基于小波包和分形盒维数的滚动轴承故障诊断

为诊断滚动轴承不同部件产生的故障,针对轴承故障信号具有非线性、非平稳振动的特点,运用小波包和分形理论,定量计算了滚动轴承不同部件故障信号及小波包重构信号的盒维数。实验结果表明,滚动轴承不同的故障类型具有不同的盒维数。正常滚动轴承盒维数最大,依次为滚珠故障盒维数、内环故障盒维数,外环故障盒维数最小。分形盒维数能定量地识别滚动轴承不同部件的故障,提高滚动轴承故障诊断的准确率,为滚动轴承智能故障诊断提供可靠依据。     

基于EMD和分形维数的转子系统故障诊断

提出了一种基于EMD方法和分形维数的转子系统故障诊断方法。利用EMD方法将转子振动信号进行分解,得到若干个基本模式分量,然后将包含主要故障信息的几个基本模式分量相加得到降噪后的转子振动信号,求得降噪后的转子振动信号的分形维数。试验数据的分析结果表明,在不同的故障状态下,采用EMD方法对转子振动信号降噪后求得的分形维数是不同的,从而可以通过分形维数的大小有效地判断转子系统的工作状态和故障类型。     

汽车传动轴振动信号分形维数计算

讨论了确定混沌时间序列嵌入维数的平均最近邻域发散度方法，并根据从时间序列中计算分形维数的方法，计算了一组不同平衡度汽车传动轴振动信号分形维数。计算表明，汽车传动轴振动信号具有分形特征；在时间序列具有较大噪声时，平均最近邻域发散度法能很好地确定其嵌入维数，具有良好的收敛性；在其他条件不变时，传动轴的不平衡度与其振动信号的分形维数值呈线性关系，当时间序列样本点达到一定数目时，计算结果稳定性好。     

分形维数及其在滚动轴承故障诊断中的应用

将分形维数用于刻划滚动轴承在不同故障状态下表现的非线性行为,进而对故障分类。试验结果表明,滚动轴承振动信号在不同故障状态下的分形维数是不同的,可以将分形维数作为识别滚动轴承故障的特征量。     

分形盒维数抗噪研究及其在故障诊断中的应用

针对不同噪声强度的影响,分析了分形盒维数的抗噪能力.实验结果表明:在信噪比较大时,分形盒维数基本不受影响,能够反映信号的真实分形特征;当信噪比较小时,分形盒维数的值随着噪声的增强而变大,并且具有明显的线性关系.由于分形盒维数具有抗噪性,当滤波方法比较简单时,仍然可以在一定程度上体现信号的非线性特征.因此,分形盒维数具有一定的抗噪性,可以在机械故障诊断中得到更广泛的应用.     

基于分形维数的柴油机气门故障诊断技术研究

振动监测技术是当前柴油机状态监测和故障诊断的基本方法,本文通过分析柴油机缸盖振动信号的吸引子图来定性刻画其振动的复杂度,并采用抽区间分析法,利用二进小波变换对柴油机燃烧段缸盖振动信号分解,提取其高频信息,结合G-P算法计算其高频信息的关联维数.研究表明,计算柴油机缸盖振动信号的关联维数是一种诊断柴油机气门故障的有效方法.     

基于关联维数改进算法滚动轴承故障诊断

将分形理论应用于机械故障诊断领域,并针对实际应用中存在已久的关联维数计算不准和不好测评的问题,提出自动计算关联维数的改进算法.该算法在嵌入维数和延迟时间的参数选择上做了改进,并实现自动判别线性标度区.文中将改进的关联维数算法用于滚动轴承振动的数据,验证了关联维数自动算法作为故障诊断特征提取方法的可行性.     

广义分形维数在旋转机械故障诊断中的应用研究

运用分形理论，提出广义维数最小二乘法的计算公式，对实测的时域信号进行了广义维数计算，从广义维数中获取盒维数、信息维数、关联维数以及敏感维数。对故障样本进行功率谱分析、广义维数计算分析，提出谱能量与分形维数的关系，为用分形维数来分析故障的强度提供了依据。运用广义维数序列和数学方法相结合提出分形诊断分类方法，并通过实例诊断、识别故障及其故障程度，说明该方法具有较好的实效性。     

分形维数在内燃机振动诊断中的应用

将分形理论引入内燃机的振动诊断中,根据内燃机的配气定时,着重研究了缸盖振动信号中对应燃烧段的数据,计算其关联维数,将关联维数用于刻划内燃机缸盖在气门不同状态时表现的非线性行为,从而进行故障诊断与分类。结果表明,当气门在不同状态时,缺盖振动信号中对应燃烧段数据的关联维数是不同的,可以将其作为判断气门漏气的一个诊断特征量。     

基于多重分形维数的GIS局部放电模式识别

根据气体绝缘组合电器（GIS）设备内部绝缘缺陷产生局部放电的特点，设计了4种典型的GIS缺陷模型，采用甚高频高速采集大量局部放电样本，构造了局部放电图谱；以差盒维数和多重分形理论为基础，给出了基于差盒维数的多重分形计算方法；提出了一种基于多重分形特征的GIS局部放电图谱特征提取方法，对局放图像求取了相应的差盒维数、多重分形维数及放电重心特征，最后将提取的特征量通过RBF神经网络进行分类，识别结果显示本文方法有效地提高了GIS局部放电4种缺陷的识别率。     

Fault Feature Extraction of Diesel Engine Based on Bispectrum Image Fractal Dimension

Fault feature extraction has a positive effect on accurate diagnosis of diesel engine. Currently, studies of fault feature extraction have focused on the time domain or the frequency domain of signals. However, early fault signals are mostly weak energy signals, and time domain or frequency domain features will be overwhelmed by strong back?ground noise. In order consistent features to be extracted that accurately represent the state of the engine, bispectrum estimation is used to analyze the nonlinearity, non?Gaussianity and quadratic phase coupling(QPC) information of the engine vibration signals under different conditions. Digital image processing and fractal theory is used to extract the fractal features of the bispectrum pictures. The outcomes demonstrate that the diesel engine vibration signal bispectrum under different working conditions shows an obvious differences and the most complicated bispectrum is in the normal state. The fractal dimension of various invalid signs is novel and diverse fractal parameters were utilized to separate and characterize them. The value of the fractal dimension is consistent with the non?Gaussian intensity of the signal, so it can be used as an eigenvalue of fault diagnosis, and also be used as a non?Gaussian signal strength indicator. Consequently, a symptomatic approach in view of the hypothetical outcome is inferred and checked by the examination of vibration signals from the diesel motor. The proposed research provides the basis for on?line monitoring and diagnosis of valve train faults.     

基于小波包与关联维数的阀片故障诊断

结合了小波包降噪和关联维数对某往复压缩机阀片故障做了定量识别。实测阀片在正常和磨损两种工况下的振动信号,用小波包对信号进行降噪处理后,用改进的关联维数算法分别计算两个信号的关联维数。实例表明:小波包降噪能明显地滤除噪声,阀片在正常和磨损两种工况下的关联维数明显不同,关联维数可作为阀片故障特征的定量提取。     

采用多层核学习机的柴油机气门机构故障诊断

针对柴油机缸盖振动信号的非平稳性以及多种气门故障的线性不可分问题,提出了一种组合核主元分析和支持向量机的多层核学习机方法。该方法使用核主元分析技术从原始特征中提取非线性主元,将其输入到由"一对多"算法构建的支持向量机多分类器中,实现了多种气门故障的定量诊断。试验结果表明,在小样本条件下,该方法能准确识别气门机构的6种状态,且识别精度及测试速度均优于单独使用多类支持向量机方法。     

Diesel Engine Valve Clearance Fault Diagnosis Based on Features Extraction Techniques and FastICA-SVM

Numerous vibration-based techniques are rarely used in diesel engines fault diagnosis in a direct way, due to the surface vibration signals of diesel engines with the complex non-stationary and nonlinear time-varying features. To investigate the fault diagnosis of diesel engines,fractal correlation dimension, wavelet energy and entropy as features reflecting the diesel engine fault fractal and energy characteristics are extracted from the decomposed signals through analyzing vibration acceleration signals derived from the cylinder head in seven different states of valve train. An intelligent fault detector FastICA-SVM is applied for diesel engine fault diagnosis and classification.The results demonstrate that FastICA-SVM achieves higher classification accuracy and makes better generalization performance in small samples recognition. Besides,the fractal correlation dimension and wavelet energy and entropy as the special features of diesel engine vibration signal are considered as input vectors of classifier Fast ICASVM and could produce the excellent classification results.The proposed methodology improves the accuracy of feature extraction and the fault diagnosis of diesel engines.     

基于瞬时转速双谱分析的柴油机气阀泄漏诊断方法

在对双谱和瞬时转速信号的特点进行分析的基础上,测量了6-135柴油机在正常和气阀泄漏故障状态下的瞬时转速,分别计算其双谱,得到了具有明显区别的双谱图;通过计算双谱对角切片,可以容易且有效地识别故障的存在;根据瞬时转速的双谱特征进行故障诊断,故障特征明显,诊断效果良好。     

基于小波包和神经网络的柴油机气门故障诊断

通过调整柴油机不同气门间隙模拟故障,利用小波包分解算法对所采集柴油机缸盖表面的振动信号进行频带分解,以小波包频带能量百分比为特征向量,以同一工况下多次采样均值作为标准模式,通过改进BP神经网络实现了对柴油机气门间隙异常的故障诊断.     

基于小波分析与Wigner分布的对旋风机轴承故障诊断

利用小波信号重构和Wigner时频分布对矿用对旋风机轴承进行了故障诊断,介绍了分析方法。结果表明：基于小波信号重构和Wigner时频分布的故障诊断方法具有较高的时频分辨率,能够在时域上更加合理地判断偶发性故障信号和真实故障信号的区别,更加准确地给出频率分量的分布,从而正确地判断轴承的早期故障。