基于小波包模糊熵与RBF神经网络的滚动轴承故障诊断

针对滚动轴承发生故障的振动信号具有复杂度高、非线性的特点,难以准确提取滚动轴承的故障特征和故障识别问题,提出了基于小波包分解(WPD)与径向基函数(RBF)神经网络相结合的轴承故障诊断方法。该方法对滚动轴承振动信号进行三层小波包分解,然后重构各频段的信号,计算各频段信号的模糊熵作为特征矢量,构建训练集和测试集,对RBF神经网络模型进行训练,使用经过训练的RBF神经网络进行故障识别,输出滚动轴承的故障类型。采用美国CWRU轴承数据中心的数据进行仿真实验,结果表明该方法能更有效地诊断出轴承故障类型。     

基于AVMD与DPC-FCM的旋转机械无监督故障诊断方法

目的 针对旋转机械故障诊断过程中存在故障信号特征提取困难、故障诊断过程有标签数据较少、故障诊断准确率低等问题,提出自适应变分模态分解算法(Adaptive Variational Mode Decomposition, AVMD)与密度峰值算法优化的模糊C均值算法(Clustering by Fast Search and Find of Density Peaks Optimizing Fuzzy C-Means,DPC-FCM)结合的无监督诊断方法。方法 首先,将多尺度排列熵与峭度相结合的综合系数作为适应度函数,对VMD算法的惩罚因子alpha和模态个数K进行参数寻优,提取分解后本征模态函数(Intrinsic Mode Function,IMF)的平均样本熵与平均模糊熵,并输入至聚类算法中。其次,提出利用密度峰值聚类算法确定FCM的初始聚类中心,降低聚类结果的随机性。结果 将提出的无监督故障诊断模型应用到滚动轴承试验信号中,实现了准确的故障诊断。结论 AVMD在故障提取方面具有优越性,同时DPC算法可以有效提高FCM算法无监督聚类的准确性,二者结合可以有效实现旋转机械故障的智能分类。     

BP神经网络与Sugeno模糊积分融合 的转子系统故障诊断

目的针对BP神经网络对转子故障诊断方法存在的局限性,提出一种融合Sugeno模糊积分和BP神经网络的转子故障轴心轨迹识别诊断方法。方法首先利用轴心轨迹图像的不变矩为特征向量,提取常见旋转机械转子故障特征,随后利用多个BP神经网络对故障类型进行识别,最终采用Sugeno模糊积分对BP神经网络识别结果进行决策,从而构建转子故障诊断模型,并应用于转子系统故障的诊断。结果通过机械故障仿真模拟实验平台采集了6种常见转子系统故障信号,利用matlab2012a软件编程建模仿真处理,试验表明,该模型有效地提高了转子系统多类别故障的识别正确率。同时,该方法对同一故障类型识别所需样本少,大大节省了数据获取和处理的时间。结论该方法提出并用于转子系统故障诊断中,诊断准确性高,可靠性强,利用样本数据量少,节约时间,对小样本数据的故障诊断有着良好的效果。     

基于决策树支持向量机算法的船用设备故障诊断

目的 提高船用设备的智能化水平,增强船舶的安全性、可靠性,对船上设备进行状态监测,并基于监测数据对设备健康状况进行评估,对可能存在的故障工况进行识别.方法 通过采集机舱内的振动数据,对数据进行预处理、快速傅里叶变换,提取1/3倍频带特征,将倍频带谱信号作为特征向量,利用支持向量机算法进行模型训练及分类.对于船上多种工况及可能存在的多种故障类别,采用决策二叉树方法,提出一种快速、准确的状态监测及故障诊断策略.结果 在实验室工况下识别准确率接近100％.结论 该方法能够对船用设备进行状态监控、故障诊断、健康评估等提供支持,为设备检修、传感器布置等决策提供依据.     

深度学习神经网络在管道故障诊断中的应用研究

针对管道故障诊断特征参数选取经验化和诊断准确率低的问题,提出一种基于深度学习神经网络(DLNN)的管道故障诊断方法。首先建立由自动编码器(AE)和分类器SOFTMAX构成的深度学习神经网络分类(CDLNN)模型,并利用该模型对4类数据集进行分类性能测试;然后运用小波分析法提取8种反映管道运行状态的特征参数,输入AE中进行转换,重构反映管道运行状态的特征参数,最后输入分类器SOFTMAX中进行诊断,将这种基于DLNN的故障诊断方法应用于实验室油气储运管道泄漏检测系统中,以验证方法的有效性。结果表明:该方法的管道故障识别平均准确率达92.86%,其与凭借经验选取特征参数的BPNN方法和SVM方法相比,具有更高的稳定性和辨识率。     

基于光纤传感探测的直升机修理异常振动源定位研究

目的 针对直升机异常振动故障排除,对振动源进行检测,并分析振源频谱,准确定位异常振动源,指导振动源调整,并对调整情况进行检测,提升直升机异常振动排故效率。方法 结合光纤传感器的振动检测特性应用分析,开发一套基于光纤传感探测的直升机修理异常振动源定位系统,实现直升机的振动源动态监控。结果 识别了直升机的主要振动源,分析统计了振动源频率,梳理了直升机试车、试飞典型振动故障,研究了光纤振动传感器感知被测量的实时调制方法和信号调制的光波解调方法,结合应用需求对市场上成熟的分布式光纤传感系统进行了优化设计,采用深度学习技术,对后端数据处理平台软件进行了重新设计。结论 通过有针对性地创建识别模型库,并对模型库进行实际样本训练,模型准确率可达到66.37%。     

基于GWO-VMD算法的齿轮故障自适应特征提取

目的 齿轮产生故障时,利用其声发射信号进行自适应特征提取后诊断。方法 利用变分模态分解方法（VMD）对齿轮发生故障时的声发射信号进行分解。在现实状况中,采集声发射原信号噪声干扰大,导致特征提取准确度低,并且模态分解时参数需要人为调试设定。鉴于此,引入灰狼优化算法（GWO）,对模态分解个数k和二次惩罚因子α自适应选择最优参数后,对信号分解得到本征模态函数（IMF）。通过相关系数选出最佳IMF作为特征分量,计算其峭度和样本熵。结果 计算了各分量的相关系数,选取与原始信号最为相近的分量,分别计算其峭度和样本熵。分解后,齿轮故障声发射信号峭度高于正常的情况,而样本熵则偶然性表现为正常情况下的值大于故障条件下的值。结论 采用支持向量机对特征向量集进行分类识别,对比改进后的试验结果,GWO-VMD结合峭度–样本熵的方法能够有效地提取故障特征,判断齿轮状态是否健康。     

基于GA优化SVM的滚动轴承故障诊断方法研究

在滚动轴承故障诊断研究中,常采用时域、频域或者时频域分析方法对振动监测数据进行故障诊断。时域中的无量纲指标因对故障敏感,而被广泛运用于机械故障诊断中,但目前无量纲指标在诊断过程中存在严重重叠问题,造成诊断准确率低。为了解决这个问题,研究了基于互无量纲指标和支持向量机(SVM)结合的滚动轴承故障诊断方法。针对SVM对参数依赖性强,且在参数选择上没有系统理论而导致欠学习或过学习的问题,提出了一种基于遗传算法优化支持向量机(GA-SVM)的滚动轴承故障诊断方法。利用遗传算法进化搜索原理,以预测的准确率作为适应值,对SVM参数进行寻优,从而得到较优的支持向量机分类模型。实验表明,基于互无量纲指标和GA-SVM算法的故障诊断方法能够准确地识别旋转机械滚动轴承的状态。     

基于人工免疫算法的离散隐马尔科夫故障诊断模型优化

目的解决离散隐马尔科夫模型在行星齿轮箱故障诊断中的自适应性和泛化性问题。方法建立人工免疫优化模型,将包含易被误判样本的多样本集作为抗原,以其正确识别率为适应度函数,不断对初始观测矩阵进行增殖、变异和选择,获得识别率最高时的初始观测矩阵,利用人工免疫算法对隐马尔科夫故障诊断模型的初始观测矩阵进行优化。结果将该方法应用于行星齿轮箱的故障诊断中,通过不同工况下的对比试验、单样本和多样本优化对比试验,验证了优化后的隐马尔科夫故障诊断模型的诊断效果。结论优化后的隐马尔科夫故障诊断模型具有更好的适应性,诊断精度显著提高。     

基于遗传神经网络的除湿机故障诊断与寿命预测

目的识别除湿机的性能状态和预测吸附剂的剩余寿命。方法针对除湿机故障过程缓变的特点,提出一种基于数据驱动的遗传神经网络模型。首先,为解决设备失效程度划分模糊的问题,由5个热力参数组成反映吸附剂劣化程度的特征向量,关联分析得到除湿机的5类故障模式。其次,利用遗传神经网络建立状态参数和故障模式的映射关系。最后,对表征设备吸附能力的主参数进行外推预测。结果训练好的诊断网络可准确地识别出设备的劣化程度及其演变过程,预测网络的预测精度非常高。结论该方法可有效地实现对除湿机的故障诊断与预测。。     

一种应用于不均衡小样本集的石化设备故障智能诊断方法

针对实际生产中,石化设备故障呈现出“不均衡小样本”特性,致使传统诊断模型适用性不足,准确率低下这一问题,基于一类支持向量机(One-Class SVM)和遗传算法优化的支持向量机(GA-SVM),提出一种分步诊断策略。利用One-Class SVM构建超球诊断模型,可在没有任何故障先例的前提下实现异常状态辨识和未知故障甄别,提升算法对不均衡监测数据(正常样本数量远超故障样本数量)的适用性;利用GA-SVM,针对小样本故障数据集构建并优化智能诊断模型,判别故障模式,降低算法对大量有标签故障样本的依赖。故障诊断实验结果表明,该方法能够在不均衡小样本场景中显著降低漏报率、误报率和误诊率,对实验数据和工程数据的诊断准确率分别达99%和100%。     

基于短时傅里叶变换的飞行器故障振动信号分析

目的 对某飞行器出现故障时的振动信号进行分析,为故障定位提供依据.方法 将短时傅里叶变换方法 应用于飞行振动信号分析,通过计算故障振动信号和正常振动信号的短时傅立叶变换谱,获取两者之间的不同时频特征.通过分析包括发动机工作、外部气动激励、设备工作、电气干扰在内的各种影响因素的时频变化特征,与故障振动信号的时频特征对比,...     

运用正弦扫频实现电动振动台模型的频域辨识

目的研究以电动振动台为典型设备的相关振动试验装置的频域辨识技术。方法通过分析电动振动台数学模型,采用正弦扫频试验方法,进行全频带振动台空台面正弦扫频,并对所获得的时域正弦扫频数据进行频谱分析,进而获得系统的频率数据,再运用复数域上的最小二乘拟合算法,完成振动台模型传递函数的辨识。结果通过某型电动台空台面试验,对一组实测数据进行辨识,辨识出的电动振动台模拟与真实模拟一致。结论通过该方法并合理选取模型结构,能够很好地辨识出振动试验装置的模型。     

用于直升机舱内降噪的主减支撑吸振技术研究

目的 通过控制主减速器结构声,进一步实现直升机舱内降噪。方法 在主减支撑结构上进行吸振设计,从根源上抑制齿轮振动向机身传播。基于某直升机,利用传递矩阵法,建立支撑结构/吸振器的动力学模型,进一步结合有限元法建立支撑结构/舱段结构/声场的声振耦合系统动力学模型,验证该技术的中高频减振和降噪性能。在此基础上,分析吸振频率、质量和阻尼对支撑结构振动传递特性的影响规律。根据某直升机的降噪需求,设计得到一组满足需求的样例参数,并开展声振耦合仿真分析。结果 在主减支撑结构上附加总质量为4 kg的吸振器结构,即可实现舱内目标频率降噪超过35 dB。结论 主减支撑结构吸振设计可有效控制舱内中高频主减结构声。     

基于振声分析的氨制冷机组的故障诊断与噪声治理

对某制药厂开启式螺杆压缩机组进行噪声测量和振动分析,根据噪声的分布和特性以及振动频谱诊断出制冷机的运行故障和噪声来源,制定出消除故障和降低噪声的方案,并在此基础上,通过优化复合吸声结构的参数设计制造隔声装置,从而消除安全隐患和改善工作环境,为大型机组的故障诊断和噪声控制提供借鉴。     

银川活动断层卫星遥感图像解译

采用对地表具有一定穿透能力的合成孔径雷达数据（ENVISAT ASAR）和光谱信息丰富的常规光学遥感数据（Landsat-7 ETM）作为主要数据源,综合了雷达遥感与光学遥感的成像优势,利用图像预处理、图像增强处理与多源遥感信息融合突出了银川研究区的活动断裂遥感影像特征。根据活动断层遥感解译标志,共解译出8条主要活动断层,分别为银川-平罗断裂、芦花台断裂、镇北堡断裂、黄河-灵武断裂、贺兰山东麓断裂带、黎家新庄-南泉子断裂、三关口断裂与青铜峡断裂,并对其影像特征与空间分布规律进行详细分析。银川活动断裂的解译分析为该地区的地震安全性评价与地震活动性分析奠定了基础。