基于递归分析的齿轮故障识别方法

为简便准确的识别齿轮故障类型,针对齿轮振动信号的非线性及非平稳特性,编写了基于递归图的Matlab程序。利用相空间重构原理,运用C-C算法获得最优延迟时间τ,运用G-P算法得到最佳嵌入维数m,将一维的齿轮振动信号重构为m维的相空间,在重构的高维相空间中提取时间序列的递归特性,构建了齿轮振动信号的递归图。分析递归图发现,齿轮在不同的状态下,递归图呈现不同的特征,主要体现在递归点的个数和分布规律上,表现为集中区域、层状结构的位置和大小不同。通过与传统频谱分析的方法对比,证明递归图方法是一种有效的齿轮故障识别方法。     

基于递归复杂网络的滚动轴承故障诊断

针对滚动轴承振动信号的非线性、非平稳的特征,提出了一种基于递归复杂网络(recurrence complex network,简称RCN)的轴承故障诊断方法。首先,利用相空间重构的理论将一维时间序列扩展到高维相空间中,构建递归矩阵;然后,研究了基于递归思想的定量递归分析方法;最后,采用递归复杂网络的方法提取故障轴承振动信号的非线性特征参数,对轴承正常状态、内圈故障、滚动体故障和外圈故障振动信号进行分析。研究结果表明,RCN方法可以对滚动轴承故障进行较为准确的诊断,与传统方法相比具有较好的诊断效果。     

基于非线性多参数的旋转机械故障诊断方法

应用关联维数、李亚谱诺夫指数等非线性多参数对旋转机械故障诊断进行研究。对所采集的模拟旋转机械振动故障信号,运用相空间重构理论对其时间序列重构。为使重构相空间能充分地反映系统运动特征,对不同故障信号的时间延迟与嵌入维数确定问题进行研究,计算出不同故障信号的关联维数、李亚谱诺夫指数、复杂度和近似熵四个非线性特征量。在此基础上对四个非线性参数进行融合,并定义为非线性度,用这一特征量对故障信号特征进行提取与识别。由于非线性度是关联维数、李亚谱诺夫指数、复杂度和近似熵多参数的综合,更有利于分析识别故障信号,增强可靠性。研究表明:故障类型不同,非线性度指数不同,验证了这一非线性特征量是表征不同故障信息的有效参数。此研究为复杂旋转机械故障诊断提供一种识别方法。     

基于排序模式相异性分析的轴承健康监测

排序模式分析方法通过相空间重构将一维振动时间序列映射到排序模式概率分布,来揭示序列内部结构的复杂性变化,为微弱信号特征提取提供了一种新视角。将排序模式分析和信息散度相结合,提出一种排序信息散度指标,用于对设备不同运行状态下的振动信号在高维相空间中排序模式概率分布的差异性进行量化分析,并用于轴承内圈不同损伤程度评估和轴承全寿命退化趋势分析。结果表明,与传统的时域统计指标及小波熵、近似熵、排序熵等非线性复杂度指标相比较,所提出的排序信息散度指标具有较好的故障程度量化分析性能,对轴承早期故障退化更加敏感,且稳定性好、计算效率高,利于工程实现。     

基于微分熵与RQA的电能质量扰动分析

基于非线性混沌和相空间重构理论,将电能质量扰动信号序列重构到高维相空间,进行递归图(RP)分析。采用微分熵法对电能质量信号进行相空间重构,避免分别求取嵌入维数和延迟时间的不一致性;引入递归定量分析(RQA)进行扰动的定量分析,克服传统特征提取方法对过程平稳的严格要求。利用能够表征信号发散程度的RQA参数-确定率(DET)和分层率(LAM)组成电能扰动信号识别的特征向量,根据不同电能质量扰动信号各自的分布情况,来区分不同的电能质量扰动信号。通过对6种电能质量扰动信号进行实验分析,结果表明:该方法不仅能够很直观地识别电能质量扰动信号,还能利用RQA的特征量对信号进行具体的定量分析,为电能质量扰动分析提供了高效、直观的方法。     

一种LMD和近似熵算法的模拟电路特征提取方法

针对模拟电路故障信号的非线性和非平稳性,提出了用局域均值分解(Local mean decomposition,LMD)和近似熵算法对模拟电路进行特征提取的方法。利用LMD算法把电路故障信号分解为一系列乘积函数(Product functions,PF),再选取前3个PF分量,求它们的近似熵,作为故障的特征向量。电路发生不同故障时,其输出响应信号的复杂度不同,经LMD分解后的PF分量的复杂度就更不相同,而近似熵可以表征时间序列的复杂度,故用LMD加近似熵可以有效提取故障电路的信息。在对故障进行分类判别时,使用核Fisher判别分析,得出各故障的诊断精度。仿真结果显示,本文的特征提取方法在改善故障电路特征的同时提高了诊断准确度,平均分类精度为97.86%。     

基于模糊近似熵与辛几何的肌肉疲劳分析

为探索人体肌肉在运动后疲劳程度的变化,本文运用非线性动力学中的模糊近似熵和辛几何2种方法 ,对12名健康受试者在腕关节负重60%最大自主性施力、直至力竭的情况下,采集静态表面肌电信号作为样本,进行处理分析。模糊近似熵是近似熵算法的改进,可以更好地衡量一个序列的复杂程度;辛几何则运用相空间重构原理,提取主分量谱。试验结果初步表明,应用上述2种方法可相互补充,对受试者的肌肉疲劳程度做出有效、定性的评估,而且2种方法对肌肉信号处理结果的一致性有助于进一步描述肌肉系统的生物力学特征。     

加权相空间重构降噪算法及其在设备故障诊断中的应用

加权相空间重构降噪算法在相空间重构与分解的基础上,将一维的时间序列延拓到高维的相空间,使得一维时序中不易识别的特征在高维相空间变为容易识别的吸引子,通过区分吸引子在高维空间的不同的属性与特征,采用汉宁加权窗将高维信号投影到一维,使得信号的本质特征得到充分体现.根据机械设备发生故I荤其振动信号中往往具有非线性、非平稳性的特点,提出将加权相空间重构降噪算法用于设备故障信号的降噪,并采用数值仿真试验及齿轮故障诊断对此算法进行了分析与验证,结果表明该算法对此类信号具有良好的降噪效果.     

基于递归定量分析的液压泵故障识别方法

提出了一种局部投影消噪和递归定量分析相结合的轴向柱塞泵故障识别方法。以轴向柱塞泵故障振动信号为研究对象，首先用局部投影消噪方法对振动信号进行消噪；其次对消噪后的振动信号绘制递归图，进而通过递归定量分析对递归图所反映出的系统动力学信息进行特征提取，选择确定率（DET）和递归熵(ENTR)2个特征构成特征向量，构成故障特征样本；然后通过核模糊C均值聚类(KFCMC)方法对训练样本进行聚类,进而依据最小欧氏距离准则对测试样本进行故障识别；最后，将递归定量分析方法和相空间复杂网络定量特征方法进行对比。结果表明，基于递归定量分析的轴向柱塞泵故障识别方法具有更高的故障确诊率。     

基于局部投影降噪的低频轴承故障诊断

本文将局部投影降噪算法结合共振解调技术对低频轴承进行故障诊断。局部投影算法将时间序列先进相重构,在高维的相空间上采用局部投影的方法将相空间分解成正交的子空间,来分离时序中背景信号和噪场分量。综合局部投影降噪算法及共振解调技术两都的优点,对低频轴承进行了故障分析与诊断。     

基于多频带谱熵的水平气液两相流结构复杂性分析

针对传统功率谱熵只能刻画总体系统结构复杂性问题,提出既能从宏观角度又能从微观角度反映系统结构复杂性的多频带谱熵的分析方法。分析几种典型信号的多频带谱熵特征,验证多频带谱熵方法的可行性及抗干扰能力;利用环形电导传感器阵列获取动态实验测试数据,计算水平气液两相流波状流、塞状流和弹状流含水率波动的多频带谱熵值,分析3种流型结构复杂性随频带因子变化的演变规律。实验结果表明:波状流的多频带谱熵最低,弹状流多频带谱熵值最高;塞状流的多频带谱熵居于波状流与弹状流之间。3种流型在分析频率为0~8.3 Hz时,呈现近似线性变化的结构复杂性特征以及较强的流型区分度,可以作为流型识别的准则。     

驾驶员驾驶习惯识别与车辆自动变速换档修正

根据不同驾驶员的不同驾驶习惯对自动变速器换档策略进行适应优化。在对驾驶员驾驶操纵行为分析的基础上,提出基于相空间重构与驾驶习惯评价指数的驾驶习惯识别方法实现驾驶习惯识别。首先利用相空间重构方法对驾驶操纵信号时间序列进行相空间重构,建立基于关联维数和Kolmogorov熵的驾驶习惯评价指数进行驾驶习惯识别与换档修正控制,根据不同的驾驶习惯选择不同的换档修正系数,以满足驾驶员的不同换档需求。仿真与实车试验表明,基于相空间重构方法和驾驶习惯评价指数的识别方法可准确识别驾驶员的驾驶习惯,基于驾驶习惯识别的换档修正控制策略可有效完成对车辆自动变速换档规律的修正,充分满足不同驾驶员对车辆换档性能的不同需求,提高车辆自动变速的智能化程度。     

基于小波及非线性预测的轴承故障诊断方法

在非线性时间序列预测研究的基础上,提出非线性预测效果的特征提取方法.首先对采集到的足够长轴承数据采用小波变换进行消噪处理及边界延拓,使其满足预测需要的无限长、无噪声的条件,这样延迟时间取任意值均能重构原系统相空间;然后采用基于可预测性的选取嵌入维数的方法确定轴承各种状态信号的嵌入维数,进行相空间重构.应用实验结果表明:该方法提取的特征值能明显地区分轴承各种状态信号,且对数据分段长度的稳定性好,可以作为识别轴承故障的一种新途径.     

基于混沌理论和神经网络的瓦斯浓度预测研究

针对瓦斯浓度的非线性和混沌时间序列可预测的特点,根据Takens理论重构瓦斯浓度相空间,分别采用互信息最法计算时间延迟τ,G—P算法计算嵌入维数m,并采用BP神经网络对混沌时间序列进行预测,最后通过煤矿瓦斯浓度预测的实例说明预测结果,从而成功实现了对瓦斯浓度的预测。     

混沌预测模型改进及在电力日负荷预测中的应用

针对电力日负荷预测中基于最大Lyapunov指数的传统混沌预测模型的缺陷,提出以下改进思想:采用微分熵法同时确定嵌入维数和延迟时间,改善相空间重构质量的同时,有效减少计算量;引入夹角参数,在与中心点距离最短的点中,筛选夹角最小的点作为最终邻近点;基于相似性原理,引入取舍规则,使得计算结果唯一确定。本文方法解决了传统预测模型计算量大、运算速度慢、预测精度不高以及正负号选取等问题。通过对典型混沌系统数值验证和某地区实际电力负荷系统的预测分析证明了本文方法的可靠性和高效性,为电力日负荷预测提供了一种新的有效途径。     

转子碰摩的非线性运动特征及相关维数分析

在分析Ｊｅｆｆｃｏｔｔ转子碰摩模型的振动响应时,若不考虑静子振动,则碰摩转子系 统的运动具有高度非线性。本文探索了采用非线性和混沌信号的时域处理方法,通 过对碰摩转子系统响应的时间序列相空间重构及其相关维数估计,分析了碰摩转子 系统几种典型运动状态及其相应的相关维数。理论分析和计算结果表明,所估计的 相关维数在不同状态下有着显著的差别,可以对碰摩转子系统不同的状态进行分 类,对碰摩转子运动特性的研究提供了一种新的方法。