基于在线学习RBF神经网络的故障预报

提出了一种基于在线学习神经网络的故障预报方法.该方法在网络设计过程中结合了"添加"准则和基于对网络输出贡献相对较小的"剪枝"准则."添加"过程中利用隐层的最大输出判断神经元的活跃性;"剪枝"过程中加入了滑动窗口,避免了误"剪枝".同时,调整过程只对输出响应比较大的神经元进行,大大减少了计算量,提高了实时性.仿真结果表明,利用该算法能够对一类带时变参数的非线性系统进行故障预报.     

基于频谱法的航空起动发电机故障检测与诊断

对航空直流起动发电机的电枢电流波形进行频谱分析可有效地对电机的故障进行检测和诊断.由于电机在运行时其转速是变化的,而电枢电流的纹波信号与电机转速成正比,若对电流进行定时采样,则其频谱会散布在很宽的频率范围内,使频谱特征模糊化,难于利用频谱特征进行故障检测和诊断.采用与转速同步的电流采样方法,得到的频谱称为"阶比谱",在阶比谱上,频谱成分是单一的,因此容易用它来进行故障检测和诊断.文中对起动发电机进行了实验,对线圈短路、绕组元件与换向片开焊、相邻导体短路和转子偏心等四种故障成功地进行了检测和诊断.      

基于小波分析的转子故障信号自适应降噪技术研究

在转子故障信号的小波降噪研究中,降噪效果常常依赖小波分解层数、故障转子转速和信号的采样频率,难于自动完成.针对该问题,提出了一种转子故障信号的自适应小波降噪新方法,该方法先对原始数据进行重采样,然后将重采样信号用小波变换分解到规定的层数,最后运用Donoho软阈值法实现降噪.该方法无需人为选取小波分解层数,降噪过程自动完成.大量的仿真和实验算例验证了方法的正确有效性.      

旋转机械故障诊断的灰度-基元共生矩阵方法研究

研究了基于灰度-基元共生矩阵的故障诊断方法,该方法利用图形的灰度空间分布情况和描述纹理的纹理基元法结合起来提取和挖掘旋转机械振动状态参数图形特征,可以有效地提取图形中纹理特征信息,直接利用BP人工神经网络实现旋转机械故障诊断。在600MW模化汽轮机转子试验台上进行了转子正常、转子不平衡故障、转子不对中故障及轴承松动故障的试验,诊断结果表明可以获得较高的诊断精度.      

电动车开关磁阻电机驱动和保护控制策略研究

传统开关磁阻电机(SRM)起动时采用电流斩波控制(CCC),中高速阶段采用角度位置控制(APC)对转速进行调节。但在电动车领域的SRM驱动控制中,通常采用基于脉宽调制(PWM)控制的方式来实现电机的开环调速。在传统SRM控制方式的基础上,提出了一种动态斩波的起动方式以及一种PWM控制与APC控制相结合的中高速运行的综合控制策略,可确保电机在不同负载下平稳起动、瞬间提速和稳定运行。与此同时,对控制器保护环节中最为关键的过流保护和堵转保护进行了设计,提升了整个驱动系统的可靠性。为了验证所提驱动控制策略和保护方法的可行性,在以STM32F103处理器为控制核心的控制器和1台12/8结构电动车SRM上进行了系统的试验。试验结果表明在该控制算法下,电机能够快速起动和稳定运行,且能检测到故障并及时保护,证明了该算法的正确性。     

基于工业互联网和多传感器数据的电机故障诊断方法

提出了一种基于工业互联网和多传感器数据的电机故障诊断方法。通过各类传感器在线实时得到电机的电压、电流、振动、温度等信号的瞬时值,并转化为表征电机状态的各个特征参数。根据各个特征参数在各个故障模式下的变动情况,得到各个故障模式下故障特征及其隶属度。把故障特征与故障模式之间的关系分为充分条件和必要条件关系。按照充分条件和必要条件分类后,对每个故障模式对应的2类条件下的故障特征的隶属度进行融合,最后得出每个故障模式的隶属度,为远程运维系统决策服务。该方法既可以部署在电机远程运维工业互联网的边缘设备中,也可以部署在云平台服务程序中,实现快速而可靠的电机故障诊断。     

航天器有限时间自适应姿态跟踪容错控制

非刚体航天器存在时变的惯量、执行器完全失效或衰退故障以及外界干扰的情况,提出一种有限时间自适应姿态跟踪容错控制方法。首先,基于有限时间理论和自适应方法,设计惯量不确定性自适应估计项和外界干扰参数自适应估计项进行系统补偿,克服惯量不确定性和抑制外界干扰;然后,基于容错控制和双幂次方法,设计一种自适应有限时间姿态跟踪容错控制算法,并且利用Lyapunov稳定性理论证明所提算法能够保证航天器姿态跟踪系统实际有限时间稳定;最后,对仿真结果进行验证。结果表明:所提有限时间姿态跟踪容错控制方法是有效的。     

基于特征值和特征向量的测量参数选择

研究了航空发动机气路故障诊断中测量参数如何选择的问题。利用发动机故障诊断矩阵,提出了基于特征值和特征向量比较不同测量参数选择系统之间优劣的简易快速算法,该算法可以从几何角度直观地展现整体解空间和解矢量的方向等变化情况。通过一个单轴涡喷发动机测量系统对比案例有效地表明:地面测试系统的最大与最小特征值比为33,机载系统的最大与最小特征值比为1008,在该单轴涡喷发动机气路故障诊断方面,地面测试系统比机载系统明显更有利于气路故障诊断。该算法可用于优化机载发动机测量传感器布局、台架测量系统中测量传感器布局,指导工程中测量参数的选择等。      

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%。     

自适应可调品质因子小波变换在轴承早期故障诊断中的应用

分析了可调品质因子小波变换(TQWT)的近似平移不变性,并通过模拟信号对该性质进行验证。提出了基于时频峭度指标优化的自适应可调品质因子小波变换(ATQWT)方法,用于解决滚动轴承早期故障诊断问题。首先利用时频峭度指标对TQWT的品质因子和冗余因子进行搜寻,确定最优影响参数后,根据所得结果设置好TQWT的参数并对原始信号进行处理,得到相应的信号分量并选定最佳信号分量,对最佳信号分量执行包络解调处理,最后分析包络谱中的频率成分来判定轴承的状态。实验信号分析结果表明:所得时频峭度指标更加可靠,鲁棒性更强。在低信噪比情况下,该方法可以准确分离出原始信号中的微弱特征,有效判定轴承的早期故障。