结合非线性频谱与核主元分析的复杂系统故障诊断方法

传统非线性频谱分析方法对复杂系统进行故障诊断时,求解出的非线性频谱数据量庞大,不便于直接用于故障检测与分类识别.本文提出了一种非线性频谱特征与核主元分析(KPCA)结合的故障诊断方法,首先通过最小二乘算法估计出前3阶Volterra时域核,由多维傅立叶变换求取出广义频率响应函数,然后利用KPCA方法对谱数据进行压缩与提取谱特征,最后利用多分类最小二乘支持向量机进行多故障检测与识别.考虑到频谱数据具有非线性的特点,KPCA中的核函数选用由多项式函数与径向基函数构成的混合核函数,兼顾了局部特性与全局特性.论文基于非线性频谱数据,给出了核主元模型建立与在线故障诊断的具体算法.对非线性模拟电路和数控机床伺服传动系统进行了仿真实验,结果表明本文方法能够大幅度降低频谱数据维数,故障识别率高,是一种实用的故障诊断方法.     

设备故障诊断中的特征提取

以某航天器姿控系统为研究对象,对故障的原始特征进行特征提取和选择,以使所建立的故障标准模式由少数几个新特征给予有效的表达,较好地实现了主要故障模式的分离,为提高设备故障诊断能力和故障定位能力奠定了基础。同时,通过考察权系数,可判断出主分量中各个参数的贡献率,这将有利于指导设计阶段的测点选择。     

非线性频谱分析理论在故障诊断与检测中的应用

介绍了故障诊断技术的基本概念,重点阐述了非线性频谱分析理论的原理及其在故障诊断中的应用,并基于这一方法设计了一个基于非线性谱分析的机械故障诊断仪。在这一应用系统中,被测系统的故障特征是它的GFRF(Genemlized Frequency Response Functions)谱特征。介绍了诊断系统的构成和诊断原理,以及相关硬件电路的设计,实验结果表明了文章方法的有效性。     

基于粗糙集的故障诊断特征提取

故障的特征提取对于进行准确可靠的诊断非常重要。而实际的故障诊断数据样本的分类边界常常是不确定的,并且故障与征兆之间的关系往往也是不确定的。粗糙集理论是处理模糊和不确定性问题的新的数学工具。论文将粗糙集理论引入到故障诊断特征提取,提出了一种基于粗糙集的故障诊断特征提取方法。并通过两个故障诊断实例对该方法进行了验证。结果表明:在有效地保持故障诊断分类结果的情况下,该方法可以提取出最能反映故障的特征,从而为粗糙集在故障诊断中的深入应用打下了基础。     

基于非线性频谱数据驱动的动态系统故障诊断方法

基于非线性频谱数据驱动方法, 研究了动态系统的故障诊断问题. 利用一维非线性输出频率响应函数提出一种非线性频谱特征提取方法, 为了提高实时性, 采用变步长自适应辨识算法进行求解; 根据估计偏差实时地改变步长, 兼顾了收敛速度与稳态误差; 获取了非线性频谱特征之后, 利用最小二乘支持向量机分类器进行故障识别. 通过对提升设备的故障诊断问题进行实验研究, 所得结果表明, 所提出的算法识别率高, 能满足在线诊断要求.     

基于图像特征提取的飞行器故障诊断系统设计

为提高飞行器测试数据的利用率,解决飞行器故障诊断中资源浪费的问题。提出并实现了一种基于数据图像特征提取的飞行器故障自动诊断系统。系统通过建立一个历史测试数据库,对各种测试项目的历史图像提取特征值,将其存储在数据库中,且将该次测试对应的诊断信息存储在内。利用小波变换法作为特征提取的方法,小波能谱熵作为特征值表征。将当前测试故障的数据图像进行特征提取,并与数据库中图像进行比对,找出相似度最高的历史数据图像。从而帮助测试人员进行故障定位诊断工作。     

非线性控制系统的频谱理论及应用

总结了非线性控制系统的研究方法，阐述了时域法在工业应用中的某些局限，介绍了非线性控制系统频谱理论的基本内容及发展概况，同时就非线性控制系统的频谱理论发展方向进行了探讨。     

融合互信息与线性变换的非线性特征提取

由于线性变换无法较好保留数据的非线性结构而非线性变换往往需要进行大量的复杂运算,提出一种快速、高效的非线性特征提取方法。该方法通过研究互信息梯度在核空间中的线性不变性,采用互信息二次熵快速算法及梯度上升寻优策略,在有效降低计算量的同时能够提取有判别力的非线性高阶统计量。详细的数据投影和分类实验表明该方法在分类性能和算法时间复杂度上都优于传统算法。     

非线性系统的故障诊断技术

文中对非线性系统的故障诊断方面问题给予了归纳总结,指出了基于数学模型方法,基于信号处理方法和基于知识的方法在实现非线性系统故障诊断的基本思想,并进一步指出了各各非线性系统故障诊断方法及可能的发展方向。     

基于Web的铁路设备远程故障诊断系统的设计

基于Web的远程诊断为设备故障诊断的远程化、网络化、多专家协同诊断提供了一个便捷的途径,为了实现远程故障诊断的功能,提出了一种基于B/S结构的专家系统,对系统的一些关键技术进行了探讨,分析了诊断系统的服务器及客户端的实现要点,充分体现了基于Web模式进行远程故障诊断的优点。最后通过诊断系统总体功能的实现过程,证明了该方案是可行和有效的。     

一类基于状态估计的非线性系统的智能故障诊断

针对一类含有建模误差的非线性系统,研究了基于状态估计的智能故障诊断方法.首先提出一种状态估计器设计方法;然后在进行状态估计的同时用RBF神经网络来逼近系统所发生的故障.故障估计器的输入为系统的状态估计,所估计出的故障既可用作故障容错控制,也可用作报警.根据微分同胚,将含有建模误差的非线性系统变换为易于分析的规范形式,并在此基础上分析了故障诊断系统的稳定性和鲁棒性.仿真例子证明了该方法的有效性.     

嵌入式设备故障检测和诊断系统设计

本文分析嵌入式设备的特点,并在此基础上提出充分利用嵌入式设备提供的接口资源,实现故障检测和诊断的方法,将设备故障定位到电路板级,为板级电路的故障检测和诊断奠定基础。此种方法在复杂工程环境下,无需拆卸嵌入式设备即可判断整机性能,达到故障检测和诊断的基本要求。在这一方法基础上,本文以某车载GPS导航系统为被测对象,详细介绍了故障检测和诊断系统设计。     

非线性电路的神经网络故障诊断方法

针对非线性动态电子电路,提出一种基于神经网络的故障诊断方法。通过故障字典的建立,对电路故障响应进行预处理后得到的故障特征作为神经网络的输入,然后利用神经网络对各种状态下的特征向量进行分类决策,对故障类别进行辨识,并对电路进行了可测性分析,从而实现非线性电路的故障诊断。详细的仿真过程及结果表明, 该方法有效地解决了非线性电路辨识难的问题,能较好地对故障模式进行分类,取得了满意的诊断效果。     

基于经验模态分解与差分包络谱的齿轮故障诊断

为了准确地进行齿轮故障诊断,结合经验模态分解与纯调频信号差分包络谱,对齿轮故障诊断提出了一种新方法;首先,对齿轮振动信号进行经验模态分解得到多个不同分量;其次,根据峭度最大分量及其相邻分量的峭度值情况,合成有效分量;然后,运用经验调幅-调频分解得到纯调频信号;接着,将纯调频信号应用经验调幅-调频分解及傅里叶变换得到纯调频信号差分包络谱;最后,观察分析纯调频信号的差分包络谱进行故障诊断;利用该方法对断齿齿轮的振动信号进行分析,验证了方法的有效性。     

基于AGA-RS的故障特征参数提取方法研究

在故障诊断中,将高维特征空间压缩到低维特征空间可以简化故障分类器设计,提高运算效率。研究了自适应遗传算法（AGA）和粗糙集（RS）理论在特征选择和特征约简中的应用,并针对柴油机燃油喷射系统故障提取了简化特征,建立了神经网络模型。试验结果表明,基于AGA-RS的故障特征参数提取方法可使故障分类器输入参数同时具有有效性和简约性,提高了神经网络的运算效率。     

基于时频分析法的高速列车轨道电路故障诊断

针对现有高速列车轨道电路故障诊断方法大多采用电压电流信号有效值,没有充分利用其丰富的频域信息的问题,为提高轨道电路故障诊断系统的性能,提出基于电压电流实时信号时频分析的故障诊断方法.基于短时傅里叶变换(Short-Time Fourier Transform,STFT)生成频谱特征;根据可分性准则进行特征频带选择;采用支持向量机(Support Vector Machine,SVM)进行故障特征分类.基于现场数据的试验结果表明该方法有效.