小波包变换在往复泵活塞状态监测中的应用

根据小波变换能同时在时间域和频率域进行局部化信号分析的特点,采用小波包分解、小波包重构及小波包分频带能量监测方法对往复泵活塞状态进行识别,取得了良好的效果。这种方法具有特征参量少、故障特征突出等优点。可以预见,信号的小波包分析将发展为一种可用于往复泵工况监测与故障诊断的特征提取方法     

基于时频图像GLCM-HOG特征的往复压缩机故障诊断

往复压缩机的故障诊断技术能够为工业生产提供有效保障,针对传统方法诊断准确率不高的问题,提出了一种基于振动信号时频图像灰度共生矩阵-方向梯度直方图(GLCM-HOG)特征融合的往复压缩机故障诊断方法.首先,采用小波变换的方法处理往复压缩机的振动信号,生成时频图像;其次,利用灰度共生矩阵(GLCM)和方向梯度直方图(HOG)的方法提取时频图像特征,融合构建GLCM-HOG特征;最后,将融合特征输入支持向量机(SVM)进行分类,以判别往复压缩机的运行状态.实验结果表明,所提方法对设备的状态识别准确率可以达到92.33％,能够实现往复压缩机的准确诊断.     

往复式压缩机故障信息模糊二元树诊断方法研究

结合图论理论和局域波理论,提出了一种基于模糊图的往复式压缩机故障诊断方法.首先将往复式压缩机故障信号进行局域波时频处理,根据系统的故障状态-特征表,找出最大故障信息量特征群.基于图论理论建立最大故障信息量模糊图,通过对模糊图的分析,找出可以进行匹配的路径信息量最大的部件.该方法应用于某往复式压缩机故障诊断中,具有一定的工程实用性.     

基于HAAR小波和BP神经网络的非线性电路故障诊断

提出了一种基于HAAR小波和BP神经的非线性电路故障诊断方法，该方法采用小波分解作为非线性电路故障信号的预处理器能大大减少神经网络的输入及训练和处理时间.介绍了一种改进的采用动量因子防止局部收敛的BPNN方法后，阐述基于HAAR小波分解提取故障信号中的故障特征的原理.     

基于小波神经网络的一类非线性系统的故障检测

针对一类非线性系统,提出一种小波神经网络(wavelet neural network,WNN)自适应故障检测方法。WNN具有较强的泛化能力及不同的激活函数。通过设计自适应状态观测器技术,利用小波神经网络观测器良好的观测性能来观测系统的当前状态,并将其应用于一类非线性系统中,实现故障检测与诊断。利用Lyapunov直接方法从理论上证明了小波神经网络故障检测观测器的稳定性,仿真结果亦表明了该非线性系统故障检测观测器的可靠性和稳定性。     

变工况下基于加权理论的气阀泄漏诊断方法研究

往复式压缩机是石油化工等行业中不可或缺的关键设备,而压缩机结构复杂、故障率高,其中气阀故障是其主要的故障形式之一。同时,负荷调节工况与气阀故障工况的相互耦合使得示功图变化规律更加复杂,增加了故障诊断的难度。为此,探究了变负荷及气阀故障工况下示功图几何特征的变化规律,提出一种针对变负荷与气阀故障耦合工况下的气阀故障诊断方法。该方法利用反向传播（BP）神经网络进行特征分类,首先分别依据示功图几何特征（包括面积、形心和形心主惯性矩等）以及灰度矩阵统计特征得到压缩机的负荷,再进一步结合故障特征判断气阀的故障类型。为提高诊断结果的准确度,将加权证据融合理论应用于故障分类过程,最终获得精准的气阀故障评估结果。基于实验台数据,对不同泄漏率的气阀故障进行实验验证,负荷预测的准确率为97.5%,气阀泄漏故障识别的准确率为96.1%。     

变工况下基于加权理论的气阀泄漏诊断方法研究

往复式压缩机是石油化工等行业中不可或缺的关键设备，而压缩机结构复杂、故障率高，其中气阀故障是其主要的故障形式之一。同时，负荷调节工况与气阀故障工况的相互耦合使得示功图变化规律更加复杂，增加了故障诊断的难度。为此，探究了变负荷及气阀故障工况下示功图几何特征的变化规律，提出一种针对变负荷与气阀故障耦合工况下的气阀故障诊断方法。该方法利用反向传播（BP）神经网络进行特征分类，首先分别依据示功图几何特征（包括面积、形心和形心主惯性矩等）以及灰度矩阵统计特征得到压缩机的负荷，再进一步结合故障特征判断气阀的故障类型。为提高诊断结果的准确度，将加权证据融合理论应用于故障分类过程，最终获得精准的气阀故障评估结果。基于实验台数据，对不同泄漏率的气阀故障进行实验验证，负荷预测的准确率为97.5%，气阀泄漏故障识别的准确率为96.1%。     

A fault diagnosis method of reciprocating compressor based on sensitive feature evaluation and artificial neural network

A method combining information entropy and radial basis function network is proposed for fault automatic diagnosis of reciprocating compressors.Aiming at the current situation that the accuracy rate of reciprocating compressor fault diagnosis which depends on manual work in engineering is very low,we apply information entropy evaluation to select the sensitive features and make clear the corresponding relationship of characteristic parameters and failures.This method could reduce the feature dimension.Then,a complete fault diagnosis architecture has been built combining with radial basis function network which has the fast and efficient characteristics.According to the test results using experimental and engineering data,it is observed that the proposed fault diagnosis method improves the accuracy of fault automatic diagnosis effectively and it could improve the practicability of the monitoring system.     

基于混沌理论的往复式压缩机故障诊断

实测某往复压缩机气缸在正常、活塞体松动及拉缸工况下的振动信号,计算信号的关联维数、Kolmogorov熵及最大Lyapunov指数,并证明信号具有非线性。用奇异值分解(SVD)降噪法对信号进行降噪,通过奇异熵增量曲线选择降噪阶次,用互信息法求最佳延时,并用假近邻域法求最佳嵌入维数,同时用G-P算法、小数据量法求出关联维数、Kolmogorov熵及最大Lyapunov指数。计算结果表明,3种工况下的往复压缩机气缸振动信号均为非线性混沌信号,故障越严重,信号表现出的混沌特性越明显,可依据混沌指标对往复压缩机气缸的状态进行监测。     

谐波小波在旋转机械故障诊断中的应用

为了对具有非平稳信号的旋转机械的轴心轨迹形状进行识别,提出一种基于谐波小波滤波提纯的方法.谐波小波具有明确的函数表达式,算法实现简单,具有良好的"盒形"频谱特性,能将信号不交叠且不遗漏地分解到相互独立的空间,便于信号特征的提取.采用谐波小波进行滤波提纯,可以将故障信息从原始轴心轨迹信号中分离出来,从而获得轴心轨迹的形状,为旋转机械的故障诊断提供了依据.大量仿真试验表明,该滤波提纯方法简单,具有较强的实用价值.     

RBF神经网络在旋转机械故障诊断中的应用

以频谱能量和轴心轨迹特征作为机械故障的特征量,通过RBF神经网络对机械故障进行诊断,使用Matlab软件编程并得出识别结果.与BP神经网络、Elman神经网络相比,RBF神经网络在机械故障诊断中具有训练次数少,速度快,准确度高,识别误差小的优点.     

往复式压缩机活塞杆可靠性设计方法研究

基于可靠性设计理论,提出了一种针对往复式压缩机活塞杆的疲劳强度可靠性设计方法。首先,依据热力学与动力学原理,分析了一个循环周期内压缩机传动机构的受力情况;而后,采用传统强度校核方法对活塞杆进行疲劳强度分析,找出造成其疲劳失效的"薄弱环节";然后,根据"薄弱环节"几何尺寸、加工工艺和材料强度等参数的随机性,利用应力-强度干涉模型建立活塞杆的极限状态方程,计算其疲劳强度可靠度。最后,综合考虑各参数对可靠度的影响及控制的难易程度,确定设计参数(尺寸、工艺、材料等信息),为活塞杆的设计提供理论依据。     

基于小波多分辨分析的往复机械故障特征提取与识别

本文从往复机械故障诊断领域中特征信号处理的应用角度,探讨了利用小波多分辨分析与信息熵相结合,对往复机械故障进行诊断识别的方法．首先应用小波分解,将监测信号映射到由一个小波伸缩而成的一组基函数上去,在通频范围内得到分布在不同频段内的分解序列;在此基础上,对各分解序列进行ＦＦＴ变换,建立信号的小波特征熵,以此作为故障识别的特征参数,对往复机械运行故障进行诊断识别,并以压缩机振动监测信号为例,实现了不同频段范围内特征信息的提取与故障识别,说明该方法是提取故障信息并进行诊断的有效方法     

基于小波特征提取和概率神经网络的机械故障诊断

论述了基于离散小波变换系数的特征提取和概率神经网络在机械故障诊断中的应用。该方法利用离散小波获取振动信号各有效频带的能量作为故障参数,用概率神经网络构建设备运行状态模型,根据历史数据确定故障值并设置故障参数。实验结果从应用程序对轴承故障诊断表明,相比传统方法,该方法能够有效地提取测试信号内在的重要信息内容,并增加机械整体故障诊断的准确性,在机械设备故障处理系统中有良好的应用前景。     

基于压力信号的循环泵故障诊断小波神经网络技术

以泵缸内的压力信号作为系统特征信号,将小波包分解的"频率-能量-故障识别"的模式识别故障诊断方法引入泵阀工作状态监测技术,通过改进的BP神经网络进行故障诊断.此技术已应用于循环泵实时故障诊断系统中.     

Automatic Identification of Axis Orbit Based on Both Wavelet Moment Invariants and Neural Network

Axis orbit is an important characteristic to be used in the condition monitoring and diagnosis system of rotating machine. The wavelet moment has the invariant to the translation, scaling and rotation. A method, which uses a neural network based on Radial Basis Function (RBF) and wavelet moment invariants to identify the orbit of shaft cen-terline of rotating machine is discussed in this paper. The principle and its application procedure of the method are introduced in detail. It gives simulation results of automatic identification for three typical axis orbits. It is proved that the method is effective and practicable.     

一种新矩在水电机组轴心轨迹识别中的应用

结合不变矩和神经网络提出一种水电机组轴心轨迹自动识别方案，证明了离散点状态下曲线不变矩具有平移不变性和旋转不变性，但不满足比例因子缩放不变性;构造一组同时满足平移不变性、旋转不变性和比例因子缩放不变性的新曲线不变矩;通过引入动量项的BP神经网络对轴心轨迹自动识别。并给出了仿真和实际水电机组轴心轨迹识别诊断结果;对初步定性诊断结果进行定量分析，计算轴心轨迹形状特征参数，为故障定位分析提供参考．     

基于小波包和RBF神经网络的压电加速度传感器故障诊断

根据压电加速度传感器故障的特点,提出运用小波包变换和RBF神经网络的故障诊断方法。首先运用小波包分解和重构原理将传感器输出信号分解到不同频段中,提取每个频段的能量作为状态监测的特征向量,作为RBF网络的输入,然后利用最佳的RBF神经网络进行压电传感器故障分类。实验结果表明该方法具有良好的非线性跟踪能力,较高的诊断准确率。     

往复式压缩机活塞杆可靠性分析与参数化设计

为提高往复式压缩机的设计水平,基于VC++编程语言和Pro/E软件,开发了活塞杆的疲劳可靠性分析与参数化设计系统.根据弹性力学的变形协调原理,分析活塞杆的受力情况,找出"薄弱环节",并采用有限元法加以验证;根据几何尺寸、加工工艺、材料强度等设计参数的随机性,建立"薄弱环节"的极限状态方程,分析疲劳强度可靠度及对应的经济性,从而确定各种设计要素(尺寸、工艺、材料等信息),以实现参数化设计.结果表明,可靠性理论与参数化技术在工程实际中的综合应用具有良好的前景.     

神经网络在故障诊断中的应用

描述了神经网络的BP算法,探讨了BP神经网络拓扑结构的确定,考察了小波变换和小波分析,论述了故障机理和故障诊断的问题。