基于分形维数的转子—机匣系统故障诊断研究

基于相空间重构,在优选重构参数的基础上,将分形维数应用于航空发动机转子-机匣系统的故障诊断.建立以关联维数为特征量的故障诊断方法,实际诊断航空发动机转子-机匣系统故障;提出以Lyapunov维数为特征量的故障诊断新方法,并实际应用于航空发动机转子-机匣系统的故障诊断,弥补关联维数等分形维数计算中无标度区难以精确确定、限制分形维数在故障诊断中的实际应用的不足.     

基于EMD与功率谱分析的滚动轴承故障诊断方法研究

针对西部油田大型设备故障信号的非线性、非平稳特征,提出一种基于经验模态分解方法EMD（empirical mode decomposition）和功率谱的分析方法。首先对滚动轴承振动信号进行经验模态分解,然后对分解后包含轴承故障特征信息的固有模态函数分量作功率谱分析,得到各分量的功率谱图,清晰直观显示出故障特征信号的功率谱,从混有背景信号和噪声的振动信号中提取轴承故障信息。由于EMD方法具有自适应特性,适宜于非线性、非平稳信号的分解,该方法应用于滚动轴承的故障振动信号分析中,结果表明,该方法能够突出滚动轴承振动信号的故障特征,从而提高滚动轴承故障诊断的准确性。     

基于信息熵神经网络的风力发电机故障诊断方法研究

风力发电机组运行工况复杂多变,振动信号呈非平稳性和复杂性等特点,不同负载下信号能量分布差异较大,传统的时、频域特征参数不具纵向可比性,无法判别振动变化来自设备故障还是负载变化.针对以上特点,选择受机组工况变化影响较小的信息熵作为信号特征参数提取,通过描述信号总体统计特性判断设备状态,将齿轮各典型状态模式下的振动特征信息熵值作为网络的输入样本,通过训练前向传播back propagation(BP)神经网络,建立齿轮状态识别模型.利用新样本验证,结果与实际情况吻合得很好,表明该方法对风力发电机齿轮故障诊断的有效性和实用性.     

基于谐波小波包能量熵的轴承故障实时诊断

将谐波小波包变换与信息熵相结合,从揭示故障信号能量分布的复杂程度入手,提出一种轴承故障实时诊断的新方法.对故障振动信号进行谐波小波包分解,将分解的小波系数按尺度进行排列,计算不同尺度的能量,以尺度能量为划分标准,计算故障信号的能量熵,通过能量的熵值诊断轴承故障.给出谐波小波包能量熵的轴承故障的具体诊断方法和模型.对不同...     

基于ART—2神经网络的故障诊断系统

对ART－2模拟量模式识别神经网络算法的改进能使其有效地适用于故障诊断,神经网络的预处理场F0具有增强对比度,抑制基底噪声的能力,神经网络的F2场根据优先级选择竞争节点。网络模式识别的结果作为专家系统输入的类别及其选取概率。专家系统搜索由知识库构造的关系树并依规则进行推理。本文方法结合神经网络和专家系统的优点,以得到可信的故障诊断结果。本文还给出了验证系统正确性的自动液压机故障诊断实例。     

基于高阶累积量的齿轮箱故障诊断研究

当齿轮箱发生故障时,实际测得的齿轮振动信号一般是非平稳和非高斯分布的信号,不同故障状态下的振动信号具有不同的高斯性和对称性,通常包含较强的噪声。高阶累积量具有对加性高斯噪声和对称非高斯噪声不敏感的特性,可以应用在齿轮箱的故障诊断中。短时分析方法可以在低信噪比情况下提取周期性冲击故障信号特征。在对振动信号进行短时分析的基础上,计算原始信号及其短时能量函数的高阶累积量。从高阶累积量提取的特征可有效地将正常状态、中度磨损状态、严重磨损状态和断齿状态的齿轮振动信号分离开来,这表明高阶累积量可定量地描述振动信号偏离正态分布的程度,采用样本分割后,还可以定量描述齿轮的磨损程度。     

基于奇异谱的降噪方法及其在故障诊断技术中的应用

提出一种将振动信号在相空间进行重构,并利用重构吸引子轨道矩阵的奇异谱的特性来提高信噪比的方法。该方法已应用于滚动轴承和齿轮箱的故障诊断中,试验表明该方法能够有效地降低噪声,提高信噪比,突出振动信号的故障特征,从而提高设备故障诊断的准确率。     

基于不连续回归树的最大李雅谱诺夫指数计算方法

最大李雅谱诺夫指数是判断动力系统稳定性和检验混沌的主要依据.运用回归树的随机梯度 Boosting 拟合非线性函数,提出一种从时间序列计算最大李雅谱诺夫指数的新方法.由于回归树不连续,其雅可比矩阵不存在,传统雅可比方法不能运用.直接从回归树计算最大李雅谱诺夫指数,不考虑拟合函数的雅可比函数.随机模拟结果表明该方法能很好逼近真值,且对噪声和嵌入维数稳健.最后计算移动通话和短信总量两个实测数据的李雅谱诺夫指数,结果表明本文方法和人工神经网络具有同样的结论.     

基于解调技术的双特征分析法在轴承故障诊断中的研究

机械故障信号双特征分析法是提高诊断准确率的有效方法,双特征分析法的关键是应用共振解调技术提取微冲击信号.为了提取微脉冲冲击,文中提出共振解调技术数学模型,并求解该模型的脉冲响应,为该技术的应用提供理论依据.工程实例表明,使用共振解调技术可以有效提取轴承故障微小脉冲冲击,通过在共振解调傅里叶谱图上分析冲击功率故障振动信号特征,可以较容易地进行故障诊断.