基于概率统计的机器人运行工况检测

为监控工业机器人的运行状态，给出常态的运行标准。该文将利用便携式声学振动仪采集各轴不同速度下的振动信号。利用Matlab计算峭度系数、峰峰值、标准差、平均值及脉冲因子并绘制折线图，进行概率统计分析。对比各轴在变速运行下的参数特征，总结各轴振动特性及值域范围，为工业机器人的故障检测、精度优化和运行监测提供理论基础。     

基于ITD-ELM的发电机转子绕组轻微匝间短路故障诊断

针对转子绕组匝间短路早期故障不易检测的问题，本文提出一种基于本征时间尺度分解ITD(intrinsic time-scale decomposition)和极限学习机ELM(extreme learning machine)的发电机转子绕组轻微匝间短路故障诊断方法。首先，采用ITD算法将同步发电机的运行数据分解为若干旋转PR(proper rotation)分量，并根据峭度准则进行信号重构；然后将重构后的信号作为输入量，诊断结果作为输出量，构建基于ITD-ELM的发电机匝间短路故障诊断模型；最后以一台型号为MJF-30-6的同步发电机数据为样本，对其轻微匝间短路故障进行诊断，结果表明：基于ITD-ELM模型的故障诊断准确率较单一的ELM模型显著提高，验证了本文所提故障诊断方法的有效性和准确性。     

基于孤立森林-控制图与多特征联合的滚动轴承异常状态检测

为保证滚动轴承异常状态检测的及时性并降低虚警率，提出了一种基于孤立森林的多指标改进CUSUM异常检测方法(IF-CUSUM)。首先，对轴承原始振动序列进行小波去噪；然后，基于孤立森林算法去除振动序列的离群点；最后，结合RMS和峭度等指标设计阈值分配方案，给出异常状态检测判定依据。通过60组不同振动演化规律、脉冲强度和噪声等级的滚动轴承故障仿真数据以及FEMTO-ST轴承数据集进行算法验证，结果表明，与基于单一RMS指标、峭度指标的异常检测算法相比，IF-CUSUM算法能较早地检测出滚动轴承运行过程中的异常点，虚警率较低，整体性能和鲁棒性较好。     

基于改进快速峭度图的轴承故障诊断方法研究

针对传统快速峭度图在轴承故障诊断中，通过计算滤波信号的包络峭度确定频带范围容易受到随机脉冲干扰的问题，提出一种基于改进快速峭度图的轴承故障诊断方法。首先运用自相关算法、改进谱幅值调制(improved spectral amplitude modulation, ISAM)算法对包络信号进行处理，获取修正信号并以其频谱峭度衡量冲击响应的强度；然后以修正信号谱峭度代替传统快速峭度图中的包络峭度，得到可降低各频带随机干扰的改进峭度图；最后通过对3组信噪比不同的仿真信号、2组轴承试验信号的平方包络谱故障诊断情况进行对比分析，验证该方法的有效性和稳定性。通过与原始快速峭度图、功率谱峭度图、ISAM法3种方法对比，验证该方法的优越性。对比结果表明，所提方法可有效降低随机脉冲的影响，实现轴承故障特征频率的准确提取。     

低信噪比下的滚动轴承早期微弱故障识别

低信噪比下的滚动轴承早期微弱故障识别是轴承故障诊断领域的一个难点问题，基于希尔伯特变换解调的包络谱分析法虽是得到广泛工程应用的轴承故障检测经典方法，但其对信噪比过低的轴承早期微弱故障诊断能力不足。针对这一问题，采用时频域高阶统计量——谱峭度开展滚动轴承早期微弱故障识别研究。利用滚动轴承从完好逐渐发展到外圈损伤失效的全寿命周期试验数据进行分析，结果表明：对于轴承出现的早期微弱故障，谱峭度法能够通过识别提取位于高信噪比共振频带的微弱故障信号，实现轴承早期微弱故障识别，相比直接采用包络谱分析法提前了200 min检测出微弱故障。     

考虑信号传递路径的行星齿轮传动太阳轮裂纹故障响应分析

为研究振动信号传递路径对行星齿轮传动系统太阳轮裂纹故障响应的影响，采用有限元法建立齿圈结构动力学分析模型，对比分析了考虑与未考虑传递路径的齿圈振动响应，验证了模型中传递路径的时变效应以及模型的有效性。开展了太阳轮裂纹故障试验，采用快速谱峭度法（Fast Spectral Kurtosis,FSK）对实验信号进行降噪以及故障特征提取，验证了太阳轮裂纹故障仿真结果的准确性。结果表明：仅考虑与太阳轮故障齿啮合的行星轮的传递信号时，故障信号在路径中的传递随距离增加呈现不断衰减趋势；当考虑所有行星轮的传递信号时，故障信号出现调制现象，随传递距离增加呈现衰减或增加趋势。     

基于双输入深度卷积神经网络的风力机轴承RUL预测

针对轴承剩余寿命预测中常用健康指标泛化性不足的问题，提出一种基于双输入深度卷积神经网络的轴承剩余寿命预测模型。首先使用自适应最大相关峭度解卷积方法处理轴承信号并采用特征融合手段得到信号的时间序列特征；然后，将信号的时频图和时间序列特征同时作为模型的输入，通过已建立的双输入深度卷积神经网络模型来预测轴承健康因子；最后使用门控循环单元网络与健康因子相结合的方法来预测轴承的剩余使用寿命。在公开的西安交通大学公布的XJTU轴承数据集上对所提方法进行验证，并在风力机高速轴轴承历史监测数据上进行应用。试验结果表明：该方法不但显著提升了健康因子的泛化性能，还在预测精度方面有优异表现。     

基于ESMD的局部放电信号自适应去噪方法

检测电力设备的绝缘缺陷对确保电网安全可靠运行具有重要意义，但电力设备信号易受到现场噪声干扰。因此，抑制局部放电信号背景噪声是准确诊断电气设备绝缘状态的关键问题之一。本研究提出了一种自适应阈值辅助极点对称模态分解(ESMD)的自适应去噪方法，采用ESMD对局部放电信号进行分解得到一系列模态分量，构建基于相关系数和峭度自适应重构准则，以减小噪声干扰对局部放电特征的影响；针对重构的局部放电信号，引入自适应阈值进一步去除重构信号中的残余噪声，从而实现干扰抑制。本算法分别针对局放仿真信号和现场实测信号进行了去噪实验，结果表明，基于ESMD的自适应去噪算法能够有效抑制噪声干扰，保留局部放电信号特征，波形相似系数接近1,提高了局部放电检测的准确性。