基于时频图和CNN的滚动轴承故障诊断

针对传统轴承故障诊断方法泛化能力差,提出了一种基于时频图和卷积神经网络(CNN)的滚动轴承故障诊断方法。首先,对振动信号进行短时傅里叶变换,构造时频图;然后,将训练信号的时频图作为卷积神经网络的输入,训练网络模型;最后,将测试信号的时频图输入网络模型,实现对滚动轴承的故障状态识别。通过美国凯斯西储大学的开放数据集进行多组验证实验,结果表明该方法能够有效的判断轴承是否存在故障,并且能够识别故障类型,准确率可以达到97.63%以上。     

基于神经网络的直升机自动倾斜器轴承故障诊断方法

为了进一步提高直升机的安全性，利用BP神经网络和RBF神经网络对直升机自动倾斜器轴承进行故障诊断。完成了直升机自动倾斜器轴承故障植入试验，获取了自动倾斜器轴承的故障振动数据，并进行了振动数据的特征信号提取。采用振动数据特征信号的多参数融合作为神经网络的输入，对自动倾斜器轴承故障进行诊断，获得了较高的故障诊断率。采用基于神经网络的故障诊断方法，自动倾斜器轴承各类故障的最高故障诊断率均大于89%。     

基于小波变换的余度敏感器结构故障诊断方法

对于导航系统中余度敏感器结构的故障诊断，本文讨论了基于小波变换的直接比较测量的诊断方法。根据小波变换的时频特性和信号边沿检测的原理，采用小波db5对敏感器的输出信号直接进行六层分解，并在相应分解层上进行重构，根据重构的信号对余度敏感器结构进行故障检测，定位和隔离，仿真结果表明，这种方法不仅可以检测出故障，故障的类型和故障发生的时间，而且灵敏度高，对噪声具有较好的鲁棒性，为余度敏感器结构的故障诊断提出了一种有实用价值的方法。     

基于声发射技术的铁路重载货车滚动轴承故障诊断研究

通过声发射检测技术对铁路重载货车滚动轴承故障进行不解体诊断,利用小波包分析技术对采集到的声发射信号进行分解和重构,提取故障信号的能量特征向量,将处理后的特征向量输入到BP神经网络进行滚动轴承故障模式识别,进而判断轴承是否发生故障以及故障的类型。经过使用大量的实际滚动轴承实验数据进行验证,其结果都表明了使用本文的方法的有效性。     

基于ALIF和FWEO的滚动轴承故障特征提取方法

针对传统算法难以准确提取强背景噪声下滚动轴承微弱故障特征的问题,提出了基于ALIF(自适应局部迭代滤波)和FWEO(频率加权能量算子)的故障特征提取方法。利用ALIF将故障信号分解为若干I分量,通过计算不同I分量的峭度值及与原始信号的相关系数,筛选出与原始信号相关性最大的2个I分量进行重构,并利用FWEO进行解调,最终得到重构信号的能量谱图来实现轴承故障特征信息的提取,并与基于传统算法EMD和FWEO的方法进行对比,仿真和实验结果表明,该方法在故障信息提取方面的能力更优,对滚动轴承的故障诊断也更有优势。     

用2032信号分析系统诊断滚动轴承损伤类故障

本文从理论上提出了用共振解调法诊断滚动轴承损伤类故障时所得包络信号及其频谱图的基本特征,并用2032信号分析系统对滚动轴承实施了共振解调诊断,验证了理论分析的正确性.     

基于互补集合平均经验模态分解的滚动轴承故障诊断方法研究

针对集合经验模态分解(EEMD)的机械故障诊断方法中存在的不足,即其加入的白噪声不能完全被中和。为了克服其不足,提出了基于互补集合经验模态分解(CEEMD)的滚动轴承故障诊断方法,提出的方法很好地克服了EEMD中存在的不足,有效地消除了IMF中的残留噪声。仿真结果表明:提出的方法明显优于EEMD方法,可以减少重构误差,提取较为准确的IMF分量。最后,将CEEMD方法应用到滚动轴承故障诊断中,实验结果表明,CEEMD方法能准确的提取滚动轴承的特征故障频率。     

分数阶阻尼在滚动轴承故障诊断中的应用

由于分数阶微积分具有计算精度高和速度快的优势,因此将分数阶微积分的相关理论应用到滚动轴承故障诊断中,建立了分数阶阻尼滚动轴承内圈动力学模型,并利用分数阶傅里叶变换的四阶中心距确定分数阶的最优阶次,分析了分数阶阻尼滚动轴承内圈故障的动力学响应特性。仿真结果表明,随着分数阶阶次的增加,滚动轴承内圈的轴心轨迹由混沌逐渐变为稳定的周期运动;仿真分数阶频谱图更符合实验频谱图。分数阶阻尼模型比整数阶阻尼模型更能反映滚动轴承故障的振动特性,可取得比传统的整数阶阻尼更好的效果。     

一种基于区间解析冗余关系的故障诊断方法

在基于解析冗余关系的故障诊断应用中,系统不确定性方法会造成漏诊和误诊。本文在传统键合图线性差分变化技术（Bond graph-linear fractional transformation technique,BG-LFT）中引入区间分析理论,提出一种基于区间解析冗余关系的故障诊断方法。该方法在基于键合图的解析冗余关系故障诊断方法的基础上,首先结合BG-LFT和区间分析理论对参数不确定性和测量不确定性进行统一建模。然后,将键合图模型扩展为不确定性键合图模型,并推导区间解析冗余关系。最后,利用区间数学运算方法计算区间解析冗余关系,得到诊断阈值。将该方法应用于电动静液作动器参数型故障及传感器故障的故障诊断中。结果表明,与单纯使用BG-LFT相比,本文方法能更有效获取电静液作动器故障诊断依据,避免系统不确定性对诊断结果的干扰。     

调制信号双谱在滚动轴承故障诊断中的应用研究

如何从噪声中提取有效的故障特征频率,如何有效地解调振动信号中固有的调制分量,这种问题的存在影响诊断的精确性。为了解决这一问题,应用调制信号双谱(Modulated signal bispectrum, MSB)的信号处理方法,开发了基于信号解调特性的MSB来进行解调和降噪。首先将采集到的振动信号,使用MSB方法进行降噪和解调,得到调制信号双谱图;为准确地量化边带幅度,使用调制信号双谱-边带估计器(Modulation signal bispectrum-sideband estimator, MSB-SE)进行处理;通过选择几个次优的切片构成最佳的切片;最终,通过复合切片谱实现故障特征频率的提取,为进一步验证MSB的准确性,并用调制信号双谱相干性检测。通过对模拟信号及滚动轴承故障实验数据进行分析,验证了该方法的有效性和优越性。     

铁路货车滚动轴承故障声学诊断研究

针对铁路列车滚动轴承故障在途检测的需要,提出一种轴承故障声学诊断方案,并重点讨论了在时域和频域内选取特征参数分析的故障诊断方法。试验证明此方案可以较高精度地对铁路货车滚动轴承故障进行检测。     

基于动态增添法的DBN滚动轴承故障诊断

针对深度信念网络(DBN)层数的不确定性而导致故障诊断精度不高的问题,提出了一种基于动态增添算法的DBN诊断方法。首先通过动态增添算法确定隐含层层数,之后按照逐层递减原则,设置模型的隐含层神经元节点数目;并以滚动轴承为研究对象,通过分析其训练样本与测试样本的分类误差曲线,来表明基于动态增添算法的DBN方法对滚动轴承故障的诊断精度,并针对不同深度DBN模型的诊断性能进行对比,证明了本方法在滚动轴承故障诊断方面优势明显。     

基于粗糙集属性约简和支持向量机的变压器故障诊断

针对油浸式变压器的故障诊断问题,提出一种利用差异化的粗糙集属性约简与有向无环图-支持向量机(DAG-SVM)相结合的方法实现变压器故障类型的快速诊断。该方法首先通过油浸液中溶解气体量的历史数据及其对应的故障类型建立原始故障决策表;然后利用等频率间隔划分法对条件属性数据作离散化处理,利用差分矩阵对决策表信息进行差异化属性约简,建立每两类故障间的诊断规则,消除对决策结果区分度较低的冗余属性;最后根据约简属性的对应数据作为特征向量输入,构建有向无环图-支持向量机多分类诊断网络,进而实现对故障类型的判断。仿真实例表明,该方法在系统检测中提高了故障诊断的准确率。     

基于高斯混合模型和变量重构组合法的故障诊断与分离

提出了一种将变量重构与高斯混合模型结合的故障诊断与分离的方法。首先建立过程数据的高斯混合模型,解决了监控过程的测量数据不服从单峰的高斯分布所带来的问题,然后进行故障数据变量重构,估计未知参数并采用最大期望算法来估测均值与协方差矩阵。在此基础上建立统计模型进行故障的诊断与分离。与传统的贡献图分离故障的方法比较,通过田纳西-伊斯曼化工过程进行实验验证,本文提出的高斯混合模型与变量重构相结合对多状态过程进行故障的诊断与分离收到较好效果。     

噪声与共振环境下的数字助听器鲁棒声源定位法

提出了一种噪声与共振环境下的数字助听器鲁棒声源定位方法,该方法基于房间共振模型和多通道自适应特征值分解算法,利用自适应次梯度投影方法迭代地估计声源至各麦克风的脉冲响应系数,从而获得各麦克风对的时延差,并利用几何方法计算声源位置。针对眼镜数字助听器四元麦克风方阵的仿真表明,所提出的自适应次梯度投影方法在强噪声环境中的鲁棒性和定位精度优于传统NLMS算法。     

基于HHT的自适应滤波方法在信号处理中的应用

在研究HHT(Hilbert-Huang Transform)理论中经验模态分解方法(EMD)和希尔伯特变换(Hilbert-Huang Transform)方法的基础上,根据IMF信号的时频序列特性,利用聚类算法得到每个时频序列的中心频率和干扰频率,并将与干扰频率对应时刻的IMF时域信号进行分类组合,从而消除IMF信号中的频率混叠问题,实现对信号的自适应滤波。利用所设计方法对实测信号进行自适应滤波分析并与传统数字滤波器滤波数据对比,结果表明提出的方法正确有效。     

考虑执行器动态的飞行器姿态分散式容错控制

针对飞行器姿态控制系统,基于分散式容错控制框架设计飞行控制系统的作动器损伤和卡死故障检测和辨识单元,以及观测器的辅助系统单元。首先,给出系统在作动器卡死、损伤,操纵面损伤故障下的姿态控制系统。其次,设计一种多观测器的作动器回路故障检测和辨识单元,利用一种决策机制判断当前所发生的确切作动器故障形式。接着,基于自适应滑模观测器隐含操纵面损伤故障和干扰信息,所得到的故障和隐含信息实时反馈给控制器以实现各种类型故障下的容错控制。最后,仿真结果显示所提方法的有效性。     

具有外圈单一点蚀故障的滚动轴承动力学建模及仿真

为揭示滚动轴承外圈单一点蚀故障机理,基于Hertz接触理论和接触变形量渐变释放的客观事实,考虑了滚动体通过外圈点蚀故障时外圈自身变形量的影响,在给出滚动体进入和离开故障区时变形量的释放变化规律和计算方法基础上,建立了外圈含单一点蚀故障缺陷的滚动轴承动力学模型。通过数值仿真和实验验证,证明了本文模型的正确性,为滚动轴承外圈故障诊断提供了理论依据。     

基于交叉熵代价函数的DBN转子系统故障识别分析

针对传统转子系统故障诊断方法在处理复杂故障数据时存在收敛速度慢和识别精度低问题,提出一种基于交叉熵代价函数的深度置信网络(DBN)故障识别方法。其采用无监督算法初始化限制性玻尔兹曼机(RBM)的参数空间,交叉熵代价函数反向传递误差,优化参数空间,逐层堆叠重置后RBM构建深层模型;利用已有数据建立转子系统智能识别库;在MNISIT手写数字集和转子系统故障数据集上验证,与传统DBN相比,利用交叉熵惩罚函数的深度置信网络可消除由于激活函数本身梯度对参数空间更新速度的影响,能有效地提高分类的精度。     

直升机旋翼旋转状态下浆叶固有频率的测试

直升机旋翼固有频率的合理配置是其动力学设计的关键之一，除了分析计算外，在型号研制中还必须进行试验校验。本文介绍了一种对全尺寸旋翼在旋转状态下通过自动倾斜器激振，对应变响应的分析找出其固有频率的试验方法。针对旋翼试验中干扰因素多等特点，提出了一种将时域数据分段处理的新方法，在找挥舞二阶固有频率的过程中，经过认真的分析研究，对一个与之接近的频率给出了合理的解释。