基于虚拟传感器的AGV故障诊断方法

为实现自动导引车（automated guided vehicle, AGV）的低成本有效故障诊断,提出一种基于虚拟传感器（virtual sensor,VS）的AGV故障检测方法。首先,基于AGV的结构特性,建立紧凑动力学模型;基于所建立的AGV模型,结合H_∞控制理论,设计全新的VS,使得能够在无需了解AGV轮胎模型且不进行线性化处理的条件下,对车轮横向力、纵向力及转矩进行有效估计,通过相应的定理证明所提VS的可解性与收敛性;进一步,通过比较AGV模型与VS产生的输出响应构造用于故障诊断的残差信号,并给出基于“IF-THEN”规则的故障诊断策略;最后,通过实验验证所提故障诊断方法的有效性。结果表明,所提方法能够对不同运行情况下的AGV状态进行有效检测,从而可为后续复杂AGV系统的全面状态监测提供有益参考。     

基于DDAE-GRA的滚动轴承早期故障诊断

提出一种将深度降噪自编码(DDAE)和灰色关联度分析(GRA)相结合的滚动轴承早期故障诊断方法。使用DDAE提取轴承振动信号的特征,以正常样本特征作为灰色关联分析的参考序列,计算滚动轴承全寿命周期数据样本特征与正常样本特征的关联程度作为轴承性能退化的指标,绘制性能退化曲线并使用3σ阈值判定轴承早期失效时间。对辛辛那提大学轴承数据集外圈故障轴承的分析结果表明：DDAE-GRA模型识别的轴承故障发生在第533个样本,该样本包络谱中出现了明显的外圈故障特征频率及其倍频;DDAE-GRA模型比小波包分解-GRA,DDAE-FCM,DDAE-SVDD具备更好的鲁棒性,更适用于滚动轴承早期故障监测。