转子-滚动轴承耦合系统的转静碰摩故障分析与智能诊断

针对航空发动机转静碰摩故障诊断问题,建立了含不平衡-碰摩故障的转子滚动轴承耦合系统动力学模型.在模型中,充分考虑了滚动轴承的间隙、非线性赫兹接触以及变柔性VC(Varying compliance)振动.首先运用数值积分获取系统响应,进行碰摩故障分析,并得到了大量的碰摩故障仿真样本;其次利用支持向量机从大量样本中获取碰摩故障知识;然后利用转子实验器获取碰摩故障实验样本;最后利用训练好的支持向量机对碰摩故障实验样本进行智能诊断,最高识别率达到了91%.     

基于航空发动机转子试验器的碰摩特征测试

利用航空发动机转子试验器模拟不同部位的碰摩,测试获得碰摩时机匣的加速度响应信号,并与无碰摩时机匣加速度时、频域波形进行对比。测试结果表明,航空发动机叶盘结构的转子—机匣碰摩时,其加速度信号具有冲击、调幅特征,即在碰摩频率及其整数倍频附近存在边频带,其边频宽度为旋转频率。同时,与无碰摩状态相比,在低频段时碰摩特征主要表现为转频及其倍频分量,且倍频分量更加突出。     

航空发动机转静子碰摩故障信号用小波分析的方法检测和分析

针对试飞中发动机转静子碰摩故障信号,首先应用小波阈值方法对原始信号进行降噪处理,由此滤除高频噪声干扰,同时可保留含有重要故障特征的突变信息;对降噪后信号进行连续小波变换,时频分析结果具有很好的实时跟踪转速频率能力,且频带清晰,故障特征明显,为今后真实飞行载荷下的实时故障监测提供一种有效途径。     

基于双树复小波变换的转静碰摩响应分析

针对碰摩故障诊断中转静碰摩响应消噪及特征提取构造分段圆弧平滑阈值函数,利用小波、小波包及双树复小波(Dual-tree Complex Wavelet)分别对非平稳信号降噪处理,以信噪比为指标判断降噪效果。结果表明,构造的阈值函数消噪具有高效性。通过计算单转子局部碰摩动态响应,用双树复小波对位移响应进行特征提取。与小波及小波包相比,双树实小波近似解析性及采样插值具有互补特点,能完整提取动态响应特征,减少信息丢失。并用仿真及转子碰摩实验验证该方法的有效性。     

球结构支持向量机在转轴碰摩位置识别中的应用

摘要：碰摩是旋转机械中常见的故障,碰摩故障位置识别是一个有待深入研究的故障诊断问题。对球结构支持向量机进行改进,充分考虑分类球的大小对分类的影响,经过理论分析和仿真实验得到新的分类规则。把转轴上不同位置的碰摩当作不同的故障,转轴碰摩故障位置识别就是个较大规模的多类别故障诊断问题,运用改进的球结构支持向量机进行转轴碰摩故障位置识别。实验结果表明,和其他同类算法相比,改进的球结构支持向量机具有识别率高、速度快、计算量少、数据处理容量大等优点,适合于较大规模的多类别故障诊断。
     

基于一类支持向量机与主成分分析的转静碰摩故障检测技术

由于实际旋转机械中转静碰摩故障获取较为困难,而大量拥有的是正常的非碰摩状态样本,为此,本文引入一类支持向量机学习算法进行转静碰摩故障识别,通过对大量正常样本的学习得到碰摩故障判别边界,从而实现碰摩擦故障检测。由于转子故障信号的频谱存在大量冗余,本文又提出一种基于主成分分析的转子故障特征提取方法。该方法首先对信号频谱进行归一化处理后,然后,对大量样本的频谱进行主成分分析,按不同的能量保持率要求提取出低维特征。最后,通过诊断实验表明了本文方法的正确有效性。     

转子全周碰摩与局部碰摩的识别方法研究

摘 要：超临界汽轮发电机组的结构和工况复杂,容易引起转、静子间的碰摩。根据碰摩诱发因素的不同,可将其分为全周碰摩与局部碰摩。由于两种碰摩故障的时、频特征相似,传统的时、频域分析方法很难准确提取它们的故障特征。本文针对这一不足,提出一种基于经验模式分解-奇异值分解（EMD-SVD）与支持向量机（SVM）的碰摩故障识别方法,用于对转子全周碰摩与局部碰摩故障进行识别。首先,通过EMD获取碰摩信号的固有模式函数（IMF）;然后,提取表征信号主要能量的前四阶IMF组成特征矩阵并进行SVD分解,得到关于原信号的一组特征值;最后,将特征值输入SVM,对原信号进行分类识别。转子试验台全周碰摩与局部碰摩试验结果表明,本方法对转子全周碰摩与局部碰摩故障的分类准确率高,其中以径向基函数作为核函数的SVM分类准确率达到96.0%。     

航空发动机试飞中转静子碰摩故障信号处理 的希尔伯特－黄变换（HHT）方法

时变信号处理的新方法希尔伯特－黄变换,是把一时间序列数据通过经验模态分解（Empirical Mode Decomposition,简称EMD）成本征模函数组（Intrinsic Mode Function, 简称IMF）,然后经希尔伯特变换（Hilbert Transformation,简称HT）获得频谱的信号时频分析方法引入到航空发动机转静子碰摩故障振动信号处理领域。该方法的理论和算法为用MATLAB语言编写分析程序,再用仿真信号验证程序的正确性和有效性;然后对飞行试验中获得的故障振动信号进行分析。结果表明,用EMD和HT方法对航空发动机转静子碰摩故障振动信号进行时频分析是有效的。     

基于关联维数和小波能量谱熵的碰摩故障智能诊断

提取了转静碰摩故障的关联维数和小波能量谱熵特征,构造了基于支持向量机的碰摩故障智能诊断模型。首先,基于转子碰摩动力学仿真模型,进行了关联维数和小波能量谱熵对碰摩故障的灵敏度分析,然后,以碰摩故障仿真样本为学习样本,利用SVM构造了碰摩故障分类器,得出了用于识别碰摩故障的SVM判别函数;最后,利用航空发动机转子故障实验器,通过实验得到碰摩故障实验样本,对其进行降噪处理,计算其关联维数和能量谱熵后,代入SVM判别函数,直接判别是否出现碰摩故障。实验结果验证了本文方法的有效性。     

基于HHT的转子系统定点碰摩实验研究

基于工程实际需求,对转子系统定点碰摩故障的运动特性及时频特征进行了实验研究。实验选取了不同转速下的三种典型工况,在传统的幅值谱、轴心轨迹分析方法基础上进一步应用Hilbert-Huang变换(HHT)通过对故障信号的自适应分解及Hilbert时频谱、边际谱分析从瞬时频率的角度详尽的刻画了系统的时变特性,揭示了转子系统定点碰摩呈现显著的周期性运动特性及具体的时间-频率(瞬时频率)-幅值及能量分布情况,为故障的早期预防与进一步诊断提供参考。     

基于支持向量机的汽车发动机故障诊断研究

研究在汽车发动机不解体的情况下获取发动机缸盖表面的振动信号和上止点信号,按曲轴转角的周期对振动信号的时域能量进行合理分段;提取各段信号的时域能量作为发动机各缸状态的特征值。建立发动机各缸不同故障状态的训练集,用支持向量机的方法实现发动机故障模式的诊断与识别。研究结果表明,该方法对汽车发动机故障类型、故障位置的诊断识别具有重要工程意义。     

Facial Expression Recognition Model Depending on Optimized Support Vector Machine

In computer vision, emotion recognition using facial expression images is considered an important research issue. Deep learning advances in recent years have aided in attaining improved results in this issue. According to recent studies, multiple facial expressions may be included in facial photographs representing a particular type of emotion. It is feasible and useful to convert face photos into collections of visual words and carry out global expression recognition. The main contribution of this paper is to propose a facial expression recognition model (FERM) depending on an optimized Support Vector Machine (SVM). To test the performance of the proposed model (FERM), AffectNet is used. AffectNet uses 1250 emotion-related keywords in six different languages to search three major search engines and get over 1,000,000 facial photos online. The FERM is composed of three main phases: (i) the Data preparation phase, (ii) Applying grid search for optimization, and (iii) the categorization phase. Linear discriminant analysis (LDA) is used to categorize the data into eight labels (neutral, happy, sad, surprised, fear, disgust, angry, and contempt). Due to using LDA, the performance of categorization via SVM has been obviously enhanced. Grid search is used to find the optimal values for hyperparameters of SVM (C and gamma). The proposed optimized SVM algorithm has achieved an accuracy of 99% and a 98% F1 score.     

基于局部切空间排列和最小二乘支持向量机的气缸压力识别

为了提高缸盖振动信号恢复气缸压力的识别精度,提出一种基于局部切空间排列(LTSA)和最小二乘支持向量机(LSSVM)的气缸压力识别方法。首先提取缸盖振动信号时域、频域及小波包能量域特征,组成高维特征集,利用LTSA算法提取高维特征集的低维本征流形特征,然后把降维后的特征参数集作为LSSVM模型输入,缸压信号作为LSSVM模型输出,通过多个样本对LSSVM模型进行训练,从而获得气缸压力的重构模型。试验结果表明:基于局部切空间排列和最小二乘支持向量机的气缸压力识别方法具有精度高、泛化能力强等优点。     

基于CS-SVM的山梨酸钾的荧光光谱检测法研究

通过分析山梨酸钾的橙汁溶液的荧光光谱特征,发现山梨酸钾在激发波长为375nm、发射波长为450～510nm范围的光谱图有毛刺,说明橙汁被激发的荧光会干扰山梨酸钾的荧光光谱。构建布谷鸟搜索算法（CS）优化支持向量机（SVM）模型对15个样本进行训练,并预测7个样本的山梨酸钾的浓度。CS-SVM的平均回收率为99.07%,均方误差为1.21×10^-5g/L,结果表明CS-SVM能够精确测定橙汁溶液中山梨酸钾的浓度,CS-SVM训练过程和对预测结果的平均回收率、误差都优于PSO-SVM和GA-SVM。     

面向不均衡训练集的印刷图像套准状态检测方法

目的针对不均衡的印刷图像套准状态检测中存在的印刷套不准图像识别准确率低的问题,研究不均衡印刷图像训练集的预处理方法。方法提出不均衡印刷图像训练集数据的集成采样预处理方法。支持向量机先将不均衡的训练集数据分为支持向量和非支持向量,然后过采集少类样本(即印刷套不准图像)中的支持向量,欠采集多类样本(即印刷套准图像)中的非支持向量,实现训练集数据的均衡化。最后采用预处理后的均衡训练集对支持向量机模型进行训练,并优化模型参数。结果采用文中提出的集成采样方法对不均衡训练集预处理后获得支持向量机模型,通过对印刷图像套准状态进行识别,获得的少类样本识别率a+为0.9375,识别准确率几何平均数Gmean为0.9437,F测度为0.9574。结论文中提出方法获得的印刷套不准图像识别准确率a+,Gmean和F测度均优于实验中的其他方法。     

基于支持向量机的小样本响应曲面法研究

当影响因素和响应输出的关系较为复杂时,应用传统响应曲面法(RSM)、非参数响应曲面法(NPRSM)和人工神经网络(ANN)难以拟合真实的响应曲面,不仅需要大的样本量,而且泛化风险大,不易达到全局最优.将RSM归结为可有限制地主动获取样本的小样本机器学习问题,提出了一种基于支持向量机(SVM)的RSM.以大间隔网格取样,利用SVM拟合过程,对拟合方程寻优确定极值大致区域,再逐步缩小间隔求精.算例研究表明,该方法的拟合与泛化性能优于NPRSM和基于ANN的RSM,能在小样本条件下建立全局性数值模型,寻优可以得到多个极值.     

基于LSSVM的重力坝地震稳定易损性分析

提出了一种基于最小二乘支持向量机的易损性分析方法,将有限元数值计算的结果作为学习样本,建立最小二乘支持向量机模型,进而进行Monte Carlo仿真,获得结构的易损性曲线,在保证计算精度的同时,提高了计算效率。采用该方法对某重力坝挡水坝段进行了动力稳定易损性分析,并对主要参数进行了敏感性分析。结果表明,该坝段能够保证设计地震作用下的动力抗滑稳定性,且有较大的安全裕度。     

基于RQA与SVM的声发射信号检测识别方法

针对裂纹声发射信号检测问题,提出基于递归定量分析与支持向量机相结合的新型检测方法。利用小波阈值去噪原理,对采集的声发射信号进行去噪,将递归定量分析引入声发射信号检测,提取递归定量分析的量化特征参数,结合支持向量机对模拟裂纹声发射信号进行识别。并实验验证该方法的可行性。     

基于随机森林的统计控制图模式识别研究

引入随机森林方法进行统计控制图模式识别的研究。提取了控制图的统计特征和形状特征,设计了5种不同的特征组合方法,利用蒙特卡洛仿真方法产生训练数据集和测试数据集,选取了常用的3种模式识别方法（支持向量机方法、人工神经网络方法、决策树方法）进行对比。实验结果表明,随机森林方法相比其他3种分类器方法,在分类准确率和消耗时间两个维度上都有明显优势,可以应用于统计过程控制图模式识别。