中小电机轴承的故障诊断

本文分析处理了电机轴承信号。当轴承出现故障时,可以发现信号频谱会产生故障峰群这一现象。从而提出了一种新的电机轴承故障诊断的方法。     

结合卷积神经网络和迁移学习的电机轴承故障诊断方法

针对轴承故障在变工况下有效数据样本不足时故障诊断效果不佳的问题,提出了一种基于卷积神经网络和迁移学习的电机轴承故障诊断方法。首先,将采集到的原始振动信号进行小波变换,得到有利于卷积神经网络训练的彩色二维时频图;其次,构建卷积神经网络,通过训练确定结构和参数,利用数据增强和Dropout机制抑制过拟合;最后,引进迁移学习,冻结训练好后的网络底层结构,用不同工况的小样本数据对网络的顶层结构进行微调。实例分析证明,小波变换和卷积神经网络结合的方式能实现特征自动提取并高度有效地利用样本,迁移学习的引入能实现其他工况下小样本的准确分类,解决实际工程应用中样本不足时故障诊断效果不佳的问题。     

基于元学习的变工况轴承故障诊断研究

针对实际工况下电机轴承振动信号包含强噪声以及故障样本少导致其故障诊断精度低的问题,提出一种由数据重构(data reconstruction, DR)与判别空间优化(discriminant space optimization, DSO)相结合的集合型轴承故障诊断方法(DR-MLDSO),该方法包含数据重构和元学习两个阶段。首先,将不同负载下的原始一维数据进行重构,减少噪声,提取隐藏在原始数据中的有用信息;然后,构造特征提取器和判别空间优化器,对特征判别空间进行优化,提高其容错能力,以利于元学习。实验结果表明,本文提出的DR-MLDSO方法有效提高了模型在有限训练样本下的学习能力,增强了不同工况下轴承故障诊断的适应性,提升了故障诊断精度,具有较好的泛化能力。     

小波变换在轴承故障诊断中的应用

提出了一种利用连续小波变换诊断轴承故障的方法。该方法不需要对象的数学模型，具有灵敏度高，仰操能力强，鲁棒性好的特点。     

小波变换在轴承故障诊断中的应用

提出一种利用连续小波变换诊断轴承故障的方法。该方法不需要对象的数学模型，具有灵敏度高、仰操能力强、鲁棒性好的特点。     

PCA-CHMM在化工过程故障诊断中的应用

为了解决主元分析(principal component analysis，PCA)在故障分类方面的不足，提出一种结合PCA和连续隐马 尔可夫模型(continuous hidden Markov model，CHMM)的故障诊断方法.PCA对测量数据进行优化降维，用少数几个主元 表征过程主要变化信息，实现过程特征提取.但是PCA不能对这些过程变化信息进行有效的分类和识别，运用CHMM成熟的 时序模式分类能力能够较好地解决这个问题.通过Tennessee Eastman过程仿真验证了基于PCA和CHMM的故障诊断方法的性 能.     

基于遗传算法的HMM参数估计

隐马尔可夫模型(Hidden Markov model)用于多序列比对研究是生物信息学研究的新领域,其可以通过训练识别同一特征的蛋白质序列.然而,目前的HMM参数估计算法Viterbi算法和Baum-Welch算法,都只能找到局部最优比对,无法找到全局最优比对.针对此算法全局最优问题提出了基于遗传算法的HMM参数估计,与已有的训练算法相比,遗传算法在搜索全局最优时具有突出的优势.     

FCM-HMM-SVM混合故障诊断模型及其在电力电子电路故障诊断中的应用

提出一种基于模糊C均值聚类（FCM）、隐马尔可夫模型（HMM）和支持向量机（SVM）相结合的电力电子故障诊断方法.采用FCM方法对故障信号进行模糊聚类,提取故障特征;根据隐马尔可夫模型进行动态过程建模;根据支持向量机进行模式分类;基于HMM-SVM混合的故障诊断模型实现了对机车变流器电路中晶闸管断路故障的诊断.实验结果分析表明,该方法能准确地对电力电子电路进行诊断和故障元定位,诊断精度高,具有很好的实用价值.     

Wigner分布算法及其在轴承故障诊断中应用

本文根据非平稳带通信号的特点，改进了Ｃｌａｓｓｅｎ的Ｗｉｇｎｅｒ分布算法，克服由离散计算引起的混叠问题。应用三维，二维Ｗｉｇｎｅｒ分布图对轴承故障进行特征分析，并且研究结果在实例分析中显示出一些优越性。     

轴承疲劳故障诊断方法的实验研究

基于多组轴承实际运行状态的监测实验，对信号变化特征作了全面描述，弥补了依据模拟故障试验的不足，通过多方面的分析、比较，得出了一套用于滚动轴承疲劳故障在线监测和诊断的有效方法。     

基于电流特性的主动磁轴承电磁线圈故障诊断

磁悬浮轴承因其优异的性能得到了广泛应用,但电磁线圈的故障可能导致转子失控,从而造成严重后果。提出一种应用于磁悬浮轴承的在线电磁线圈故障诊断方法,通过建立数字开关功放输出电流的数学模型,获取其电流输出特性,从理论上分析线圈发生故障对输出电流变化率的影响;建立两态调制下的Matlab/Simulink模型,进行了仿真验证,证明了方法的理论可行性;设计基于电流过采样的故障诊断方案以及相关算法,搭建基于数字信号处理器(digital signal processor, DSP)的数字开关功放试验平台,进行了相关线圈故障的在线检测试验,结果证明了本研究方法的有效性。     

基于关联维数的双跨转子轴承系统故障诊断

以双跨转子轴承系统为研究对象,针对其状态监测与故障诊断中存在的问题,利用虚拟仪器软件平台开发了一套基于关联维数的故障诊断系统。通过提取实验台振动信号并计算其关联维数实现对系统的故障诊断。结果表明,不同工作状态下系统的关联维数各不相同,正常运转时关联维数最小,发生故障时关联维数增加,且关联维数随着嵌入维数的增加成增长的趋势,并趋于稳定。该系统以关联维数作为特征兆量,能够快速准确地对双跨转子轴承系统进行状态监测与故障诊断,具有一定的应用价值。     

半连续隐马尔科夫模型脱机阿拉伯手写识别

提出一种基于半连续隐马尔科夫模型的脱机阿拉伯手写识别系统。该系统采用滑动窗口技术直接从数字图像提取像素密度和凹度特征,没有复杂的预处理操作,每个窗口被划分为前景像素数目相同的4个子窗口,前后相邻窗口的重叠为窗口宽度的1/2,且特征的维数仅为36维,节约了系统的计算量。采用半连续隐马尔科夫模型对字符进行建模,而词的模型采用嵌入式训练方法,无需对词进行预先分割,从而避免了切分引入的误差。在IFN/ENIT测试数据库上的测试结果表明,一个最佳输出时平均识别率能够达到86.6%。     

Fuzzy Condition Pattern Recognition and Fault Diagnosis for Spacecraft

This paper introduces concepts of symptom vector and fuzzy symptom vector forspacecraft condition recognition and fault diagnosis,defines an operator and suggests a fuzzy pat-tern recognition method of fault diagnosis for spacecraft.This method is verified by examples andresults are checked from an expert system.     

Fault diagnosis and process monitoring using a statistical pattern framework based on a self-organizing map

A multivariate method for fault diagnosis and process monitoring is proposed. This technique is based on a statistical pattern(SP) framework integrated with a self-organizing map(SOM). An SP-based SOM is used as a classifier to distinguish various states on the output map, which can visually monitor abnormal states. A case study of the Tennessee Eastman(TE) process is presented to demonstrate the fault diagnosis and process monitoring performance of the proposed method. Results show that the SP-based SOM method is a visual tool for real-time monitoring and fault diagnosis that can be used in complex chemical processes.Compared with other SOM-based methods, the proposed method can more efficiently monitor and diagnose faults.     

基于V-detector算法的滚动轴承故障诊断方法

针对实值阴性选择(RNS)算法的检测器尺寸不能自适应变化的问题,提出基于变检测半径的RNS算法(V detector)的轴承故障诊断方法.将计算轴承振动信号局域波分解后各基本模式分量的关联维数作为特征向量,并根据故障模式将其划分为多个自体样本集,采用V detector算法训练多个检测器集,用其对轴承故障进行诊断.结果表明：自体半径过小则误诊率高,自体半径过大则检测器灵敏度低,这都将导致准确率减小;覆盖率越高,则准确率越高、计算花费越大,当覆盖率≥95%时,覆盖率对准确率的影响远小于其对计算花费的影响;相对于基于RNS的诊断方法,V detector算法具有同样高的准确率,且计算花费显著减小、稳定性更高,可有效地识别轴承故障.     

基于可拓神经网络的变压器故障诊断

针对BP神经在变压器故障诊断中用于模式识别时,存在训练准则和分类准则不一致而导致的样本识别率降低和网络训练速度缓慢的问题,采用了可拓学的扩缩变换,通过在输出空间中用一个特定的区域（称作教师区域）来代替教师信号,然后将可拓神经网络用于变压器故障诊断中。通过实例证明,可拓神经网络模型的训练速度有了极大提高．模式识别问题得到彻底解决。     

声发射用于旋转机械故障诊断的实验研究

在旋转机械实验台上利用声发射传感器检测声发射信号,通过检测到的声发射信号对旋转机械的运行状态做出监测与判断,并进行故障诊断.介绍了以滚动轴承的人为缺陷为对象进行的基础试验,测评结果表明了用声发射方法进行旋转机械故障状态监测和诊断的可行性.     

一类隐非齐次马尔可夫模型的强极限定理

在假定隐藏的马氏链为非齐次且从隐藏链到观测链的转移矩阵列也与时刻n有关的情况下,对一类在发音过程中常用的隐马尔可夫模型进行研究.这类模型的主要特点是观测链不仅受当前状态的影响还与上一时刻的状态有关.先给出了该模型的强极限定律,然后得出了状态出现频率的强极根定理.     

基于广义谐波小波分析的低速重载轴承故障诊断

研制出一种低频振动传感器作为谐振器,利用谐波小波在频域连续分布且具有严格的盒形谱特性,通过适当调整参数m和n,构造出不同频段的带通滤波器对信号进行广义谐波小波变换。通过广义谐波小波变换实现低速重载轴承振动信号的共振解调,从而提取出故障轴承的低频冲击信息．为低速重载轴承的故障诊断提供了一种新的有效方法。运用该方法准确判断出炼钢转炉悬挂齿轮箱耳轴轴承的故障。