模式识别方法诊断机械故障实验分析

本文用统计模式识别方法进行了减速机故障诊断试验,选择振动信号幅值概率分布的前几阶矩作为特征向量来进行状态信息凝聚,实验中,将设备的状态分为正常和故障两种状态,应用模式识别方法进行状态分类,实验数据分析的结果表明,实验方法是有效的。     

基于形态分量分析和EEMD样本熵的自动机故障诊断

针对自动机故障诊断过程中振动信号故障特征较难提取的问题,提出了结合形态分量分析(MCA)和总体经验模态分解(EEMD)的自动机故障特征提取方法。根据自动机振动信号组成成分的形态差异,利用形态分量分析方法构建不同的稀疏字典对各组成成分进行分离,消除噪声分量,提取出反映主要故障特征的冲击分量;对所提取的冲击分量进行EEMD分解并计算各IMF分量的样本熵值,以此作为故障特征向量输入基于离子群优化的支持向量机(PSO-SVM)进行识别。通过自动机典型故障诊断试验表明:形态分量分析方法可有效分离出自动机振动信号中的冲击成分;同时,所提出的特征提取方法能够有效地进行自动机故障诊断。     

利用振动信号诊断发动机气门间隙异常故障

提出了利用气缸盖表面振动信号诊断发动机配气机构气门间隙异常故障的方法,分析了气缸盖表面振动响应与气门机构状态的关系。通过实验和计算,从气缸盖表面的振动信号得到气门间隙异常状态的信息。在此基础上,提出了一种简单有效的时域分析诊断方法。     

基于动力学仿真的行星变速箱故障机理研究

针对某型行星变速箱故障机理研究欠缺和故障诊断困难的问题,在刚柔耦合动力学理论和齿轮故障信号模型基础上,建立了行星变速箱齿轮-箱体刚柔耦合动力学模型,分别计算行星变速箱正常状态和齿轮故障下的齿轮啮合力和箱体表面振动信号,进而研究齿轮故障机理,最后通过对故障模拟试验采集的实测信号与仿真信号的频谱成分对比,验证了所建模型的正确性。结果表明:齿轮发生故障时,振动信号频谱会出现相应的特征边频带。     

用频谱修正方法准确确定包络解调信号的幅值谱

首先,分析了机械设备振动信号包络解调的原理,并针对解调信号频谱分析存在的误差及影响因素,提出了采用三点卷积修正解调信号的幅值的方法;然后,进行了仿真计算;最后,对6010滚动轴承内圈故障的振动信号进行了包络解调分析和三点卷积频谱修正。试验结果表明:该方法能准确得到频谱幅值,为定量确定故障大小提供了理论依据。     

基于线性混合盲分离模型的电机故障诊断方法

基于定子电流信号的频谱分析方法诊断电机故障,其检测的精度易受到噪声干扰及频率分辨率的限制。为解决这一问题,提出了一种基于线性混合盲分离模型的电机故障诊断方法。该方法采用固定点算法从电机的定子电流信号中分离出故障特征信号,由观测信号估计出混合矩阵,据此计算故障特征信号的幅值,再根据幅值在电机正常和故障状态下的变化实现对电机故障的诊断。以电机转子故障为例进行了实验,结果表明:该方法可实现转子断条故障的可靠诊断,并且在短数据条件下,也能取得较好的诊断效果。     

基于EMD和神经网络的气阀机构故障诊断研究

运用经验模态分解(EMD)对柴油机缸盖振动信号进行分析,求得各内禀模态函数(IMF)的能量百分比;将能量百分比作为神经网络的输入进行网络训练和故障识别,实现了气阀机构的故障诊断,取得了较好的效果。     

匹配追踪信号分解法在进气门间隙故障诊断中的应用

介绍了匹配追踪信号分解法在发动机故障诊断中的应用。针对康明斯6BT5.9型发动机进气门振动信号,采用时域表达较为理想的高斯函数作为信号展开的基元函数进行信号分析,并进行了试验验证。     

基于ELM的航空发动机故障诊断方法

以航空发动机主燃油泵为具体研究对象,提出了一种基于基于小波包能量比与极限学习机(Extreme Learning Machine,ELM)的故障诊断方法。对于某型真实航空发动机,采用振动传感器感知发动机附件机匣的振动信号,对获取的发动机附件机匣的振动信号采用DB3小波包对其进行3层小波包分解,求出第3层各频带信号的能量作为原始信号的特征,构建特征向量。用求得的特征向量建立基于ELM的故障诊断模型,对航空发动机主燃油泵进行故障诊断技术研究。为表明该方法的有效性,还设计了基于BP神经网络的故障诊断模型,并对所构建的特征向量进行了诊断。试验结果表明,基于ELM故障诊断方法可以有效提高故障诊断的速度及准确率,具有很好的工程应用前景。     

基于瞬时转速分析的坦克柴油机失缸故障诊断方法

针对柴油机失缸故障检测排除工作效率低的问题,利用瞬时转速分析方法实现柴油机失缸故障快速检测。通过坦克实车故障模拟试验,测量了柴油机气缸失火时的瞬时转速信号,采用非线性插值方法对瞬时转速序列进行整周期调整。利用小波包分解方法对瞬时转速信号提取了转速波动信号,分析提取了瞬时转速信号的复杂度和时域、频域特征,建立了基于支持向量机的故障诊断模型,实现了气缸失火故障诊断,并利用瞬时转速波动率作为判定参数,实现了故障定位。     

改进的四陀螺冗余捷联惯组故障诊断与隔离方法

四个陀螺和四个加速度计构成的冗余捷联惯组系统,采用等价空间法——广义似然比法、最优奇偶向量法进行故障诊断与隔离时,会出现不能正确隔离出故障仪表的问题。分析后得出,存在一个余度时,等价空间法只能诊断出故障,而无法隔离故障仪表,这是由等价空间法的原理决定的。小波变换可对信号进行多尺度分析,能够准确地找出信号奇异点——幅值突变和频率突变等。基于以上问题,利用小波变换对突变信号敏感的特性,提出等价空间+小波变换的组合方法,对四陀螺冗余捷联惯组进行故障诊断与隔离。数字仿真试验证明:对于阶跃型故障,该组合方法能诊断故障并能成功进行故障隔离。     

基于IMCKD与谱负熵的滚动轴承故障诊断方法

针对轴承故障成分常以周期性冲击成分出现在振动信号中,而冲击信号常被强大噪声淹没,导致轴承故障诊断难度较大的问题,提出一种基于改进的最大相关峭度解卷积(IMCKD)与谱负熵的故障特征提取方法。首先,采用改进的最大相关峭度解卷积以最大相关峭度为目标对原始振动信号进行降噪处理,检测信号中的周期性冲击成分;然后,以最大谱负熵值为准则寻找信号的最佳分析频段;最后,通过平方包络解调提取出轴承的故障特征。仿真和实测信号验证了该方法的有效性。     

基于D-S证据融合的转子碰摩故障诊断方法

转子碰摩故障可以体现在转子振动、定子振动和转子瞬时转速波动等多项信息中,每种信息代表了不同侧面的故障特征,因此可通过多信息融合方法来提高诊断的正确性.为此,构造了基于定子振动和转子瞬时转速信号的转子碰摩故障诊断识别框架,采用S函数确定了mass函数的形式,给出了基于Dempster-Shafer证据理论的推理方法,将定...     

基于阶次小波包与粗糙集的轴承故障诊断

针对齿轮箱启动过程中振动信号表现为非平稳、非高斯特征及传统诊断方法诊断精度不高的现状,将阶次小波包和粗糙集理论引入轴承的故障诊断中,提出了一种新的故障诊断方法。首先利用阶次跟踪算法对瞬态振动信号进行重采样,得到等角度分布振动信号,其次采用小波包对该信号分解—重构,并对每个频段的能量进行归一化,构成特征向量,通过粗糙集理论得到清晰、简明的决策规则,最后通过故障实例验证该方法的有效性。     

基于EMD、遗传算法及神经网络的柴油机故障诊断

研究了将经验模式分解(Empirical Mode Decom position,EMD)、遗传算法及BP神经网络相结合对柴油机振动信号进行故障诊断的方法。首先运用经验模式分解方法对柴油机缸盖表面振动信号进行分解并提取特征参数;然后利用遗传算法对得到的特征参数进行选择,找到对于故障诊断最为敏感的参数;最后建立了BP神经网络模型对柴油机典型故障进行诊断。通过对某型柴油机的验证,表明该方法能够准确识别柴油机供油系统的典型故障。     

基于小波包和支持向量机的舰用发动机故障诊断

舰用发动机是一个复杂的大系统,由于受到海洋恶劣气候的影响,其故障发生的概率大大增加,因此,对舰用发动机故障诊断进行研究具有重大实际意义。以舰用发动机的主泵轴承为例,提出了基于小波包和支持向量机的故障诊断方法。首先采用振动加速度传感器获取轴承的振动信号,然后对采集数据进行多层小波包分解,求各频带信号能量,形成各种故障模式下的特征向量。将形成的故障特征向量训练集输入到支持向量机,通过训练建立诊断分类器,并运用测试数据对建立的诊断分类器进行测试。实验结果表明,该方法可以很好地实现舰用发动机故障诊断效能,具有很好的工程应用前景。     

基于模糊理论和频谱分析的电力电子设备的故障诊断

将模糊理论和频谱分析引入电力电子电路故障诊断之中.对关键点的电压信号进行数据采集, 然后对此信号进行频谱分析,得到被诊断元件不同故障时关键点的频谱特征.通过确定各待诊断元件的故障隶属度,确定故障元件.故障诊断实例和仿真结果表明,本方法是可行的.     

基于改进LS-SVM的异步电机转子故障诊断

为了提高异步电动机转子故障的诊断精度,给出了一种基于改进最小二乘支持向量机(LS-SVM)的多故障分类算法。首先运用FFT处理电机的定子电流信号得到信号频谱图,从中提取故障特征向量;然后将特征向量送入改进算法进行故障诊断时,在原有多分类算法的基础上引入层次分析法确定故障类别的权重,根据权重值确定故障的诊断顺序,依次进行故障分类。实验表明,改进算法用于故障诊断节省了诊断时间,提高了诊断精度,具有很好的推广前景。     

小波方法在滚动轴承振动信号分析中的应用

通过分析滚动轴承表面损伤类故障信号的特点,提出了基于小波包分解和信号重构技术的滚动轴承故障精密诊断方法.试验表明,该方法是有效的,适用于滚动轴承早期故障的振动监测和诊断.     

基于时频信号项的输电塔损伤识别柔度矩阵法

将悬臂结构损伤识别柔度矩阵法和振动时域响应信号时频分析方法相结合,利用柔度矩阵与结构参数间的线性关系,引入突卸荷载激励下振动响应的WVD时频分布信号项幅值向量,通过求解损伤系数方程来识别集中质量型输电塔结构的损伤位置和程度。算例分析表明,所提出的方法通过一次测量就能准确地识别出结构单个或多个损伤的程度,并具有良好的抗噪性。