首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到16条相似文献,搜索用时 140 毫秒
1.
为实现低信噪比下的微弱信号检测,提出一种基于局域波和混沌的微弱信号检测方法.将微弱的故障信号分解为有限的并且具有不同基本模式的分量,每个分量为单一成分信号,实现了信噪分离.将局域波分量输入所设计的混沌振子,混沌振子系统行为由混沌状态变为大周期运动状态,表明检测信号中含有特征成分,实现了利用混沌振子对低信噪比微弱信号的检测识别.对转子系统早期碰摩故障信号检测结果说明了该方法的有效性.  相似文献   

2.
张红  杜俊甫 《科学技术与工程》2011,11(33):8266-8270
基于局域波分解和混沌理论提出了一种中国股票市场建模及其预测的局域波与混沌集成的方法。首先应用局域波分析方法对上证综指日收益率序列进行分解,分别得到低频部分和高频部分。接着利用二阶Renyi熵K2分析各部分的混沌特性,然后用相空间的多点相似预测方法对低频部分和高频部分进行预测。最后用局域波分解理论对各部分预测结果予以重构,完成对原始日收益率序列的预测。局域波分解方法是现有处理非平稳序列最有效的方法之一,相空间的多点相似预测方法适应于我国股票市场存在的混沌现象,较现有方法,结果具有更高的精确度。  相似文献   

3.
针对柴油机表面振动信号的非平稳时变特性,采用局域波分析方法将实测信号分解为多个内蕴模式分量,提出了基于内蕴模式分量K—L信息量的柴油机故障检测方法。然后以正常状态为参考状态,对活塞缸套间的3种磨损故障实例进行了分析,结果证明了该方法在柴油机故障诊断中的有效性和工程实用性。  相似文献   

4.
局域波法在船舶柴油机燃油系统故障诊断中应用   总被引:3,自引:0,他引:3  
局域波时频分析能够从振动信号中提取清晰直观的故障特征。根据该方法的优点,以船舶主机-柴油机的燃油系统漏油故障为例,对柴油机缸盖表面的振动信号应用局域波时频谱进行分析,为柴油机的故障诊断提出一种新的分析方法。  相似文献   

5.
基于局域波时频分析的机械故障诊断   总被引:1,自引:0,他引:1  
提出一种新的自适应时频分析方法——局域波法.结合仿真信号与故障检测信号进行分析研究,提出一种新的机械故障诊断方法并将其成功地应用到齿轮箱故障诊断中.振动信号能量在局域波时频分布中的变化,是局域波法诊断齿轮磨损故障的特征.诊断结果表明,局域波时频分析为齿轮磨损故障诊断提供了一种更为有效的手段,在故障诊断工程中具有广泛的应用前景.  相似文献   

6.
碰摩转子系统的混沌特性   总被引:54,自引:3,他引:54  
基于旋转机械故障诊断的需要,分析了一个由油膜轴承支承的转子系统在转子与定子碰摩时的振动特征,模型考虑了碰撞时定子的线性变形以及摩擦时的库仑摩擦。分析表明,系统除具有各种形式的周期和概周期振动以外,还具有丰富的混沌运动与分叉现象。碰摩转子系统所展示的混沌运动以及所具有的各种现象,作为这类系统的显著特征,可以用于诊断汽轮发电机组中经常发生的碰摩故障  相似文献   

7.
采用延迟反馈混沌控制方法对四维分段光滑碰摩转子映射系统进行混沌控制,通过选取合适的控制增益参数,可将碰摩转子映射系统的混沌运动控制到有规则的擦边周期1轨道或单点碰摩周期2轨道,并通过数值模拟证实了分析结果.  相似文献   

8.
为排除转子系统故障诊断中各种噪声干扰,提出基于局域波分解尺度滤波来提纯轴心轨迹的方法,并给出尺度滤波的滤波器表达式.局域波法将任何复杂信号分解成为有限数目的具有一定物理意义的基本模式分量(IMFs),每一个分量描述时变信号中不同频率和尺度范围的固有振动模式.通过对加噪信号的有效去噪,检验了尺度滤波的可行性.诊断实例说明,该方法可合理、有效地提取转子系统的故障特征.  相似文献   

9.
研究基于局域波分析的非线性系统模态参数识别方法.首先在非线性系统响应局域波分解的基础上得到了等效线性系统,然后通过Hilbert变换识别系统的瞬时固有频率和瞬时阻尼系数.针对非线性转子系统的模态参数测试识别问题,提出测取转子系统在降速过程非稳定运行工况下的振动响应,并应用提出的模态参数识别方法来识别转子系统的瞬时固有频...  相似文献   

10.
EMD与ICA相结合的复杂转子系统早期故障诊断   总被引:2,自引:0,他引:2  
为了提取复杂转子系统微弱故障信息,对其早期故障进行预知诊断,针对某型涡桨发动机的减速器传动机构接连发生的齿轮毂裂纹故障问题,通过布置多组加速度传感器对多组正常齿轮毂和预制早期裂纹故障的齿轮毂进行正常试车下的振动信号采集。采用EMD(empirical mode decomposition)方法把测试信号分解成多个IMF分量,选取合适IMF分量利用基于非高斯性极大的ICA(independent component analysis)固定点算法进行混合再分离,得到了信息较为独立的特征分量。通过对特征分量进行解调分析得到能清晰反应故障状态的调制信号信息。结果表明基于EMD与ICA相结合的特征信号分离提取技术加包络解调法能有效地识别复杂转子系统早期故障信息。  相似文献   

11.
考虑转子系统中转轴材料的物理非线性因素.建立同时含有线性和立方非线性刚度的碰磨转子的动力学模型.用数值积分方法、分岔图、Poincare截面、轴心轨迹、幅值谱等典型的数值方法研究了系统随不平衡量变化时碰磨转子的分岔与混沌行为,研究发现,系统具有阵发性混沌、周期解、幅值跳跃等非线性动力学行为,研究结果为此类系统的安全运行和故障识别提供了一定的理论参考。  相似文献   

12.
针对实际转子振动信号中信源相互叠加干扰、故障信息微弱的问题,提出一种基于稳健独立分量分析(RICA)的转子故障信息增强方法。首先引入双树复小波变换,对信号进行降噪预处理,降低分离算法对噪声的敏感程度。再用稳健独立分量分析对降噪后信号进行分离和信息增强。并对比其他2种经典的盲源分离算法,通过数值仿真比较它们的分离效果。结果表明:新方法通过优化步长因子得到全局最优值,采用代数方法得到最优步长参数,实现简单,并且避免了预白化处理,使得算法运算量降低;对小数据量信号,算法收敛速度快、信号分离质量高。此方法可以更有效地分离故障源及提取信号的本质故障特征。  相似文献   

13.
针对传统的PSO优化BP网络的局限性,提出了一种混沌PSO—DV算法和BP神经网络的混合算法.该算法具有混沌算法的局部搜索遍历性,DE算法的种群多样性及BP神经网络的快速搜索能力等优势.仿真结果表明,混沌PSO—DV优化的BP神经网络应用于汽车发动机故障诊断,使得故障诊断的效率和准确率得到了很大的提高.  相似文献   

14.
The performance of the support vector machine models depends on a proper setting of its parameters to a great extent. A novel method of searching the optimal parameters of support vector machine based on chaos particle swarm optimization is proposed. A multifault classification model based on SVM optimized by chaos particle swarm optimization is established and applied to the fault diagnosis of rotating machines. The results show that the proposed fault classification model outperforms the neural network trained by chaos particle swarm optimization and least squares support vector machine, and the precision and reliability of the fault classification results can meet the requirement of practical application. It indicates that chaos particle swarm optimization is a suitable method for searching the optimal parameters of support vector machine.  相似文献   

15.
研究了Jeffcott转子发生动静件碰摩时的非线性振动特性.根据数值计算的结果,利用时间序列的相空间重构方法,通过相空间的吸引子的形态来刻画碰摩转子系统的分叉、拟周期和混沌行为,利用分形维数对分叉、拟周期和混沌信号进行定性的分析.这对定性和定量的判定系统的分叉、拟周期和混沌行为是一个非常有意义.  相似文献   

16.
基于混沌的旋转机械故障诊断   总被引:5,自引:0,他引:5  
研究了Duffing方程解的特性,应用分形维数来识别混沌运动及其分岔参数,说明混沌振子的非平衡相交对微弱信号的敏感性和噪声的免疫力,通过混沌振子由混沌运动到大周期运动的相交识别可对旋转机械早期不对中故障信号进行检测和诊断,为工程实际中旋转机械的早期故障诊断提供有效的依据。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号