基于ALIF和ISOMAP的机械设备故障识别方法研究

滚动轴承作为机械设备的重要部件,对机械设备的稳定运行起着重要的作用。滚动轴承的故障信号往往是多种信号的叠加,有必要对采集到的振动信号进行模式分解,进而基于模式识别方法实现对滚动轴承不同故障模式的分类识别。提出一种基于自适应局部迭代滤波(ALIF)和等距特征映射(ISOMAP)的机械设备故障分类识别方法。利用ALIF对滚动轴承的故障信号进行模式分解;对选定的模式分量提取多个统计学特征;最后利用ISOMAP对高维特征信号进行降维处理,实现对滚动轴承不同故障模式的分类识别。研究结果表明：所提方法在滚动轴承故障识别上具有良好的效果。     

基于小波变换的信号奇异点检测

小波技术是有效的信号处理手段.简要介绍了小波变换及小波变换在奇异点检测中的具体应用.     

基于特征分割识别的点云配准

针对大型工业零件难以一次扫描点云模型的问题,基于工业零件包含大量规则面(平面、柱面、锥面)的特点设计了一种点云的自动配准方法.首先,提出一种基于生长区域算法的点云配准预处理算法并实现,将点云基于曲率变化和连续性分割成多个子点云,再基于特征面提取出子点云的特征属性(法线、轴线);其次,设计出一种点云粗配准方法并完成粗配准...     

伺服阀故障模糊诊断及学习方法研究

本文提出一种电液伺服阀故障模糊综合评判方法 ,其基本依据是 :当故障 yi 出现时常出现症状 xj,且当症状 xj出现时常出现故障 yi,则故障 yi 发生的可能性大。本文提出一种基于故障 -症状实际关系的学习方法。将对象实际的故障 -症状因果关系 r的数据加入到 R中去 ,对 R进行修正 ,使 R逐步符合实际情况。本文列举轧机 D761型电液伺服阀模糊诊断、学习及程序的实例验证了有关理论的正确性和实用性     

一种基于免疫识别的滚动轴承故障检测模型

提出了一种基于免疫识别的滚动轴承故障检测模型.该模型根据免疫识别原理来构造神经网络检测器,通过训练将滚动轴承的故障模式信息存储于分布的检测器中,检测器用于捕获被检测轴承的异常模式特征,当检测器与特征样本匹配时则激活该检测器,根据检测器的激活情况来发现轴承的故障,并给出了相应的训练算法.通过滚动轴承损伤检测的仿真实验,表明该方法对由轴承损伤冲击造成的信号突变保持了较高的灵敏度和分辨率,对于滚动轴承的监测具有一定的应用价值.     

二维钣金零件特征识别展开的研究与实现

二维图在投影过程中遗失了大量的空间拓扑信息,图素之间缺乏关联,因此某些基于二维图的设计工作会耗费大量的时间.本文对二维图钣金零件图进行识别,提取其中的特征信息,以辅助完成零件毛坯展开,提高设计效率和自动化程度.首先以二维钣金零件图为基础,研究组成零件的各种钣金特征的形状及其在各个视图中的表示特点.然后在一个视图中进行特征识别,并根据二维图中各个视图的位置关系,将各个视图进行分解,自动提取零件钣金特征在不同视图中的形状.特征提取后,对弯曲特征进行展开,利用特征在不同视图中的形状,获得弯曲特征的展开形状,最后对各个特征的展开形状进行拼合,获得零件的最终展开形状.     

基于KECA和BO-SVDD的滚动轴承早期故障检测

为了实现更早地检测出滚动轴承发生故障,提出一种基于核熵成分分析（KECA）和贝叶斯优化（BO）算法优化支持向量数据描述（SVDD）的滚动轴承早期故障检测方法。提取轴承振动信号的时域、频域特征以及小波包分解节点能量特征,组成多维特征矩阵;利用KECA对多维特征矩阵进行降维处理,进而提取有效特征;最后,选取轴承正常状态的特征指标训练模型,利用BO算法确定SVDD的惩罚因子和核宽度,进而得到早期故障检测模型。利用该模型对XJTU-SY数据集中不同工况下的轴承进行早期故障检测,结果表明：KECA能够有效地提取特征信息,减少冗余信息的干扰;该模型整体上能够较早检测出故障的发生,并且有较好的鲁棒性和泛化能力。     

基于改进图像结构算法的钣金件特征点识别

针对平面钣金件轮廓特征点识别中,特征点受边缘噪声影响,易出现伪特征点、切点难识别及特征点识别定位精度低等问题,提出了一种基于改进图像结构算法的平面钣金件轮廓特征点识别方法。首先,对特征点进行粗提取,通过判断轮廓点两相邻轮廓段的类型,并计算轮廓点间斜率差的绝对值,将斜率差的绝对值和阈值比较,分别获取切点和角点的候选特征点集;其次,进行特征点精确识别,将候选特征点进行分组融合,并引入直线度指标对线段轮廓上的伪特征点进行滤除,最终完成特征点的准确识别。实验结果表明改进的识别算法可以准确地识别平面钣金件轮廓特征点,能够滤除掉所有伪特征点,识别精度更高。     

基于模糊认知图的轴承故障诊断方法研究

为有效、快速地处理含噪声数据,提出将轴承故障诊断建模为时间序列分类任务。利用奇异谱分析将一维时间序列扩展为多维时间序列,并实现降噪;利用凸优化算法快速、有效地从噪声数据中学习到FCMs模型,将时间序列转换成C×C的特征矩阵;采用神经网络对特征矩阵进行分类。利用CWRU轴承数据集对所提出的方法进行验证,结果表明:与传统方法相比,所提方法在轴承故障诊断方面的性能较优。     

基于奇异值分解及包络分析的齿轮局部故障特征提取

提出了将信号进行相空间重构后再采用奇异值分解,对分解后的主成分进行包络分析,从而提取信号的隐含特征的方法,并将该方法应用于齿轮的局部故障振动特征信号的提取中.数值仿真实验结果表明,该方法能有效提取强背景信号及噪声中的弱冲击特征信号,是一种有效的弱信号特征提取方法.采用该方法对齿轮振动信号进行故障特征提取与识别,结果与实际情况相符.     

基于模糊集合论的故障树分析

运用模糊集合理论,从模糊可靠性和模糊可靠度是基于某一模糊功能子集的基本定义出发,导出了各种模糊逻辑模型的可靠度计算公式;利用最小割集的概念及其逻辑关系,探讨了模糊故障树分析的方法和步骤,最后给出了算例。     

基于改进邻域粗糙集与S_Kohonen神经网络的滚动轴承故障诊断研究

针对现有滚动轴承故障诊断技术中,存在输入属性冗余过多、故障识别率不高等缺点,提出了基于改进邻域粗糙集与S_Kohonen神经网络的故障诊断方法。由于传感器采集的故障信息大多为数值型数据且数据维数较大,文中引入邻域粗糙集理论并对基于邻域粗糙集的经典前向贪心算法进行改进,利用改进算法约简故障数据,大大减小了算法复杂度;对Kohonen神经网络进行改进,在其原有结构基础上添加输出层构成S_Kohonen神经网络,使其输出类别满足给定分类要求;分别采用前向贪心算法、改进算法约简故障数据,将约简前、后的故障数据分别输入S_Kohonen神经网络、BP神经网络识别滚动轴承故障状态,试验结果证明邻域粗糙集可有效消除属性之间的重复信息,改进算法提取故障属性信息更能反映故障状态的本质,S_Kohonen神经网络具有良好的故障识别能力,两者配合使用,改进邻域粗糙集——S_Kohonen神经网络模型具有很好的故障诊断能力。     

基于粒子群的粗糙集属性约简与数控机床故障诊断研究

数控机床故障诊断的核心任务是根据故障征兆,经过推理计算,自动识别故障发生原因,文章把粒子群算法和粗糙集运用于机械设备的故障诊断中,提出了基于粒子群的粗糙集约简的故障诊断知识获取、规则优化和故障识别。首先介绍了粗糙集属性约简,并把粒子群算法应用于粗糙集属性约简算法中,最后从对相关数据集的约简实验结果角度证明了算法的正确性和优越性。     

Rough集在智能维修决策支持系统中的研究与应用

介绍了基于Rough集理论的知识表达及知识获取方法.通过深入研究Rough集的相关理论,发现了分辨矩阵的若干有用性质,利用这些性质使Rough集理论中的求核与约简问题得以解决.并且将所得结果应用于智能维修决策支持系统中,建立了基于Rough集理论的维修资源配置知识的表达、获取和应用体系,提高了智能维修决策支持系统的智能决策水平.进而重点讨论了有决策信息系统的约简与规则获取的问题.最后以维修资源配置决策过程为例证明了所得结果的有效性.     

Fuzzy similarity-based rough set method for case-based reasoning and its application in tool selection

Case-based reasoning (CBR) embodied in die and mold NC machining will extend the application of knowledge-based system by utilizing previous cases and experience. However, redundant features may not only dramatically increase the case memory, but also make the case retrieval algorithm more complicated. Additionally, traditional methods of feature weighting limit the development of CBR methodology. This paper presents a novel methodology to apply fuzzy similarity-based Rough Set algorithm in feature weighting and reduction for CBR system. The algorithm is used in tool selection for die and mold NC machining. The proposed method does not need to discretize continuous or real-valued features included in cases, from which can effectively reduce information loss. The weight of feature a_i is computed based on the difference of its dependency defined as γ_A−γ_A−{ai}, which also represents the significance of the corresponding feature. If the difference is equal to 0, the feature is considered to be redundant and should be removed. Finally, a case study is also implemented to prove the proposed method.     

基于模糊故障树的数控机床故障诊断方法

以数控车床螺纹加工为典型实例,按功能分解方法构建数控系统的故障树,用案例推理法对故障树规则进行描述。根据隶属度最大原则建立数控机床故障原因的推断方法。结合机床实际生产和使用维修中统计的故障数据,运用模糊故障树控制理论建立故障集度矩阵,可判定故障机制隶属度。该方法可提高数控机床系统故障诊断的工作效率和准确性,并为故障诊断专家系统的设计提供一种新的推理方法。     

基于多层降噪处理的轴承故障特征提取方法

针对滚动轴承振动信号的故障信息难以准确获取问题,提出一种新的基于多层降噪处理的轴承故障特征提取方法.所提方法首先依据小波包变换原理处理原始轴承信号,消除噪声干扰;变换后的振动信号用经验模态分解方法处理可得若干个IMF分量,计算所得分量与变换所得信号间的互相关系数,并依据相关系数准则筛选有用分量完成振动信号的重构;再通过...     

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。     

基于Autogram的齿轮断齿故障特征提取方法

针对复杂生产背景下产生的强噪声淹没齿轮有效故障特征信息的问题,利用Autogram方法对其进行特征提取。该方法利用最大重叠离散小波包变换,对齿轮断齿故障振动信号进行不同层数分解处理,每层得到若干个信号,被称为“node”。为了更加全面地描述故障特征信息,对每个node进行包络谱的3种无偏自相关谱峭度求取,以便选取合适node作为信号源进行下一步分析。最后,对该信号源引入阈值处理,以便加强频谱分析的全面性,实现对齿轮断齿故障特征信息的有效提取。通过对比分析仿真和实测齿轮故障振动信号,验证了该方法的有效性。     

基于示功图分形盒维数的无杆抽油机故障诊断方法研究

以水基动力无杆抽油机为研究对象,基于分形盒维数理论,针对其正常、油管漏失、供液不足以及游动凡尔关闭迟缓4种不同工作状态的示功图特性进行分析,并在此基础上进行系统的故障诊断研究。研究了不同工作状态下压力－流量示功图的信噪比在0.1～0.2％范围内变化时其盒维数的变化特性。结果表明：系统压力流量信号的信噪比在0.1～0.2％范围内变化时对压力－流量示功图分形盒维数影响较小,因此压力－流量示功图分形盒维数能够用于进行水基动力无杆抽油机的故障诊断;同时该方法有利于实现基于示功图故障诊断的自动智能化分析。研究结果有利于在现场快速准确地对无杆抽油机的运行状态进行诊断,具有理论研究意义和实际应用价值。