融合Autogram的共振解调和1.5维谱的滚动轴承复合故障诊断方法EI北大核心CSCD

对滚动轴承复合故障进行诊断时,通常采用先分离后诊断的信号处理方法,由于故障特征信号相互耦合或干扰,容易出现误诊或漏诊的现象,针对该问题,提出了基于Autogram的共振解调和1.5维谱的复合故障诊断方法,能够在不分离复合故障信号的前提下识别故障类型。采用变分模态分解(VMD)对原始振动信号降噪,提出了一种综合指标Z选取VMD的有效分量进行信号重构,提高信号的信噪比;使用Autogram算法确定共振频带中心频率和带宽,对共振信号进行包络解调,得到包络信号的1.5维谱,根据1.5维谱中的故障特征来识别滚动轴承复合故障的类型。采用滚动轴承3种不同类型复合故障的实测信号验证了所提方法的可行性,试验结果表明,所提出的方法可以提高复合故障识别的准确性和直观性。     

基于规则与案例推理的汽轮发电机组故障诊断专家系统

汽轮发电机组故障特征具有多样性与不确定性,单一推理方式的故障诊断系统不能有效地给出诊断结果及维修策略,设计出结合规则推理与案例推理的集成故障诊断专家系统,研究了其智能推理的工作流程。提出基于置信度的不确定性推理方法对故障进行规则推理,在诊断结果不确定或无结果时采用基于案例的推理机制;选择案例推理时,利用贝叶斯模型进行案例索引和改进的Euclid贴近度的方法检索历史案例,并对出现的新案例进行修正与学习。采用CLIPS专家系统开发工具、SQL数据库和C#编程语言3种软件开发设计该专家系统,通过实例测试表明,该专家系统具有较好的性能,诊断效率较高。