基于S能量熵的直驱式风电机组故障诊断方法

及时准确发现风机主轴故障,对直驱式风电机组安全经济运行具有重要意义。针对这一问题,该文提出一种基于S能量熵的直驱式风电机组轴承故障诊断方法。该方法利用广义S变换分析直驱式风机轴承振动信号的时频特性,使信号的主要能量在时频域分布更加集中,提高了信号的时频集聚性,并通过能量熵对广义S矩阵进行特征提取,构成故障分析向量,结合VPMCD方法建立故障诊断模型,对故障分析向量进行分析诊断。该文故障诊断方法对信号进行广义S变换,对变换结果采用能量熵提取特征,通过基于VPMCD方法的故障诊断模型判断运行状态。将该文方法应用于风电机组轴承故障诊断中,实验结果证明了该方法的可行性和有效性。     

基于HHT边际谱熵-马氏距离的滚动轴承故障诊断

针对滚动轴承振动信号的非平稳特性,依据HHT(Hilbert Huang Transform)理论和非线性熵概念,提出了一种基于HHT边际谱熵和马氏距离相结合的轴承故障诊断方法。首先对采集到的正常及故障轴承振动信号作小波变换阈值去噪,然后通过HHT得到Hilbert边际谱。依据广义信息熵的概念定义了边际谱能量熵函数,基于所提取的特征函数,采用马氏距离对轴承故障类型进行分类。实验结果表明,该方法可以准确、有效地实现轴承的故障判别,为实际滚动轴承故障诊断提供一定的理论参考。     

基于SWD–RCMFE混合算法的轴承故障诊断研究

针对轴承振动信号中含有大量噪声信号问题,提出了SWD–RCMFE混合算法的轴承故障诊断方法。运用群分解算法对原信号分解,利用精细复合多尺度模糊熵算法及SVM提取诊断特征向量。对西储大学轴承实测信号分析验证,表明该方法对轴承的故障诊断平均识别准确率高达92%。     

小波包熵与多核学习在列车转向架轴承故障诊断中的应用

为提高列车转向架轴承故障诊断的准确性和效率,提出一种基于小波包熵和多核学习的列车轴承故障智能诊断方法。该方法通过对轴承振动信号进行小波包分解,提取小波包特征分量,通过广义信息熵的概念定义了小波包特征熵函数,最后基于多核学习训练出的分类器对轴承故障类型进行分类,判断轴承的工作状态。实验结果表明,该方法可以准确、有效地实现列车轴承的故障判别,为列车转向架轴承早期故障诊断的研究提供一定的新的思路。     

机床主轴轴承故障的振动诊断法

阐述了利用轴承振动信号可判断机床主轴轴承的工作状态,通过频谱分析可以对轴承进行故障诊断及预紧力的确定;应用上海华阳HY-106B工作测振仪（巡检仪）采集振动信号,进行数据处理,对CY6140型机床主轴轴承进行了故障诊断与预紧力分析并取得了满意的效果。     

特高压输电系统用同步调相机故障诊断方法

同步调相机故障诊断过程中,受噪声信号的影响,容易造成诊断精度不佳,加重了电网运行负担。为此,提出特高压输电系统中的同步调相机故障诊断方法。该方法通过分析调相机轴承机械振动,采集故障状态下调相机轴承机械振动超标产生的振动信号,并利用集合经验模式分解消除信号噪声,获取波形更为平滑的优化信号。通过计算信号模态分量中心频率对应的能量熵获取振动信号特征,并将信号特征作为训练样本输入支持向量机中,实现特高压输电系统用同步调相机故障诊断。实验结果表明:所提方法应用后的断路点α、断路点β 和断路点γ 的诊断结果与对应点位的电流和电压实际波形基本吻合;所提方法在a、b、c三组短路点检测到的谐波电流幅值与实际谐波电流幅值在各峰值处的重合率较高。说明所提方法断路故障和短路故障的诊断性能均较好,有利于确保特高压输电系统的稳定运行。     

基于熵权-灰色关联度分析的暴雨洪涝灾情评估方法

洪涝灾害造成的危害广泛且复杂,合理的洪涝灾害灾情评估方法是制定有效防灾减灾措施的关键手段。根据《洪涝灾情评估标准》(SL579—2012),结合死亡人口、受灾人口、农作物受灾面积、直接经济损失、倒塌房屋、水利设施经济损失等关键影响因素,建立了洪涝灾害评价指标。综合灰色关联度分析法和熵权法,提出一种针对暴雨洪涝灾情的分级评估方法,并以2014—2018年的全国年度洪灾数据为例进行应用,结合评估结果和实际情况,提出了暴雨洪涝灾害防灾减灾工作的建议。结果表明：全国暴雨洪涝灾情熵权-灰色关联度数值高的区域集中在东南区域和西北区域,防洪防涝工作重点分别在城市防洪和沙漠防洪;2016年全国暴雨灾情熵权-灰色关联度分级属于较大洪涝灾害年。     

小波变换与滚动轴承振动的故障诊断方法研究

简要综合介绍了滚动轴承振动及故障诊断的方法及小波变换在滚动轴承故障特征提取中的应用.通过对滚动轴承故障信号的分析表明,该方法可以分析出滚动轴承振动的故障信号,确定轴承振动的故障部位.     

转型期城市病的测度与影响因素 ——以西安市为例

针对西安市转型期城市病问题,提取、筛选城市病综合评价指标,利用熵权法对城市病进行分类和综合评价,通过灰色关联度分析法定量分析各指标的贡献度。结果显示:西安市城市病状况总体呈好转趋势,近年来部分年份稍有恶化;公共资源紧张与城市病之间关联度较高,新增外来人口对城市病影响较大。     

改进熵权模型在建筑企业财务评价中的应用

针对建筑企业财务评价中的各个指标的特点,利用熵权原理,采用改进熵权的办法对各指标进行定量分析,确定各评价指标的权重;同时引入灰色关联模型确定各评价对象与最优指标值之间的灰色关联度,最终结合熵权得到各评价对象的综合评价值并排序,并对我国建筑企业中的15家上市公司进行实证研究,揭示了各建筑企业财务状态的运行态势以及影响财务评价的主要指标.从科学角度对建筑企业的财务状况做出了综合评价,为投资者、企业管理者以及市场监管者提供了决策依据.     

基于VMD-MPE-KPCA特征提取与MRVM相混合的滚动轴承故障诊断方法

针对滚动轴承振动信号在强噪声环境下出现非线性、非平稳、强干扰特性,进而导致故障特征难以提取及故障诊断准确率低的问题,提出变分模态分解(VMD)-多尺度排列熵(MPE)-核主元分析(KPCA)特征提取与多分类相关向量机(MRVM)相混合的滚动轴承故障诊断方法.该方法首先通过VMD-MPE进行滚动轴承振动信号的高维故障特征提取,其次对提取的故障特征进行KPCA可视化降维,最后将降维后的故障特征输入可实现不同样本概率输出的MRVM进行滚动轴承故障诊断.通过美国西储大学的滚动轴承故障数据集对该方法的有效性进行验证,结果表明提出的VMD-MPE-KPCA特征提取与MRVM相混合的滚动轴承故障诊断方法能够有效提取和识别滚动轴承故障特征,所提出的混合智能故障诊断方法与相关文献报道的故障诊断方法相比较,故障识别准确率达到了99.18%.     

基于多尺度熵的滚动轴承故障诊断方法

针对滚动轴承故障振动信号具有不同复杂性的特点,提出了一种新的基于多尺度熵(multi-scale entropy,简称MSE)和支持向量机的滚动轴承故障诊断方法.该方法首先利用MSE方法对滚动轴承不同类型振动信号进行故障特征提取,然后与样本熵方法对比说明MSE方法相对于样本熵方法的优势,最后通过适合小样本分类的支持向量机作为分类器来识别滚动轴承故障类型.对实验数据分析的结果表明,该方法能有效地实现滚动轴承故障类型的诊断.     

基于模糊关联度的旋转机械故障多参数诊断

本文首先分析了几种多参数故障诊断方法的特点，进而从故障诊断的角度，分析比较了多参数故障诊断的参数样本与灰色关联度原始定义的数据样本的特点差异，提出了模糊关联度的概念，实测数据检验结果表明：模糊关联度分析比灰色关联度分析诊断准确度高，具有很好的应用前景。     

煤矿铁路巡道员伤亡事故灰关联故障树诊断

将灰色系统理论中的灰关联分析方法与可靠性理论中的故障树分析方法结合,引入到煤矿铁路巡道员伤亡事故的分析诊断中,通过计算故障树底事件结构中的重要度以及灰关联度的计算和排序,对煤矿铁路巡道人员被机车车辆撞轧故障树分析中各种故障模式发生可能性的大小进行了分析判断,在13个底事件构成的24个最小割集中,气候条件恶劣最易产生寻道员伤亡事故,曲线地段或臆测行事也较易产生巡道员伤亡事故,从而为准确预防事故的发生提供了理论依据,计算实例表明,这种方法行之有效,诊断结果可靠。     

基于EEMD-HHT边际谱的轴承故障诊断

提出一种基于聚合经验模态分解 (ensemble empirical mode decomposition,EEMD)和Hilbert-Huang变换（HHT）边际谱的滚动轴承故障诊断方法。首先采用EEMD方法将轴承振动信号分解成若干个模态混叠得到较好抑制的固有模态函数（IMFs）,然后对各IMF进行Hilbert变换,求出轴承振动信号的总HHT边际谱,最后根据该边际谱的幅值特性,确定滚动轴承的故障特征。本文方法提供了一种滚动轴承故障诊断的有效工具。     

一种基于压缩感知和小波信息熵的滚动轴承特征提取方法

为降低滚动轴承在线监测和故障诊断过程中振动信号采集、传输、存储和处理负担,基于压缩感知理论和小波包分析技术,提出一种基于压缩感知和小波信息熵的滚动轴承特征提取方法,用于滚动轴承故障诊断。应用部分哈达玛矩阵采集振动信号实现压缩,通过小波包分解提取滚动轴承状态特征,计算其小波信息熵作为故障诊断特征。在标准数据集上进行振动信号特征提取,并采用四种分类方法完成故障诊断实验,结果表明本文特征提取方法能够在较高的数据压缩率条件下,保持较高的故障诊断精度,适用于滚动轴承在线监测和故障诊断。     

形态分量分析在滚动轴承故障诊断中的应用

滚动轴承局部故障振动信号中的周期性冲击是识别故障的关键特征.形态分量分析在由多种形态原子组成的过完备字典基础上提取信号中的不同形态成分,基于这种思想提出了一种基于新型过完备复合字典的形态分量分析方法.依据滚动轴承故障振动信号中分量间的形态差异性,改进字典后该方法可以更具针对性地提取出包含故障特征的冲击分量,配合包络谱分析准确提取故障特征频率,诊断滚动轴承局部故障.对比基于快速谱峭度法的轴承故障诊断方法,该方法可以避免人为选择共振带产生的不准确性和非最优问题,提高了故障诊断效果.通过轴承仿真信号和故障实验信号分析验证了该方法的有效性.     

基于灰色关联与故障树分析法的汽车制动系统故障诊断

为了提高汽车制动系统的故障诊断能力和效率,在传统的故障树模型的基础上,引入灰色关联分析方法,建立了基于灰色关联度的故障模式分析模型。依据故障树底事件的重要度,计算出各故障模式之间关联度,并按大小进行排列,从而确定导致汽车制动系统失效因素发生的优先顺序。该方法在实践中不仅可以提高诊断工作的效率,也为汽车可靠性设计提供理论依据。     

滚动轴承故障诊断技术的研究

对滚动轴承进行故障诊断能够及时发现故障信息,减小事故发生几率,延长机器寿命,具有较高的现实意义。本文介绍了滚动轴承故障诊断方法,重点综述了振动分析法的发展现状与趋势,并指出了目前滚动轴承故障诊断所存在的主要问题。     

基于Lipschitz指数熵的轴承故障检测方法

针对利用小波奇异点进行故障检测无法克服噪声影响的不足,提出采用Lipschitz指数熵作为特征进行故障检测.该方法以信号在小波域上分解形成的Lipschitz指数谱向量的熵值作为故障的诊断特征,建立了基于Lipschitz指数熵的故障检测模型,并提出了基于粒子群优化的特征阈值选择方法.将该方法同基于小波能量谱、小波包能量谱熵特征和小波奇异点检测的方法进行比较,实验结果表明采用Lipschitz指数熵作为特征都能有效克服噪声影响,在检测时间及检测率上较另外3种方法有显著提高.