基于AMD的经验模态分解含间断信号模态混叠消除方法

针对在经验模态分解筛选过程中间断信号引起的模态混叠问题,提出了一种基于解析模态分解的经验模态分解模态混叠消除新方法。利用第1个固有模态函数的瞬时频率特性得到其频率成分及二分频率,且能实现对间断信号的定位,然后再采用解析模态分解方法分离出间断信号,再对处理后的信号进行经验模态分解,从而消除该间断信号的影响。仿真分析和工程应用的结果表明,该方法能有效消除间断信号在经验模态分解过程中引起的模态混叠现象。     

基于HVD小波包降噪编码深度学习的风电机组智能诊断研究

针对风机齿轮箱轴承振动信号非线性非平稳性对故障诊断的干扰问题,提出一种基于降噪编码器深度特征学习和希尔伯特振动分解(hilbert vibration decomposition, HVD)的智能故障诊断方法。引入峭度评估指标,对HVD分量进行模态选择,并以小波包提取分量能量熵构造特征向量,实现数据预处理。构建层叠降噪编码器(stacked denoising autoencoder, SDAE)模型完成信号的特征学习和故障分类。采用两个轴承数据集进行算法验证,试验结果表明,提出的基于HVD小波包降噪编码方法(HWSDAE)能高效地识别故障信号,具有突出的故障诊断性能,单次最高诊断准确率高达100%,平均诊断准确率可达99.49%,相比未经预处理的轴承数据输入SDAE模型提高了13.52%的故障诊断精度。     

基于VMD和变尺度多稳随机共振的微弱故障信号特征提取方法

针对强噪声背景下旋转机械早期故障诊断的难题,提出一种基于变分模态分解与变尺度多稳随机共振的微弱故障信号特征提取方法。首先应用参数优化的变分模态分解(variational mode decomposition, VMD)算法对微弱故障信号进行分解, 得到若干本征模态分量(intrinsic mode function, IMF);然后通过峭度准则筛选出其中峭度最大的IMF分量;最后对该IMF分量进行变尺度多稳随机共振, 实现微弱故障信号的增强。实例表明:在强噪声背景下,利用参数优化VMD分解与变尺度多稳随机共振相结合的方法,可以有效提取出微弱信号特征频率,实现旋转机械故障状态的准确判断。     

基于解析模态分解的机械故障诊断方法

针对旋转机械故障诊断问题,提出了一种基于解析模态分解(AMD)的旋转机械故障诊断方法。只要知道信号的频率成分,AMD方法就可以将含不同频率成分的信号分解为单频率信号,尤其能够分解有紧密间隔频率成分的信号。对于可预知故障特征频率的旋转机械的故障诊断,可利用AMD方法提取机械振动信号中故障特征频率所在频段的信号,并求该段信号的频谱,若频谱中含有故障特征频率,则说明机械振动信号中存在该故障。通过对滚动轴承故障信号和转子不对中故障信号的分析以及和经验模态分解(EMD)方法的对比,证明了AMD方法的有效性,且AMD方法比EMD方法更快速、准确。     

基于S变换与深度学习相结合的滚动轴承故障诊断方法研究

滚动轴承是机械设备中的重要组成部分,因其故障种类繁多,例如故障位置可能出现在轴承的内圈、外圈或者滚动体,故障的尺度又深浅不一,并且其工作环境往往在强噪声背景下,所以传统的信号处理与分类方法很难做到有效地分类识别。针对这一问题,提出一种基于S变换时频分析提取特征与深度学习故障分类的滚动轴承故障的智能识别方法。首先将原始时域数据经过S变换得到二维特征矩阵,再将特征矩阵输入到稀疏自动编码器(Sparse Autoencoders,SAE)中进一步提取其隐含特征,并通过神经网络实现故障的分类。实验结果表明,应用上述方法可以有效地实现对不同位置、不同故障尺度的滚动轴承故障实现准确的诊断。     

多非线性弹性约束下轧机辊系振动特性

考虑四辊轧机在轧制过程中液压压下缸和平衡缸的非线性弹性约束作用,建立轧机辊系的多分段非线性动力学方程。运用平均法求解系统的频率响应方程,并采用奇异性理论分析系统的分岔行为,得到系统的转迁集以及6组不同的分岔图。以轧机实际参数为例,分析各非线性参数对系统幅频特性曲线的影响,发现系统幅频曲线在各分段处具有向高频段拐弯的特性,适当选取系统参数可有效减小这种行为的发生,这为抑制轧机辊系振动提供了理论参考。     

含参激多自由度轧机传动系统非线性动力学特性

建立含参激多自由度轧机传动系统非线性扭振动力学模型,通过坐标变换将非线性方程组解耦成独立方程,应用Melnikov函数法给出谐波周期扰动力矩下系统出现混沌运动的条件。以某厂1780轧机传动系统为实际算例,将其简化成4自由度非线性扭振模型,通过理论分析和数值仿真对系统在电机扰动力矩、非线性刚度以及非线性阻尼影响下的分岔行为和混沌运动进行研究。运用分岔图、最大Lyapunov指数方法、相轨迹和Poincaré截面图对系统的全局动力学特性进行分析。结果表明,电机扰动力矩、非线性刚度以及非线性阻尼在一定范围变化时系统由周期倍化分岔、准周期运动直至混沌运动,同时出现间歇混沌现象。通过分析揭示了非线性扭振系统存在着复杂的分岔结构和混沌运动,为深入研究轧机传动系统非线性动力学行为的全局性态提供参考。     

基于动态贝叶斯网络与DS证据理论的轧机颤振监测方法

提出了基于动态贝叶斯网络和DS(Dempster/Shafer)证据理论的轧机颤振实时监测方法,该方法预选多个时域和频域的特征参数表征轧机不同工况下振动信号的不同特征,利用稳定判别率方法筛选敏感度高的特征参数;使用动态贝叶斯网络与DS证据理论实时监测模型建立轧机颤振状态实时监测系统,构建连续的速度载荷时间片,将3个连续的速度载荷时间片作为DS证据理论的证据体,给出了优化基本概率分配的信任度方法,解决了DS证据理论的证据体间冲突问题;最后在轧机实验平台进行实验,诊断结果表明：该方法对轧机颤振不同状态的识别率达到99.05%。     

基于非线性耦合双稳态随机共振的轴承微弱故障信号增强检测方法研究

针对滚动轴承微弱故障信号难以检测的难题,提出一种基于新型非线性耦合双稳态随机共振模型的轴承微弱故障信号增强检测方法。噪声背景下,随机共振可以实现微弱信号的增强输出,提高微弱信号特征的检测。提出的非线性耦合双稳态系统是由两个单一双稳态系统经非线性方式耦合而成,通过分析耦合系数、阻尼系数随着噪声强度改变的信噪改善比响应特性曲线图研究了不同参数对随机共振现象的影响。结果表明,耦合双稳系统比单一双稳态系统具有更强随机共振现象的产生。最后采用模型对轴承故障微弱信号进行了增强检测应用,所提出的非线性耦合双稳态随机共振能够实现在复杂的噪声背景下对微弱故障信号的检测。     

基于频率和当量损伤系数的井架钢结构损伤识别

诊断井架钢结构损伤的位置和程度是保证其安全服役的关键技术。提出了仅基于测试精度高的低阶频率数据和体现综合损伤的当量损伤系数米识别井架钢结构损伤位置和程度的方法。首先应用两阶频率变化比和频率平方变化比识别损伤位置；其次，引入体现结构整体综合损伤和单元损伤的参数．当量损伤系数，推导了当量损伤系数与频率变化率之间的关系，应用...