基于支持向量机的往复压缩机气缸活塞系统故障诊断技术

提出了一种基于支持向量机的往复压缩机气缸活塞系统故障诊断技术。压缩机P-V指示图是压缩机气缸部分工作状况的真实记录,该技术将采集的气缸压力信号经归一化处理后作为特征向量,输入到由多个支持向量机构造的多值分类器中进行故障模式分类。试验结果表明,该技术对多种气缸活塞系统故障诊断的准确率较高。与常用的BP神经网络相比,该诊断技术具有较强的适应性和更好的有效性、鲁棒性。     

基于残差网络的RV减速器故障诊断

为了提升对RV减速器的故障诊断的准确率,采用残差网络诊断RV减速器的故障。通过振动试验台测得RV减速器4种故障模式与正常模式下的振动信号,由此构造训练和测试数据集,并对训练集进行数据增强处理。然后将截取的一维信号样本预处理转换为二维信号样本,输入残差网络进行训练和5折交叉验证。接着通过残差网络的分类准确率与DNN、LeNet、10层CNN等模型的准确率进行比较,结果表明残差网络优于传统方法,对RV减速器故障的分类准确率达到了98.11%。进一步采用了西储大学轴承数据集对模型的泛用性进行验证。最终,通过LDA(线性判别分析)对残差网络平均池化层的输出进行降维,分析了散点图与RV减速器故障类型之间的关系。     

基于BP神经网络的液压缸内泄漏诊断

液压缸是工程机械中常用的执行元件,内泄漏是其常见的故障模式,将严重影响机械系统的工作效率和安全性,及时识别液压缸内泄漏能够保证液压缸的安全正常工作。通过小波分解提取液压缸进口压力信号特征,利用BP神经网络建立分类器,实现了对液压缸内泄漏的智能识别,分类准确率高,提高了液压缸内泄漏故障诊断的效率,为实现液压缸智能状态监控提供了基础。     

基于特征贡献率的机械故障分类方法

为提高往复压缩机、航空发动机等复杂机械故障分类的准确率,依据特征参数对不同故障的敏感度存在差异的特性,提出一种狄利克雷过程混合模型(Dirichlet process mixture model,简称DPMM)与贝叶斯推断贡献(Bayesian inference contribution,简称BIC)相结合的分析方法。采用DPMM方法自学习机械振动信号高维特征的统计分布模型,并依据BIC理论计算得到各特征参数对模型的贡献率,通过对比观测数据与各类故障数据特征贡献率间的差异实现故障分类。试验结果表明,该方法的平均分类准确率比基于高斯混合模型(Gaussian mixture model,简称GMM)的故障诊断方法的平均分类准确率提高19.29%,比基于Relief算法的故障诊断方法的平均分类准确率提高32.71%,且该方法的时效性高,泛化性能强,能够更有效地进行复杂机械故障分类。     

基于特征贡献率的机械故障分类方法

为提高往复压缩机、航空发动机等复杂机械故障分类的准确率,依据特征参数对不同故障的敏感度存在差异的特性,提出一种狄利克雷过程混合模型(Dirichlet process mixture model,简称DPMM)与贝叶斯推断贡献(Bayesian inference contribution,简称BIC)相结合的分析方法。采用DPMM方法自学习机械振动信号高维特征的统计分布模型,并依据BIC理论计算得到各特征参数对模型的贡献率,通过对比观测数据与各类故障数据特征贡献率间的差异实现故障分类。试验结果表明,该方法的平均分类准确率比基于高斯混合模型(Gaussian mixture model,简称GMM)的故障诊断方法的平均分类准确率提高19.29%,比基于Relief算法的故障诊断方法的平均分类准确率提高32.71%,且该方法的时效性高,泛化性能强,能够更有效地进行复杂机械故障分类。     

基于总体局域均值分解及稀疏表示分类的天然气管道泄漏孔径识别

针对天然气管道泄漏受孔径、传感器距离、管道内压力等多种因素影响,特征提取及识别算法较为复杂的问题,提出了基于总体局域均值分解-相对熵的特征提取算法并结合稀疏表示分类的泄漏孔径识别新方法。该方法采用总体局域均值分解方法对泄漏信号进行自适应分解,得到不同孔径泄漏信号的特征信息,并根据KL散度选择包含主要泄漏信息的PF分量,在此基础上提取多种时频特征参数,获取全面准确表征泄漏信号的特征向量;针对小样本复杂信号的分类,提出稀疏表示分类器实现泄漏孔径准确分类。该分类器采用过完备字典求得测试信号的最稀疏解,并以此解作为测试信号的稀疏重构系数,以获取测试信号在不同类别中的重构信号,最终通过判断测试信号与重构信号的残差值大小完成泄漏孔径分类。实验结果表明,所提出的算法比传统的SVM及BP分类算法识别准确率高。     

融合动态压力角域特征与多源信号的压缩机气阀故障诊断方法

针对不同故障下往复压缩机气缸动态压力数据特征非线性变化的特性，提出一种基于动态压力角域特征与多源信号的气阀故障诊断方法，构建了气缸动态压力仿真模型，基于气缸、气阀实际参数完成不同工况动态压力数据仿真，对实测与仿真数据进行归一化处理，提取整周期角域特征；进一步，提取振动、位移、管道温度等多源信号特征，采用径向基神经网络完成数据训练与故障诊断；应用实际往复压缩机气阀故障案例数据进行了测试验证。     

基于瞬时转速的柴油机早期弱故障诊断实验研究

瞬时转速蕴含了大量柴油机运行状态信息,已经成功用于失火严重故障的诊断,但对于早期弱故障的诊断尚缺乏进一步的研究。针对6-135型柴油机,通过在不同程度上调整气缸喷油量、调整气阀间隙、模拟气阀泄漏等方法模拟柴油机早期故障,在不同工况下进行实验数据采集,计算柴油机瞬时转速信号,并分析其不同状态下的变化规律。发现柴油机瞬时转速信号可以用于判断多种早期故障,各缸瞬时转速升程归一化比值P是较直接的特征参数。正常状态下,各缸瞬时转速P值在0.9~1.1以内,若某缸升程P值下降超过10%,可认为该气缸存在故障。该方法对于影响缸内压力的故障如各气缸喷油量不均匀、气阀泄漏等比较敏感,对于活塞-缸套间隙过大等对缸内压力影响程度小的故障不敏感。     

基于小波分析的液压缸内泄漏检测方法

现有的液压缸内泄漏检测方法大都为实验室检测方法,主要为保压法、测量液压缸沉降法和量杯测量法等,上述方法均为静态检测方法,均无法在液压缸的使用过程中对液压缸的内泄漏进行态检测。详细地介绍一种基于小波分析提取液压缸内泄漏故障特征值来判断液压缸是否存在内泄漏故障的实时检测方法。该方法实时采集液压缸在运行过程中无杆腔液压油的压力信号并对采集的压力信号运用小波变换获得该压力信号的时频特性,分析获得与液压缸内泄漏故障相关的特征量,通过对提取的被检测液压缸内泄漏故障特征量与无泄漏故障的特征量进行对比的方式来实现对液压缸内泄漏故障的精确检测。可实现在液压缸的工作过程中对其内泄漏故障状态的实时检测,检测的准确度较高,具有一定的工程实际意义。     

基于进化支持向量机的机载燃油泵故障诊断及实验研究

针对机载燃油泵故障数据少、诊断方法效率低、成本高等问题,研制了机载燃油转输系统实验平台,提出了一种基于小波包和进化支持向量机的机载燃油泵故障诊断方法。该方法依据机载燃油转输系统实验平台获取的振动传感器信号与压力传感器信号,利用小波包理论对振动信号进行分解,以不同频段信号的能量值作为特征参数,并结合出口压力信号均值构造故障特征向量。然后,将基于遗传算法的支持向量机作为分类模型,以得到的故障特征向量训练并验证该分类模型。试验结果表明,方法一方面能够提高故障分类准确率,另一方面能够优化传感器的设计,即只安装一个压力传感器与一个特定方向的振动传感器即可对机载燃油泵的多故障诊断率达100%。     

盾构机液压推进系统故障分析与仿真研究

针对盾构机液压推进系统的故障诊断问题,以在芜湖长江隧道项目过程中所使用的大型液压驱动型泥水盾构机为研究对象,分析了盾构机液压推进系统的工作原理,总结了推进系统中液压缸泄漏、换向阀泄漏及溢流阀泄漏故障模式的发生机理及其对推进系统造成的影响。利用AMESim平台建立推进系统模型,对液压缸泄漏、换向阀泄漏及溢流阀泄漏3类故障进行仿真分析,并提取液压缸推进速度、推进行程、无杆腔流量和系统压力4种推进参数的仿真数据。仿真结果表明：发生液压缸泄漏故障时,活塞杆无法伸出,推进速度为0;发生换向阀泄漏故障时,液压缸出现自走现象,推进速度明显降低;发生溢流阀泄漏故障时,系统压力明显降低,液压缸无法克服阻力向前推进。为后续盾构机推进系统的故障诊断和预测提供了有价值的参考。     

Diesel Engine Valve Clearance Fault Diagnosis Based on Features Extraction Techniques and FastICA-SVM

Numerous vibration-based techniques are rarely used in diesel engines fault diagnosis in a direct way, due to the surface vibration signals of diesel engines with the complex non-stationary and nonlinear time-varying features. To investigate the fault diagnosis of diesel engines,fractal correlation dimension, wavelet energy and entropy as features reflecting the diesel engine fault fractal and energy characteristics are extracted from the decomposed signals through analyzing vibration acceleration signals derived from the cylinder head in seven different states of valve train. An intelligent fault detector FastICA-SVM is applied for diesel engine fault diagnosis and classification.The results demonstrate that FastICA-SVM achieves higher classification accuracy and makes better generalization performance in small samples recognition. Besides,the fractal correlation dimension and wavelet energy and entropy as the special features of diesel engine vibration signal are considered as input vectors of classifier Fast ICASVM and could produce the excellent classification results.The proposed methodology improves the accuracy of feature extraction and the fault diagnosis of diesel engines.     

分形维数在内燃机振动诊断中的应用

将分形理论引入内燃机的振动诊断中,根据内燃机的配气定时,着重研究了缸盖振动信号中对应燃烧段的数据,计算其关联维数,将关联维数用于刻划内燃机缸盖在气门不同状态时表现的非线性行为,从而进行故障诊断与分类。结果表明,当气门在不同状态时,缺盖振动信号中对应燃烧段数据的关联维数是不同的,可以将其作为判断气门漏气的一个诊断特征量。     

气力输送流型与压力信号关系研究

以压缩空气作为介质,在内径为65 mm的管中分别进行稀相与密相气力输送实验,并据此研究了压力信号与流型的关系.通过分析压力信号的波动和功率谱密度,发现压力信号与颗粒输送流型存在密切关联.研究表明:密相气力输送系统压力信号的波动范围和波动标准差均远大于稀相输送;并且密相气力输送系统压力信号的概率密度分布分散,总体呈现典型...     

一种基于活塞杆动态能量指数的故障监测诊断方法

活塞杆是往复机械核心运动部件,在大载荷气体力、往复惯性力作用下易发生疲劳断裂,进而导致活塞撞缸、压缩介质外泄、着火爆炸等恶性事故发生。活塞杆运行状态的有效监测是避免恶性故障发生的关键。本文基于在线监测系统数据提取了活塞杆轴心动态能量指数,用以评价活塞杆实际运行状态,通过实测活塞杆纵向与横向位移信号,计算活塞杆轴心运行轨迹,获得轴心在纵向与横向上的瞬时运动能量,结合常规活塞杆位移监测信号,可对典型的磨损故障、松动故障与断裂故障进行故障预警。实际故障案例数据验证了本文方法的有效性。     

机械压力机节能型气压式制动方式设计理论

在分析现有机械压力机制动方式存在耗能耗材的不足基础上,提出机械压力机节能型气压式制动系统,并论述其工作原理。通过对机械压力机采用节能型气压式制动方式工作过程的分析,建立由气体的能量方程、流量连续方程、状态方程和制动气缸制动过程的动力学方程组成的数学模型。通过对节能型气压式制动气缸内气体热力学特性的分析,建立制动过程中制动力及制动功的计算公式。针对JH23-63型630 kN机械压力机,研制节能型气压式制动装置,并试验验证了该数学模型的正确性、实用性和可靠性。     

特种车辆油气弹簧漏气故障的识别与预测

针对特种车辆实现基于状态的维修和自主保障需求,首次对特种车辆悬挂系统的核心部件油气弹簧进行了基于数据驱动方法的状态识别和故障预测研究。对油气弹簧的主要故障模式和机理进行了分析,针对发生频率最高的漏气故障,提出了一种适用于不同工况下的基于相同位移下气压变化的特征提取方法。提出了一种基于支持向量分类机和回归机的故障识别和预测框架,采用该框架能适应实车应用环境的要求,无需增加额外传感器,只利用车辆现有的测试环境就能实现油气弹簧漏气故障的实时监测和预防性维护,与其他基于振动信号的方法相比更具有实用性。在试验室内进行了模拟状态退化试验,利用采集的数据验证了方法的可行性,可用于特种车辆油气悬架的在线状态监控和预测。     

Electrical motor current signal analysis using a modified bispectrum for fault diagnosis of downstream mechanical equipment

This paper presents the use of the induction motor current to identify and quantify common faults within a two-stage reciprocating compressor based on bispectrum analysis. The theoretical basis is developed to understand the nonlinear characteristics of current signals when the motor undertakes a varying load under different faulty conditions. Although conventional bispectrum representation of current signal allows the inclusion of phase information and the elimination of Gaussian noise, it produces unstable results due to random phase variation of the sideband components in the current signal. A modified bispectrum based on the amplitude modulation feature of the current signal is then adopted to combine both lower sidebands and higher sidebands simultaneously and hence characterise the current signal more accurately. Based on this new bispectrum analysis a more effective diagnostic feature, namely normalised bispectral peak, is developed for fault classification. In association with the kurtosis value of the raw current signal, the bispectrum feature gives rise to reliable fault classification results. In particular, the low feature values can differentiate the belt looseness from the other fault cases and different degrees of discharge valve leakage and inter-cooler leakage can be separated easily using two linear classifiers. This work provides a novel approach to the analysis of stator current for the diagnosis of motor drive faults from downstream driving equipment.     

基于小波包与LS—SVM的气阀故障诊断

基于小波包原理,对柴油机的缸盖振动信号进行小波包分解,利用“频带能量”的特征提取方法得到特征向量,并作为LS-SVM的输入进行训练和分类检验,提出了一种基于小波包和LS—SVM的气阀故障诊断方法。结果表明不同状态下的气阀漏气故障能得到识别和分类,且具有较高的精度。