法在时域上得到周期性冲击故障特征。而采用所提出的基于稀疏共振解调方法进行信号处理后,强相干噪声得到了有效抑制, 从而突出了故障特征。     

斯特林发动机振动信号分析及谱估计

为了检测斯特林发动机运行状态,针对斯特林发动机在运行过程中振动信号产生机理,采用了经验模态分解与自回归模型相结合的方法对振动信号进行分析,设计了振动检测系统.通过选取故障信息的本征模函数进行功率谱估计,提取滚动轴承故障特征.测试结果表明:经验模态分解可自适应地分解非平稳信号,生成的本征模函数可提取信号内在的本质特征.对自回归模型进行功率谱估计,提取振动状态异常信号.经实验验证,故障情况与真实异常状况吻合,可有效检测斯特林发动机运行过程中的故障特征.     

机器振动级值趋势预示的方法

机器振动级值趋势预示是在状态监测和故障诊断的基础上，通过空间和时间的综合分析，进一步对机器工作状态的现状和发展进行分析和预测。文章叙述了机器振动级值趋势预示的基本概念，介绍了趋势预示的判据和评定方法，提供了机器振动级值趋势预示的一种设计方法。本项技术已在工业现场的大型机组上获得了实际应用。     

采用Gabor滤波器的轴承状态监控方法

针对滚动轴承状态监控中最优共振频带难确定的问题,提出一种新的寻优方法和目标函数,可快速准确地定位共振频带,提取状态信息.通过两步网格搜索法,以包络稀疏性为目标函数,对Gabor滤波器参数寻优;然后对振动信号进行滤波并得到信号包络;最后运用包络自相关谱抑制噪声,突出运行状态信息.用仿真信号和实际信号对该方法进行了验证,结果表明,该方法能准确判明轴承运行状态.     

齿轮裂纹早期故障的完全解调分析

齿轮轮齿发生早期裂纹时,裂纹故障信号十分微弱,为了有效提取早期裂纹故障特征,本文提出完全解调分析方法,即针对实际的齿轮振动信号调幅、调相同时存在的特点,进行幅值包络解调和相位解调相结合的完全解调分析．仿真及实例分析结果表明,本文所提出的方法能将齿轮早期裂纹故障信息从复杂的振动信号中提取出来,幅值包络解调和相位解调相结合的完全解调分析,可以提高故障诊断准确率．     

转炉倾动机械轴承振动状态监测系统的设计

分析梅钢转炉倾动机械轴承振动在线监测系统的工艺特点和技术现状,针对人工观察方法存在的缺陷,采用高速实时采集技术。设计一种基于故障诊断的振动状态在线监测系统。在设计过程中,依据干扰抑制机理,采用电磁屏蔽、硬件和软件滤波等措施。结果表明：该系统较好地满足了实时监测、自动报警、数据记录和历史查询等要求,有效地提高了转炉倾动机械运行状态在线监测的可靠性,并为系统故障诊断提供可靠的依据。