一种改进时域同步平均的滚动轴承故障诊断方法研究

复杂结构设备的滚动轴承其振动信号成分复杂,故障信号微弱,信噪比很小,常规诊断方法难以有效消除背景噪声,有效提取故障信息.文中研究了基于相位补偿时域同步平均的滚动轴承故障诊断方法,并根据轴承故障信号存在调制的特点,探讨了同步周期的合理选取.通过对轴承内圈故障的仿真研究,验证了相位补偿时域同步平均方法的有效性,它能够同时提取故障特征频率与调制频率,为精确诊断轴承故障提供了新的途径.经进一步实验研究,证明该方法是有效的.     

基于EEMD-Hilbert和FWA-SVM的滚动轴承故障诊断方法

为有效提取非平稳特性的滚动轴承振动信号特征,提高故障诊断效率,提出一种采用集合经验模态分解（empiricalmode?decomposition,EEMD）、Hilbert变换的特征提取方法,并利用烟花算法优化支持向量机（support vector machine,SVM）分类参数的滚动轴承故障诊断方法. 通过EEMD方法将目标信号分解成若干个模态函数,采取Hilbert变换获取模态函数的瞬时频率,并对模态函数及其瞬时频率进行统计特征提取,从而实现特征的有效降维. 结果表明:信号经过EEMD-Hilbert处理后特征能有效提取,将训练集和测试集各600组数据代入烟花算法优化SVM模型得到测试集正确率为99.63%;比传统的遗传算法和粒子群算法优化模型分别提高0.4%和0.2%左右;同时收敛时间更短,验证了该算法模型的可行性与有效性.      

经验模式分解法(EMD)在滚动轴承故障诊断中的应用

在非平稳过程中,由于机械设备所受的应力比平稳过程中所受的应力更为复杂．因此,对设备的非平稳过程进行监测有利于发现早期故障,避免故障发展导致的严重破坏,本文将EMD（Emirical Mode Decomposition)法应用于机械故障诊断当中．由于EMD法具有自适应的特性,适宜于非平稳信号的分解,该方法应用于滚动轴承的故障振动信号分析中,结果表明谊方法能够突出滚动轴承故障振动信号的故障特性,从而提高了滚动轴承故障诊断的准确性。     

基于EMD分解和共振解调的滚动轴承故障诊断研究

在介绍滚动轴承的故障机理的前提下,采用振动信号分析法对滚动轴承状态监测和故障诊断进行研究。通过LabVIEW编程,应用EMD分解和共振解调相结合的方法,对振动信号进行分析,获取有用故障特征,进而确定故障类型。     

基于联合抗噪算法的滚动轴承故障诊断研究

轴承通常工作于复杂噪声环境下,使得时域振动信号容易受到各种噪声的污染,从而误导诊断结果。针对以上问题,提出基于一维卷积自编码(1D-DCAE)和一维卷积神经网络(1D-CNN)的联合抗噪故障诊断算法。为了模拟真实噪声环境,在原始振动信号中添加不同信噪比的高斯噪声,用1D-DCAE对原始信号降噪,再将降噪信号用于1D-CNN进行故障诊断。基于全卷积神经网络搭建1D-DCAE模型,并舍弃池化层以降低信息丢失,以提高联合诊断模型的抗噪能力。结果表明:采用基于全卷积网络搭建的1D-DACE有更好的降噪效果,改进后的模型能自适应诊断各种噪声环境下的故障。     

基于岭回归-马氏距离的隧道围岩分类预测方法的研究

基于岭回归与马氏距离判别法的基本原理,选取岩石质量指标RQD、完整性系数Kv、单轴饱和抗压强度Rw、纵波波速Vp、弹性抗力系数Ko和结构面摩擦系数f作为评价指标,通过岭回归分析确定其权重系数,根据权重系数的大小剔除权重较小的指标,最终采用Rw,Ko和f建立马氏距离判别模型,并利用广东省某隧道工程进行模型检验。结果表明：岭回归-马氏距离判别法预测结果与实际相吻合,从而验证了岭回归-马氏距离判别法用于围岩分类预测是可行的。最后,运用建立的岭回归-马氏距离判别模型对东深供水改造工程隧洞围岩进行预测,经计算分析发现,所选洞段围岩判别结果与《水工隧洞设计规范》（SL279-2002）的分类结果一致,进一步证明了该方法用于隧道围岩分类预测的合理性及有效性。     

Fault Early Diagnosis of Rolling Element Bearings Combining Wavelet Filtering and Degree of Cyclostationarity Analysis

The vibration signals of rolling element bearing are produced by a combination of periodic and random processes due to the machine＇s rotation cycle and interaction with the real world. The combination of such components can give rise to signals, which have periodically time-varying ensemble statistical and are best considered as cyclostationary. When the early fault occurs, the background noise is very heavy, it is difficult to disclose the la- tent periodic components successfully using cyclostationary analysis alone. In this paper the degree of cyclostationarity is combined with wavelet filtering for detection of rolling element bearing early faults. Using the proposed entropy minimization rule. The parameters of the wavelet filter are optimized. This method is shown to be effective in detecting rolling element bearing early fault when cyclostationary analysis by itself fails.     

基于Lempel-Ziv算法与TOPSIS的水上交通流复杂性测度

为了定量分析并划分水上交通流的复杂性等级, 提出了一种基于Lempel-Ziv算法与TOPSIS的水上交通流复杂性测度方法。运用Lempel-Ziv算法求得实测水上交通流时间序列和对比序列(周期序列、Logistic序列、Henon序列、随机序列) 的复杂性特征值, 采用TOPSIS得到各个序列的贴近度, 根据对比序列的贴近度划分复杂性等级区间, 按照水上交通流时间序列的贴近度和所在的复杂性等级区间来表征各个序列的复杂程度, 并对长江口南槽航道的实测水上交通流进行复杂性测度。计算结果表明: 船舶交通事故数量和下行标准船舶数量与船舶交通流时序复杂性贴近度的相关系数分别为0.698 1、0.769 2, 变化趋势基本一致, 表明贴近度的计算结果可以反映水域船舶交通流的复杂性; 周期序列的贴近度为0.000 1, 随机序列的贴近度为0.999 9, Logistic序列和Henon序列的贴近度分别为0.449 2、0.537 7, 其值大于周期序列的贴近度, 小于随机序列的贴近度; 2013年7~11月水上交通流序列的贴近度分别为0.828 0、0.852 7、0.856 5、0.823 7、0.810 7, 说明序列的复杂性基本一致; 5个月的水上交通流序列的贴近度远大于周期序列的贴近度, 处于随机序列和Henon序列的贴近度之间, 更接近随机序列的贴近度, 说明水上交通流系统不是周期与完全随机的动力学系统; 5个月水上交通流复杂性的整体等级为1级, 表现出高复杂性的特点。     

具有滚动轴承座松动故障转子系统的分叉和混沌

以转子动力学、Hertz理论和非线性动力学理论为基础，针对一端轴承座松动的滚动轴承——转子系统的具体特点，建立了系统的动力学方程。通过数值仿真研究了转子系统在转速变化和松动间隙扩展时显示的周期分叉、拟周期和混沌运动等复杂动力学现象及其变化规律，得出了有价值的结论，可为该类故障的诊断提供参考。     

基于压缩感知的滚动轴承故障信号提取技术研究

针对目前奈奎斯特采样方式对信号进行采集所产生的数据量较大的问题,提出一种基于压缩感知并结合神经网络的滚动轴承故障信号检测方法,通过K-奇异值分解算法构造冗余字典,利用神经网络以映射后观测矩阵的前一部分值预测全部观测值,实现信号的二次压缩,最终利用子空间追踪算法基于预测出的观测矩阵对信号进行重构,通过重构信号频谱可获得轴...     

DSP技术及其在高速列车转向架滚动轴承测振仪上的应用

目前对列车转向架滚动轴承的状态进行监测常常表现出有错报，漏报和监测效率低等问题，针对这一问题，提出了一种基于DSP的滚动轴承故障在线诊断的电路设计，有效地解决了以往监测方法中由于电路问题所出现的不可避免的响应延迟时间及过多的相位噪声等问题。     

DSP技术及其在高速列车转向架滚动轴承测振仪上的应用

目前对列车转向架滚动轴承的状态进行监测常常表现出有错报、漏报和监测效率低等问题,针对这一问题,提出了一种基于DSP的滚动轴承故障在线诊断的电路设计,有效地解决了以往监测方法中由于电路问题所出现的不可避免的响应延迟时间及过多的相位噪声等问题.     

基于声发射技术的滚动轴承故障诊断方法研究

利用声发射信号的高频特性采集滚动轴承故障信息,运用小波分析把信号分解在不同频带,对信号进行重构,从而消除背景噪声,再应用Hilbert变换进行解调和细化频谱分析。实验结果证明,基于声发射信号的小波包络谱分析可有效地检测滚动轴承故障。     

小波分析在滚动轴承故障诊断中的应用

主要是针对故障滚动轴承的非平稳振动信号提出了一种应用小波函数的时一频分布分析方法,对故障特征进行提取,并借助Matlab语言编程实现对故障滚动轴承信号特征频率的仿真,与理论公式计算结果基本吻合。     

基于信号预处理和Hilbert变换的滚动轴承故障诊断

针对滚动轴承振动信号复杂和非平稳的特点,及故障信号常常淹没于各种噪声的情况,先利用消除趋势项和小波降噪对包含故障信息的信号进行预处理,再应用Hilbert变换对信号进行包络解调和频谱分析,提取滚动轴承故障特征频率,并判断其故障模式.对滚动轴承内圈、外圈和滚动体故障的诊断试验,证明了信号预处理和希尔伯特(Hilbert)变换相结合的方法对滚动轴承内圈和外圈局部损伤故障的诊断是有效的和可行的,但不能很好地检验出轴承滚动体的故障特征     

基于人工神经网络的整流电路故障诊断

提出了一种基于人工神经网络进行整流电路故障诊断的方法.分析了变频器整流电路的故障模式,提出了根据直流母线电压频谱作为神经网络的输入进行故障定位的方法,并进行了仿真研究.     

基于BP神经网络和振动测量的轴承故障诊断

根据BP算法神经网络模型,通过对轴承振动测量的分析,得到故障诊断的方法。阐述BP神经网络应用于轴承故障的基本步骤,包括BP网络结构、状态编码、网络训练、模式识别以及诊断实例分析。指出了BP神经网络在轴承故障诊断中的应用中存在的问题和发展方向。     

Fault Diagnosis and Reliability Analysis Using Fuzzy Logic Method

A new fuzzy logic fault diagnosis method is proposed. In this method, fuzzy equations are employed to estimate the component state of a system based on the measured system performance and the relationship between component state and system performance which is called as “performance-parameter” knowledge base and constructed by expert. Compared with the traditional fault diagnosis method, this fuzzy logic method can use human＇s intuitive knowledge and dose not need a precise mapping between system performance and component state. Simulation proves its effectiveness in fault diagnosis. Then, the reliability analysis is performed based on the fuzzy logic method.