基于谐波小波包和SVM的滚动轴承故障诊断方法

针对滚动轴承故障诊断问题开展研究,设计了基于谐波小波包和支持向量机（SVM）的新型诊断方法.与传统的时频特征提取方法相比,谐波小波包具有盒状频谱和无限细分的优势.首先对滚动轴承的振动数据进行谐波小波包分解,利用各频段的小波分解系数计算特征能量,归一化之后作为特征向量,为设计的多类SVM模型提供训练样本和测试样本.利用SVM的非线性映射能力,将三个二分类器相组合设计了基于二叉树的多类SVM模型,实现了对滚动轴承的故障诊断.最后,利用Case Western Reserve University电气工程实验室的滚动轴承试验台的振动数据对设计的诊断方法进行了验证.结果表明,设计的诊断方法比传统的方法具有更高的准确率.     

基于小波包分析方法的航空发动机滚动轴承故障诊断

将小波包分析技术引入到航空发动机滚动轴承故障诊断的应用研究中,给出了基于小波包分析的滚动轴承故障特征提取方法：应用小波包分解与重构算法分离出了滚动轴承的故障特征频率,识别出了滚动轴承的故障类型。通过对实际航空发动机滚动轴承故障信号的分析表明,该方法可以有效地检测和诊断航空发动机的滚动轴承故障。     

基于小波包分析与多核学习的滚动轴承故障诊断

为了更准确地诊断滚动轴承故障,提出了一种基于小波包分析与多核学习的滚动轴承故障诊断方法.该方法首先对振动信号进行3层小波包分解,将振动信号分解为不同频带的信号,提取各频带的相对能量特征,构建特征向量;然后采用多核学习算法从训练样本集中学习核函数与分类器;最后使用训练出的分类器识别滚动轴承故障类型.为了验证方法的有效性,进行了滚动轴承故障诊断实验,实验结果表明该方法的故障诊断准确率达到98.25%,与传统的基于小波包与支持向量机的滚动轴承故障诊断方法相比,其故障诊断准确率更高,同时由于避免了核函数的选择问题,该方法更便于实际应用.      

基于双树复小波包变换和SVM的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的非平稳性和现实中难以获得大量典型故障样本的情况,提出一种基于双树复小波包变换和支持向量机（SVM）的故障诊断方法.首先通过双树复小波包变换将非平稳的振动信号分解得到不同频带的分量;然后对每个分量求其能量并归一化处理;最后将从各个频带分量中提取的能量特征参数作为支持向量机的输入来识别滚动轴承的故障类型.对试验台模拟信号（包括滚动轴承的正常状态、外圈裂纹故障、内圈裂纹故障和滚动体点蚀故障）的分析表明:该方法对所测试验信号的故障识别率达到99.5%,对比传统小波包变换与SVM结合的方法,故障识别率的准确度更高.      

基于支持向量机的滚动轴承状态寿命模型

使用状态寿命(即状态良好、初始损伤、故障发展和即将失效4个寿命阶段)描述滚动轴承的使用寿命,并建立了滚动轴承的状态寿命评估模型.状态寿命评估模型建模的关键是振动信号的特征提取和状态的识别算法.针对滚动轴承振动的特点,提取小波包重构信号的频带能量构造特征向量,利用支持向量机作为辨识算法建立滚动轴承状态寿命评估模型,并讨论了模型参数确定等关键问题.滚动轴承全寿命试验验证了模型的有效性和可信性.      

基于改进小波变换和包络分析的滚动轴承故障诊断

采用改进的小波分解和重构算法与包络分析相结合的方法,提取滚动轴承振动信号的故障特征频率。改进的小波分解和重构方法避免了 Mallat 算法频率混淆的缺陷,通过对重构信号特定频带进行包络分析,更加准确地提取了滚动轴承的故障特征频率。通过对无故障滚动轴承和内圈、外圈有故障的滚动轴承振动信号的分析,说明这种方法能够有效诊断滚动轴承的故障,并将该方法成功应用于某型航空发动机主轴承故障诊断。     

基于小波过程神经网络的飞机发动机状态监视

 针对飞机发动机状态监视问题，提出了小波过程神经网络模型。其隐层和输出层为过程神经元，隐层激活函采用小波函数。该模型结合了过程神经网络可以处理连续输入信号的特点及小波变换良好的时频局域化性质，有更强的学习能力和更高的预测精度。文中给出了相应的学习算法，并以飞机发动机状态监视中排气温度裕度的预测为例，分别利用3层前向过程神经网络和小波过程神经网络进行预测。结果表明，小波过程神经网络结构更简单，收敛速度更快，优于过程神经网络，因而为飞机发动机状态监视提供了一种有效的方法。     

基于小波和独立成分分析的去噪自适应算法

为了寻求一种能将不同类型和数量的噪声从图像中去除的方法,提出了一种能从图像源中将噪声与信号分离的改进的小波ICA滤波器。该方法首先使用小波降维,用Morlet小波来解决非正交问题;通过ICA规范化降维后的信号,从而发现独立噪声特征;再通过相关性将图像和噪声分离;最后,对图像进行还原,得到去噪后的图像。通过实验与主成分分析(PCA)方法、FastICA方法进行了对比,验证了该方法的有效性。结果显示,本研究提出的方法降噪效果较PCA方法和FastICA方法有大幅提高。同时,复杂度略有上升。     

基于小波包分析的航空发动机轴承故障诊断

振动分析是进行滚动轴承状态监测与故障诊断的重要手段。当轴承某一元件表面出现局部损伤时,产生周期性的冲击脉冲力。因此,原来的平稳振动信号变成了非平稳振动信号。傅里叶变换在频域上是完全局部化的,但它不能提供任何时域的局部化特征,而窗口傅立叶变换尽管在时域和频域均具有一定的局部化特征,但其局部化却是固定不变的。针对常规方法难以准确分析非平稳信号的局限性,提出了基于小波分析的滚动轴承故障诊断方法,通过滚动轴承外表面损伤的实验信号进行小波包频谱分析,验证了基于小波分析的滚动轴承故障诊断方法是可靠、准确的,可进一步应用于航空发动机主轴轴承的状态监测和故障诊断。     

主成分分析在发动机状态监控与故障诊断中的应用

讨论了主成分分析在发动机状态监控与故障诊断中的应用,即利用主成分分析对近似线性相关的多个向量进行降维的问题。特别讨论了一般文献中很少注意的两个特殊问题,即测量数据的等方差化问题和中心化限制问题。以ＪＴ９Ｄ发动机故障、故障系数向量以及ＪＴ９Ｄ和ＰＷ４０５６发动机维修指标的降维问题为例说明主成分分析的应用。研究结果表明,利用主成分分析可以将ＪＴ９Ｄ发动机的２６个故障因子综合成９个、或者将５个单元体的１０个故障因子缩减到５个综合变量,并且改善了故障方程的病态特性,因而可以有效地提高故障诊断的可靠性。文中还对用于降维处理的主成分分析方法与线性回归分析（最小二乘法）进行了比较,表明主成分分析方法是解决所提出的降维问题的更为有效的手段。     

基于阶次小波包的转子加速阶段振动故障研究

针对发动机转子在加速阶段的振动信号为非稳态、且该阶段的振动信号无法直接使用谱分析等技术处理的问题,提出了利用改进的阶次跟踪分析技术对信号进行等角度重采样,将时域非稳态信号转换为角域稳态信号,然后对信号进行小波包分析及能量特征向量提取。结果表明,利用阶次小波包方法可以很好地处理变速振动信号,效果好于直接使用小波包分析非稳态的时域信号,计算后的结果可用于进一步的数据处理。     

斜交主元分析方法及其在故障诊断的应用

针对主元分析（PCA）方法的特点，对其进行了拓展性研究。该方法针对主元分析的主元是正交的，而主元代表的现实事物的基本特征间往往存在一定的相关性。因此提出了斜交主元分析方法，并对斜交主元分析方法的理论体系及其应用进行了初步的探讨。     

基于小波包分析的转子振动信号故障特征提取研究

针对处理转子振动故障时,FFT等传统方法不能很好地分析同一频率下不同类型故障并发的复杂信号的情况,提出采用小波包分析的方法并分离故障特征向量。通过对比FFT与小波包分析方法,可以明显看出小波包分析的先进性和有效性。     

模糊主成分分析方法的研究与分析

主成分分析(PCA)是一种广泛应用于数据压缩的多元统计分析方法.然而,经典主成分分析它对极端值及缺失值非常的敏感,而极端值与缺失数据会带来残缺或错误的分析结果.针对经典主成分分析的缺点本文提出了模糊数学期望、模糊离差、模糊方差、模糊协方差及模糊相关系数的概念,从而提出了一种有效方法来改进经典主成分分析,即模糊主成分分析(Fuzzy PCA).把模糊数学的知识应用到主成分分析中,使模糊集参与决策分析,使人为因素带来的不确定性达到最小,从而大大提高了分析结果的准确性和可信度.同时,本文以模糊主成分分析为出发点,建立了一个数据分析平台,平台具有可移植性,为其它使用提供了通用接口,为解决类似问题提供极大方便.     

基于MINITAB的主成分分析法研究发动机装配参数与整机振动关系

运用基于MINITAB的主成分分析法研究装配参数对整机振动的影响,并从大量的装配参数中提取出对整机振动影响较大的关键装配参数,进而找到与之相对应的关键零部件及关键装配环节。     

基于主元分析的微小型飞行器视觉导航

作为一种新兴的无人机,微小型飞行器(MAV)近年来广受关注。研究微小型飞行器导航技术的关键是研究视觉导航技术在微小型飞行器中的应用。针对微小型飞行器视觉导航中的运算量大而导致算法实时性差的问题,给出了一个新的计算框架。利用主元分析技术(PCA),在最小方差意义下得到了图像的简化表示。在此简化的基础上,进行了图像特征的提取。对真实图像的实验结果表明,利用主元分析处理后的图像进行导航特征的提取,其实时性优于RGB三通道求和取平均的方法。     

基于主成分和聚类分析的管制系统质量评估模型

为进行管制系统运行的质量服务水平评估,建立了初始管制系统质量评估指标体系,先用主成分分析剔除存在相关性、信息重叠的指标,再用聚类分析的迭代思想进行分类,得到最终管制系统质量评估指标体系。在此基础上用物元分析对管制系统质量进行综合评估。最后,通过算例分析验证了评估方法的可行性。