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.     

经验模态分解和关联维数在机械故障诊断中的应用研究

结合经验模态分解（Empirical Mode Decomposition,EMD）和关联维数各自的优点,提出了一种基于EMD和关联维数相结合的机械故障诊断方法,该方法是先对采集到的非平稳振动信号进行EMD分解,对分解后的每一个平稳的本征模函数（Intrinsic Mode Function,IMF）分量使用G_P算法进行关联积分,并通过拟合函数求出关联维数。运用关联维数可以定性地分析非线性系统的特性,从而识别转子系统的故障类型。实验结果表明该方法是有效的。     

液压缸运行动态特性的关联维数分析

液压缸运行过程是典型的非线性动态过程。本文用研究非线性动力学系统有效方法之一的混沌理论的相空间重构和关联维数的理论与方法,对液压缸运行的混沌动态时间序列信号进行分析,结果表明：关联维数的大小可以反映液压缸运行过程中不同区段的稳定程度;关联维数的全程变化趋势可以反映液压缸运行过程中非线性弹簧的变化特征;关联维数的最大差值与平均值之比值可以用来判断液压缸是否存在爬行现象。     

基于LabVIEW和关联维数的柴油机故障诊断

以柴油机的声音信号为对象,采用LabVIEW平台研究了基于分形关联维数的柴油机故障诊断方法。阐述了关联维数的GP算法,讨论了相关参数的选择。通过计算表明柴油机声音信号的关联维数随工作情况的不同有明显的变化,可作为柴油机工作状态监测与故障诊断的特征量。     

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。     

高炉冶炼过程的混沌性辨识——I．饱和关联维数的确定

以山东莱钢1号高炉和山西临钢6号高炉在线采集的[Si]时间序列为样本空间，容量为1000炉数据，利用相空间重构技术和G—P算法，得出莱钢1号高炉和临钢6号高炉冶炼过程的混沌吸引子的饱和关联维数分别约为3.36和3.12。由高炉冶炼过程混沌吸引子的饱和关联维数存在且为分数，可证明两座高炉冶炼过程存在混沌特性。     

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。     

高炉冶炼过程的混沌性辨识Ⅰ.饱和关联维数的确定

以山东莱钢1号高炉和山西临钢6号高炉在线采集的[Si]时间序列为样本空间,容量为1000炉数据,利用相空间重构技术和G-P算法,得出莱钢1号高炉和临钢6号高炉冶炼过程的混沌吸引子的饱和关联维数分别约为3.36和3.12.由高炉冶炼过程混沌吸引子的饱和关联维数存在且为分数,可证明两座高炉冶炼过程存在混沌特性.     

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.     

小波包分析方法在齿轮泵故障诊断中的应用

齿轮泵产生噪声时基本上都伴有振动。对齿轮泵的振动原因及振动信号进行分析,由于齿轮泵的振动信号包含大量的频谱,利用小波分析原理及小波包分解故障信号,并与正常信号比较,抽取与故障有关的几个频段进行重构,剔除正常振动分量和干扰项,从而使故障特征信号从复杂的振动信号中分离出来,便于判断齿轮泵的故障原因。     

齿轮故障诊断技术应用综述

对齿轮故障诊断技术应用做了一个简单的介绍。首先阐述了齿轮信息的来源及其分类;概括说明了现有的诊断方式;介绍了现有的、比较有代表性的齿轮信号处理方法及其优缺点;同时对齿轮故障诊断的发展趋势提出了看法。     

基于模糊C均值算法的齿轮泵故障诊断技术

以CB-KP63齿轮泵为研究对象,提出了利用小波包频带能量提取齿轮泵的信号特征,用模糊C均值聚类算法得到齿轮泵的故障模式,然后用模糊贴近度进行故障模式的识别.实验结果表明,在此算法下,齿轮泵4种不同工作状态下的振动信号具有明显的可分性,并且该诊断方法对不同类型的齿轮泵故障诊断、维修保养等都具有一定的实用性.     

基于容积效率的液压齿轮泵状态监测与故障诊断

阐述了容积效率作为特征信息进行液压齿轮泵状态监测与故障诊断的原理,分析了液压齿轮泵中流量信号以及容积效率与齿轮泵工况之间的关系,指出了容积效率是状态信息的丰富载体,讨论了利用容积效率进行液压齿轮泵状态监测与故障诊断的可行性及方法.     

一种改进鲁棒KPCA算法及其在齿轮泵故障诊断中的应用

核主元分析(KPCA)是一种有效的非线性特征提取方法,但其缺点是对样本中的野点比较敏感.为了消除野点对KPCA算法的影响,介绍一种鲁棒KPCA算法,通过修改特征空间中映射样本的最小重构误差表达式,并预先定义训练样本集中的野点数目,实现了在特征空间剔除野点的目的.将改进后的鲁棒KPCA算法应用于齿轮泵故障特征提取,试验结果表明:该算法的抗噪性比经典KPCA算法明显增强,能有效区分齿轮泵的不同故障模式.     

VMD复合熵值法在齿轮故障诊断中的应用

针对齿轮实际工况复杂、故障特征难以提取的问题,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)复合熵值法的故障诊断方法.首先,采用VMD方法对不同工况下齿轮振动信号进行分解,并对分解过程中关键参数的选择进行了研究;其次,根据频域互相关系数准则筛选出可有效表征齿轮状态特征的...     

基于压力信号分析与特征提取的齿轮泵故障诊断

以压力信号作为特征信息对齿轮泵进行故障诊断,通过压力信号分析,利用平稳小波分解与重构将压力信号的低频波动项与高频脉动项进行了分离,并对低频波动和高频脉动部分的功率谱进行了分析,得到了反映故障状态变化的特征.