基于小波包能量-决策树的滚动轴承混合故障诊断

常规的信号处理方法通常无法对滚动轴承的混合故障进行有效诊断,因此将小波包能量与决策树算法相结合,用于滚动轴承混合故障诊断。首先,用小波包能量方法对故障信号进行特征提取;然后,提取向量作为训练样本训练决策树故障模型;最后,将测试样本输入到训练好的决策树故障模型,实现故障分类。滚动轴承混合故障试验表明:该方法具有原理简单、准确率高的优点。     

基于卷积神经网络的多模态过程故障检测

传统多元统计分析方法在多模态过程故障检测应用中存在控制阈值难以选择、误报率和漏报率高等问题，受到计算机智能视觉处理技术的启发，提出数据驱动的基于平铺卷积神经网络（TCNN）的故障检测方法，该方法创新地将多传感器数据编码成二维图像，将故障检测变成模式识别问题。离线阶段，将历史数据进行差值图像编码以保留特征，构建模型训练数据集。进一步建立故障检测TCNN模型，使用Adam算法进行梯度下降模型寻优，引入灰狼优化算法进行超参数寻优获得较优的检测模型。在线阶段，将在线传感器信号输入模型进行模态识别和故障检测。从数据出发，无需特征工程和人工干预，通过TCNN模型学习数据深层的模式特征。TEP数据集实验表明，对传统方法难以检测的多模态过程故障，提出的方法取得了较好的检测效果，有效地降低了误报率和漏报率，在工业智能制造的发展趋势下具有一定的应用价值。     

基于多元函数粒子群的齿轮箱检测优化方法

针对机车齿轮箱检测获取的多源信号具有数据量大、相关性低和可靠性差等问题,提出一种新型智能优化算法为多元函数粒子群优化算法。研究了粒子种群的异众比率和适应度对惯性权重的影响,在传统粒子群算法的基础上提高了算法的收敛速度及效率,以正则化模态差的适应度函数作为测点数量的评价指标,根据齿轮箱模态振型分析,实现了齿轮箱的多传感器检测优化。以齿轮断齿故障为试验对象,通过与传统检测方法比较分析,准确获取了齿轮箱输入轴转频39.5 Hz,第三级啮合频率90.5 Hz以及2～5倍频成分,快速识别了故障齿轮的位置。实验结果表明了该方法能够增强结构参数的识别率,有效提高了故障诊断的准确性,同时为机车故障预警和安全服役提供了关键技术基础。     

基于聚类与改进最小二乘法支持向量机算法的汽车总装输送装备故障预警方法

汽车总装工艺复杂、生产节拍快、产量大,百分之六十以上的时间都在进行主辅物料输送,因此输送装备由于故障引起的停机会造成巨大的经济损失。为了对生产物料输送装备的健康状态作出评估,并在可能发生故障时作出预警,提出一种基于生长型神经气聚类算法与改进最小二乘法支持向量机(LS-SVM)回归模型的汽车总装输送装备故障预警方法。首先根据传感器的历史信号数据进行特征提取和降维处理,获得特征向量;运用生长型神经气聚类算法,将正常状态数据划分为多种工况,得到若干聚类中心,并计算当前运行数据的特征向量与聚类中心的欧式距离从而得到相似度趋势;同时构建了历史记忆矩阵,并通过改进粒子群算法优化LS-SVM回归模型参数,计算残差值,并结合残差值与相似度趋势,得出风险系数,对装备状态进行评估和预警。将所提方法应用于汽车总装物料输送设备,将减速器与轴承的振动值的均方根输入模型,得出设备的风险因子,证明了该方法的有效性。     

经验模态分解和Laplace小波在机车柴油机齿轮系故障诊断中的应用

针对机车柴油机配气齿轮系故障信号呈现时变非平稳特征且信噪比低的特点,提出基于经验模态分解和Laplace小波的机车柴油机声信号分析方法,并成功用于工业现场.简要介绍信号经验模态分解的基本原理与算法,以机车柴油机实际声信号为例,分析其抑制噪声干扰的能力.经验模态分解相当于自适应滤波器组,可将信号分解成不同频带的固有模态函数(Intrinsic mode functions,IMF).试验表明对表征齿轮故障的IMF分量进行功率谱分析,能有效检测齿轮故障.根据滚动轴承故障信号表现为单边冲击衰减震荡,故障特征频率包含的能量少且容易受噪声干扰的特点,提出采用基于Lanlace小波的相关滤波实现冲击特征波形准确识别,提取故障特征频率的轴承诊断方法.机车柴油机运行测试试验证明,上述方法能准确诊断各种类型的配气齿轮传动装置故障.     

基于改进决策树算法的设备故障智能诊断模型

提出一种改进决策树智能故障诊断方法.首先构建故障诊断原始决策表,然后对特征数据进行离散化处理;接着利用可辨识矩阵约简算法对决策表进行属性约简;最后利用 G45 算法构造出最优诊断决策树;并对实例进行故障诊断.结果表明:该方法能有效地删除冗余信息,形成精简的决策规则库,提高故障识别速度,具有很强的工程实用性.     

火力发电厂空气预热器就地控制柜电气控制回路优化改造研究

神华国能哈密电厂4X660MW机组空气预热器投产以来,发生了多次就地控制柜电气控制回路故障导致主电机跳闸,且故障原因多次均一致。本文分析了故障原因,并对其电气控制回路进行了优化设计,进而提高了空气预热器的安全可靠运行。     

基于多重分形的旋转机械振动故障检测方法

为获取更加准确的旋转机械振动故障检测结果，提出基于多重分形的旋转机械振动故障检测方法。通过建立旋转机械振动信号采集模型，获取振动信号，采用小波域维纳滤波算法对振动信号去噪处理。分析不同条件下的振动数据，同时引入多重分形方法提取旋转机械振动信号故障特征，通过核模糊C均值聚类算法区分正常信号和故障信号，最终实现旋转机械振动故障检测。实验结果表明，所提方法进行旋转机械振动故障检测率较高，漏检率较低，检测时间较短，可以快速准确地完成旋转机械振动故障检测。     

基于小波包免疫算法的驱动桥故障检测

基于免疫系统的信息处理特点和传统免疫算法的不足,通过建立准自体抗体集SS和准非自体抗体集SNS来改进传统免疫算法,并结合故障信号的小波包分解特点,提出了一种基于小波包免疫算法的故障检测系统。首先利用小波包将检测信号进行分解,获取检测信号能量的特征向量。然后以信号能量的特征向量作为免疫系统的原始抗原,利用阴性选择算法对原始抗原进行自体-非自体分析。最后,将此故障检测系统成功应用于汽车驱动桥的故障检测。     

MW-cICA算法在滚动轴承故障诊断中的应用

为了提取强背景噪声下滚动轴承故障特征信息,提出了一种多小波预处理的约束独立分量分析(MW-cICA)算法。该算法首先对输入信号进行多小波降噪处理,提高信号信噪比;然后应用约束独立分量分析方法提取故障特征。与传统的小波独立分量分析(W-ICA)方法相比,该方法具有如下优势:1)由于多小波具有单小波所不能同时具有的正交性、对称性、紧支性和高阶消失矩等特点,因而对信号的降噪效果更加明显;2)引入参考信号作为约束条件,使得算法直接收敛于期望信号,提高了运算效率;3)建立基于故障模型的参考信号能够更加接近于真实期望信号,提高算法性能。仿真结果表明,多小波比单小波具有更好的降噪效果,基于故障振动模型的约束独立分量分析比传统的FastICA算法运算效率更高。将该算法运用于滚动轴承内圈故障试验中,可成功提取出内圈故障特征信号。     

基于遗传算法的差值形态滤波尺度参数优化方法研究

针对使用差值形态滤波提取故障特征时结构元素难以确定的情况,对尺度参数实行优化从而寻求其最佳尺度。首先对滚动轴承信号进行降噪处理,之后对信号进行差值形态滤波提取故障信号,通过遗传算法寻找到了结构元素尺度的最优解。通过仿真和试验研究表明,该方法取得的效果优于非优化的处理效果和包络解调法。     

高阶累积量自适应滤波在列车轴承故障诊断中的应用

论述了基于三阶累积量的递推最小二乘自适应算法(CDRLS)和基于累积量的指数遗忘窗的最小均方误差自适应算法(CDEFWLMS).通过对机车滚动轴承的保持架断裂典型故障信号的分析得出高阶统计量自适应算法具有良好的降噪性,CDEFWLMS 算法比 CDRLS 算法处理后的幅值更突出.讨论了用模糊 C 均值(FCM)算法聚类 CDEFWLMS 算法和 CDRLS 算法滤波后的信号频谱,得出经 CDEFWLMS 算法处理的故障隶属度要比CDRLS 算法较大,从而进一步验证了高阶累积量自适应算法在实际故障诊断和检测中有着良好的应用特性.     

关于HXD1型机车蓄电池亏电及控制回路改造方案设计

对HXD1型(新八轴)电力机车110V蓄电池控制回路原理进行分析以及机车线上运用及整备作业中发生蓄电池亏电的故障进行归纳研究。在原有的蓄电池控制回路中进行技术改进,保证机车线上安全运行,提高库内作业意外亏电应急处理能力。具体介绍改进方案。     

改进ILoG算子的故障检测方法

针对强背景噪声干扰下轮对轴承故障特征微弱、难以准确检测的问题,提出了一种自适应改进高斯拉普拉斯(improved Laplacian of Gaussian,简称ILoG)算子的微弱故障检测方法。ILoG算子滤波器具有优良的信号突变特征检测能力,将其用于轮对轴承故障信号的冲击特征检测,同时利用水循环算法(water cycle algorithm,简称WCA)的寻优特性,并行搜寻筛选最佳的ILoG算子影响参数,通过对参数优化后ILoG算子滤波后信号做进一步包络解调分析,提取出轮对轴承微弱的故障特征信息。对实际轮对轴承外圈和内圈故障信号分析的结果表明,该方法可以有效检测出轴承微弱故障特征频率,故障检测效果优于小波阈值和多尺度形态学差值滤波方法。     

变分模态分解在齿轮箱故障诊断中的应用

针对传统的齿轮箱故障信号分解过程中出现的模态混叠问题,提出了一种应用变分模态分解的信号处理方法。首先,对变分模态分解算法进行了研究,然后设计齿轮箱故障实验并采集故障信号,经过降噪预处理后对信号进行变分模态分解,同时为了形成对比,对故障信号进行经验模态分解,实验结果表明变分模态分解能够有效避免模态混叠现象的发生,非常适合于处理齿轮箱故障信号。     

机车走行部故障在线诊断的特征分析方法研究

在讨论特征分析方法原理的基础上，针对机车走行部故障在线监测过程中存在的信号分析与处理问题，运用整周期等角度采样方法将时域振动信号转换为角域信号，采用FFT变换将角域信号变换为对应的特征频谱，通过谱估计、谱图分析得到机车走行部各零部件的故障特征谱值，再根据该特征谱值识别机车走行部各零部件的故障。然后，根据机车走行部故障诊断的实际需要，设计了一套基于特征分析方法的机车走行部故障在线诊断系统。实验结果表明，该方法能准确、可靠地识别机车走行部故障。     

基于Hilbert谱图特征的转子故障智能诊断

提出一种基于Hilbert谱图特征的转子故障智能诊断方法。首先,通过希尔伯特-黄变换(HHT)得到反映故障信号特征的Hilbert谱;然后,利用主成分分析(PCA)对故障信号的Hilbert谱进行特征提取;最后,对得到的特征数据使用野点检测进行分类,并用粒子群优化算法,自适应获得野点检测最优参数,实现转子故障的智能诊断。使用ZT-3型转子故障试验台实验数据对此方法进行了验证,并与传统频谱特征分类结果进行比较,结果表明了此方法的正确性。     

机车牵引电机转子不平衡故障分析

本文通过对机车牵引电机转子不平衡振动机理的分析,采用振动监测方法,结合信号预处理技术、快速DCT和故障位置确定的"三段法",提出一种机车牵引电机转子不平衡故障的在线诊断方法。该方法算法简单、计算量小,可满足运行机车在线故障诊断的实时性要求。     

机车齿轮传动系统多元信号时变盲分离研究*

齿轮传动系统是保障机车安全稳定运行的最重要的关键装备之一,其运行状态具有时变性、不可预知性和动态联动性等特点,采用传统故障诊断方法进行故障特征获取仍然存在误诊、漏诊等现象。稀疏盲分离是一种能够在信号传输通道有限的情况下,依据正交基映射将多元非线性信号有效分离的软计算方法。但是在实际工况中,机车齿轮故障数据往往是微弱性和不确定性的,从而导致稀疏分离后的源信号特征无法准确诊断故障。因此,提出一种基于变尺度经验模态分解的自适应时变盲分离方法,利用稀疏化处理和迭代筛选进行分离获取故障源,通过调整时间跨度获取最优本征模态函数,删除冗余因素,有效提高故障特征识别准确率。通过仿真试验数据验证,进一步表明了该方法在低信噪比状态下快速准确获取故障特征的有效性,能够为铁路运输的状态检测和故障诊断提供关键技术。     

感应电机轴承故障检测方法研究

分析了感应电机轴承发生故障时的振动信号的特性,利用带通滤波器和希尔伯特变换,对感应电机轴承振动信号进行处理,然后采用高分辨率谱估计算法--MUSIC（Multiple Signal Classification）算法对包络信号作谱分析,再从包络信号的MUSIC谱中提取故障特征频率分量.研究结果表明,该方法频率分辨率更高,故障检测更为准确.将该方法应用于电机轴承故障诊断,可准确提取轴承故障特征分量.