基于分形盒维数的齿轮泵故障诊断

针对液压齿轮泵的三种典型故障--轴承磨损、齿轮磨损和侧板磨损,在小波包分解的基础上,采用分形盒维数的方法对故障的振动信号进行了盒维数研究计算.结果表明,齿轮泵在不同故障状态下,其盒维数明显不同,利用盒维数可以准确诊断出齿轮泵的工作状态.     

分形盒维数在裂纹转子故障诊断中的应用

在模拟转子实验台上进行了实验,模拟大型旋转机械转子系统的无裂纹轴与有裂纹轴的振动过程.根据裂纹转子故障振动信号的分形特征,对无裂纹转轴与有裂纹转轴的试验数据进行了分形盒维数研究计算.结果表明:无裂纹轴的轴心轨迹为椭圆,其对应的分形盒维数较小;有裂纹轴的轴心轨迹较为复杂,其对应的分形盒维数较正常轴更大.因此,分形盒维数可用于裂纹转子的故障诊断.     

基于 AR双谱与分形盒维数的减压阀故障诊断

通过采集的减压阀正常和故障下的振动信号,求出了时间序列的自回归双谱和分形盒维数.结果表明:不同状态下的双谱谱图和盒维数有明显的区别,利用AR双谱和盒维数可以有效地诊断出减压阀的工作状态.     

基于分形盒维数的双跨轴承转子系统故障诊断方法研究

以双跨轴承转子系统为研究对象,针对其状态监测与故障诊断中存在的问题,利用分形盒维数的方法对系统进行分析。通过提取试验台振动信号并计算其分形盒维数实现对系统的故障诊断。结果表明,不同工作状态下的盒维数各不相同,不平衡故障的盒维数最大,碰摩故障的盒维数次之,正常运转时的盒维数最小,盒维数随着计算网格数的增加而减小。该系统以分形盒维数为特征兆量,能够快速准确地对双跨轴承转子系统进行状态监测与故障诊断,具有一定的应用价值。     

全矢S变换在风力机齿轮箱微弱故障特征提取中的运用

针对齿轮箱早期微弱故障特征受其他扰动信号干扰而难于提取的问题,提出一种全矢理论结合广义S变换的方法用于提高微弱故障特征的区分度。该方法是以全矢理论将相互垂直的双通道振动信号进行融合,保证信号源信息的完整,继而利用广义S变换具有根据时频聚集性度量准则自适应地获取信号最佳时频谱的优势,实现融合信号的二维时频表示,以时频序列的能量矩阵构建区分齿轮工作状态的故障特征。通过风电机组齿轮箱在点蚀、裂纹和均匀磨损3种微弱故障状态下的各20组实验,验证了全矢S变换在微弱故障特征提取中的优势。     

基于状态预测和分形维数判据的轴承系统故障诊断

轴承系统运行过程中的振动信号包含了大量的状态信息，本文基于检测到的信号进行状态预测，并进行故障的诊断和预防。采用了基于相空间重构的数据处理组合方法进行状态顶测，并用分形理论分析故障存在的可能及类型，用分形维数给出判定依据。从实验结果可以看出，基于状态预测和分形维数进行故障诊断是有效的，优于传统的谱分析方法。     

倒双谱的分形维数在故障诊断中的应用

高阶谱能有效去除高斯噪声,倒谱分析受信号传递路径的影响较小,分形维数能反映机械设备的运行状态以及信号的不规则性和不平稳性。为了有效进行机械故障诊断,将双谱、倒谱以及分形理论相结合,通过计算机械振动信号倒双谱的分形维数,对溢流阀的故障进行检测。实验结果表明,倒双谱的分形维数能很好地分辨出故障信息,说明双谱、倒谱以及分形理论相结合能有效表征机械振动特征,从而能有效地进行故障识别。     

氢致裂纹扩展的分形模型

基于氢致裂纹扩展的氢增塑性理论,提出一种氢致裂纹扩展 的分形模型,并根据分形几何理论,建立了金属在氢环境下广义有效表面能Γ(H)与分形 维数D以及氢致裂纹扩展应力强度因子KIH的关系,从而得到D与KISCC的 关系,并进行实验验证,表明方法的正确性.     

基于LMD与多重分形寻优的往复压缩机故障特征识别方法

针对往复压缩机振动信号的非平稳和非线性特性,多重分形广义谱是一种简便、快速有效的特征参数提取方法;但其对噪声敏感,使得谱值波动,部分故障类间特征可分性差。利用经小波降噪后的优化LMD算法,并结合相关系数提取PF主分量以突出状态主信息,将多尺度整数寻优观点引入广义维,基于最佳可分性角度计算状态间最大平均距离,构造广义维数特征矩阵;通过SVM与增量学习K邻近(IKNNModel)统计算法训练和识别样本,对比证明该法能提高故障特征类间可分性和识别准确性。     

基于优化VMD和BP神经网络液压管路故障诊断研究北大核心

针对航空发动机液压管路故障信号易受噪声干扰、管路故障诊断准确率不高等问题,提出基于优化变分模态分解和BP神经网络的故障诊断方法。利用遗传算法自适应确定变分模态分解K、α的最优参数,然后采用优化后的变分模态分解方法对航空液压管路的振动信号进行分解,最后将故障特征明显的故障分量输入BP神经网络模型中进行训练和分类。结果表明:提出的基于变分模态分解与BP神经网络的航空液压管路故障诊断方法能够精准识别出航空液压管路多种不同的故障状态。     

基于空时模型的航空管路卡箍故障诊断研究

针对航空液压管路卡箍振动信号受强噪声干扰,导致航空卡箍故障难以精准识别的问题,提出一种空时模型的航空卡箍故障诊断新方法。建立空间特征提取模型,对航空卡箍的故障特征进行局部融合。在空间模型中引入GRU模块,提取航空卡箍故障信号中的全局特征。结果表明：设计的空时故障诊断模型可实现航空卡箍故障的精准识别。与目前所用的深度卷积神经网络模型、门控循环单元神经网络模型、循环神经网络模型、支持向量机和误差反向传播神经网络模型等5种先进的故障诊断方法进行对比分析,所提方法对航空卡箍故障识别具有优越性。     

基于Bi-GRU模型的航空发动机外部液压管路故障诊断研究

针对航空液压管路故障信号含有噪声干扰导致管路故障识别困难的问题，提出一种基于双向门控循环单元(Bi-GRU)的深度学习液压管路故障诊断方法。由Bi-GRU神经网络模型综合液压管路数据进行时序特征提取，基于同一含噪声的液压管路振动实测数据，输入到Bi-GRU、GRU、RNN、SVM、BPNN等5种故障诊断模型中进行训练。最后，为了进一步展示Bi-GRU模型对于航空液压管路不同故障类型特征的学习能力，利用t-SNE降维算法进行液压管路特征可视化。结果表明：基于Bi-GRU航空故障诊断方法能达到9960%的准确性，明显优于GRU等其他4种神经网络模型，Bi-GRU模型在含有噪声的液压管路数据上具备更出色的特征提取能力，可有效地提取出液压管路故障数据特征，从而实现了液压管路故障的智能化识别。     

多尺度特征组合优化的航空液压管路故障诊断

为根据管路振动信号准确识别故障类型,提出一种多尺度特征组合优化的航空液压管路故障诊断方法。利用能量比值法确定变分模态分解参数,实现管路振动信号的优化分解,选取最佳模态分量信号进行重构,重构后的信号作为分析信号。选择重构信号的优化多尺度散布熵作为特征指标,构建具有代表性的特征向量集并输入到利用麻雀搜索算法优化的极限学习机网络进行训练,以实现航空液压管路的故障诊断。结果表明：利用所提方法能够准确识别航空液压管路故障类型,为区分航空液压管路故障提供了一种可行的思路。     

SVD-LESE在滚动轴承微弱故障识别中的应用研究

矿用电机运行过程中环境噪声强且复杂,其滚动轴承的早期故障特征容易被淹没。提出一种有限包络谱熵(LESE)引导的振动信号奇异值分解方法,用于滚动轴承早期故障特征提取。根据待分解信号中频率和奇异值之间的对应关系,将对应同一振动信号成分的奇异分量进行累加作为一个信号子分量进行输出;提出LESE用来解决轴承微弱故障信号经SVD处理后故障敏感信号分量的筛选;最后通过对故障敏感信号分量进行包络谱分析从而确定滚动轴承的故障类型。实验结果表明：上述方法能够实现对轴承早期故障特征提取,有利于及时发现轴承问题,避免设备进一步劣化。     

分形用于金属断裂研究的力学量选择问题SCIEI

本文给出了一个描述临界裂纹扩展力的分形模型．指出：断口的分形结构是裂纹扩展过程的产物，因此将分形用于金属断裂研究时，所选择的力学量应该能表征裂纹扩展过程所具有的耗散性；弹性断裂力学的ＫＩｃ、ＪＩｃ等裂纹起裂韧性与断口的分形维数是不相容的．     

基于CEEMDAN与信息熵的液压泵故障特征提取方法研究

由于液压泵故障振动信号微弱和不平稳的特性,造成特征向量提取和故障诊断困难。针对这些问题,提出一种CEEMDAN与信息熵结合的特征提取方法。将传感器测得的液压泵的故障振动信号进行CEEMDAN分解得到多个固有模态函数(IMF),并计算其信息熵,然后筛选出信息熵最小的3个IMF分量重构信号,计算重构信号的多域熵作为特征向量来训练决策树模型。液压泵故障诊断实验结果证明了该方法的有效性和优越性。     

分形理论在机械设备状态监测与故障诊断中的应用

分形理论是研究非线性问题的重要手段.介绍分形理论的基本概念,对分形特征进行了数学描述,并提出各种分形维数的计算方法和应用范围,论述分形理论在机械设备状态监测、磨损失效分析、断裂和裂纹失效分析、腐蚀失效分析和超声波检测等方面的应用.