柴油机故障诊断中振动信号测点位置的研究

在295柴油机上进行设定的进排气系统故障实验,获取各工况下三个不同测点位置的缸盖振动信号,然后利用改进的基于神经网络和小波分析的故障诊断方法进行分析.实验和仿真结果表明,不同测点获取的振动信号蕴含故障特征是不同的.从缸盖上方采集的振动信号更能表征各种故障特征,其故障准确识别率达到95.4%,较其他两个测点有大幅度提高.为基于振动信号的柴油机故障诊断提供了最佳的测点位置,以提高故障的诊断准确性.对其他复杂机械的振动诊断同样具有参考价值.     

基于ITD和敏感SVD的故障诊断方法研究

如何在含有噪声的振动信号中提取故障特征,是轴承故障诊断的关键问题,为此本文提出一种基于本征时间尺度分解(Intrinsic Time-scale Decomposition,ITD)和敏感奇异值分解(Sensitive Singular Value Decomposition,SSVD)的故障诊断方法.首先对时域振动信号进行ITD预处理,并根据峭度准则选取包含故障信息的敏感旋转(Proper Rotation,PR)分量用于振动信号重构,以凸显振动信号局部特征;然后对此时频信号进行敏感SVD分析,通过敏感因子及定位因子选择敏感SVD分量重构信号,以滤除噪声干扰,提取微弱故障信息;最后利用Teager-Kaiser能量算子(Teager-Kaiser Energy Operator,TKEO)计算故障信息的瞬时能量,并对其进行频谱分析,获取故障特征频率,用于识别故障类型.将此方法应用于轴承故障诊断,实验证明了所提方法的有效性.     

基于双层自适应集成残差主成分分析的复杂非线性过程监测

多元统计监测方法常使用正常数据选取特征,而现实过程中,不同的故障将影响不同的特征,并且这些特征可能随着时间和控制系统的作用而变化。当故障发生并随时间变化时,要想获得更好的故障检测能力,就需要聚集有效的故障敏感特征。本文提出了一种双层自适应集成残差主成分分析(AERPCA)模型,其子模型包含不同的特征,并突出地呈现一个或多个相关故障。首先,根据正常数据计算主成分分析（PCA）特征,利用不同特征构建线性子模型和相应的残差空间。考虑到残差空间的非线性特性及有效特征更为分散,采用核PCA(KPCA)提取不同的特征并组成同一残差空间下不同KPCA子模型。然后,利用贝叶斯方法获取集成KPCA子模型,完成各残差空间的划分和集成。最后,在主空间中获得多个线性子模型以及在残差空间中获得多个集成的非线性子模型后,利用滑动窗口确定当前时刻监控效果最好的模型。采用田纳西-伊士曼过程验证了AERPCA的有效性。     

基于VMD-TEO的多分支小电流接地系统行波故障定位

针对小电流接地故障行波波头难以检测、行波波速不确定和多分支线路难以精确定位等问题,提出一种新的行波定位方法。首先,对故障电流进行相模变换得到线模信号,并对线模信号进行变分模态分解(Variational Mode Decomposition, VMD),利用Teager能量算子(Teager Energy Operator, TEO)提取IMF分量的故障特征实现故障测距;然后,根据故障距离构建故障分支判断矩阵,将多分支线路故障定位简化为单分支线路故障定位,进而转换为双端故障测距;最后,利用双端行波测距方法实现精确故障定位。使用暂态仿真软件ATP建立小电流接地系统模型并进行故障测距仿真,仿真结果表明此方法在多分支小电流接地系统中可以实现准确故障定位。该方法利用有限的行波检测装置实现多分支复杂电网的精确故障定位。     

GIS超高频局部放电在线监测技术应用研究

超高频(UHF)局部放电检测技术是目前国际上对气体绝缘全封闭组合电器(GIS)类设备普遍采用的状态监测技术,具有灵敏度高、抗干扰性好等特点。本文介绍了一个基于超高频局放检测技术的GIS设备在线监测系统,其中运用UHF传感器捕捉GIS内部局部放电信号,经过在线监测系统对捕捉信号进行信号采集、检测、运算和分类,结合人工智能专家判别系统,来分析GIS设备状态与故障特征。实际现场应用结果表明了该系统的有效性。     

基于伪距误差重建的多星故障检测方法

传统的接收机自主完好性监测(RAIM)方法使用定位解算方程的残差来进行故障识别,在单卫星故障下具有较好的性能。随着全球卫星导航系统的建设,用户观测到的卫星数目显著增加,使用多颗卫星定位可以提高定位精度。但多颗卫星同时发生故障的概率将会增大,RAIM方法需要进行改进以应对多星故障。该文首先对RAIM方法的原理进行了深入分析,推导出了误差向量和残差向量之间的投影关系。然后,通过实例论证了误差向量和残差向量在投影变换时会带来信息损失,从而使故障难以检测。最终,给出了一种新的RAIM方法。通过引入约束条件,利用残差向量重构出误差向量。根据误差向量大小,实现多星故障检测。仿真表明该方法在多星故障模式下,具有较好的检测性能。     

基于DTCWT与GA改进稀疏分解的轴承故障诊断

为解决滚动轴承故障信号信噪比低、故障特征难以提取的问题,提出一种双树复小波分解(DTCWT)与遗传算法(GA)相结合的改进稀疏分解方法.首先,采用双树复小波对轴承振动信号进行分解,并结合峭度最大准则提取包含冲击特征的最优分量,对该分量进行稀疏重构,实现强噪声信号的深度降噪、故障冲击特征的重构;然后,针对稀疏分解在处理高维复杂信号时计算效率低的问题,使用遗传算法优化基于匹配追踪(MP)算法的寻优过程,提升信号的重构效率;最后,提出基于残差信号包络熵的终止准则以合理选取迭代次数.经仿真与实验验证,与传统的稀疏分解相比,该方法能在强噪声背景下自适应地提取故障信号中的冲击特征,实现滚动轴承的故障识别.     

基于ANFIS非线性观测器的连续小波变换故障检测

提出一种把信号分析和数学模型相结合的故障检测方法,通过小波变换对信号的去噪和自适应神经模糊推理系统(ANFIS)具有的离线学习功能,来获取系统输入输出的非线性动力学特性,进而实时计算出残差,并对残差序列进行MexicanHat小波变换,通过对极值点的逻辑判决,准确检测出故障的发生·该方法具有灵敏度高、克服噪声能力强的特点·仿真结果验证了这一方法的有效性·     

一类具有未知干扰的Markov跳变系统故障检测

针对一类具有未知扰动的Markov跳变系统的故障检测问题，设计出了系统的优化故障检测观测器．通过对系统进行重构，获取了包括未知扰动、建模误差等未知输入信号和故障信号的残差动态特性，分别选取残差的扰动信号和故障信号的能量范数指标来体现其对扰动的抑制作用和对故障的灵敏性，并将故障检测观测器的设计描述为一个优化问题．利用构造的Lyapunov函数和线性矩阵不等式，证明并给出了故障检测观测器有解的充分条件，提出了优化设计方法．所设计的观测器使系统具有随机稳定性，抑制干扰能力强，满足所给的范数指标．仿真算例结果表明，在故障发生时，优化观测器可以很灵敏地检测出故障，并能将未知扰动对残差的影响有效地抑制在给定的范围内。     

基于多分量奇异熵的往复式压缩机故障分类

由于往复式机械振动信号的强烈非线性,对其进行特征提取较为困难.针对上述现象提出了一种计算信号多分量奇异熵的特征提取方法.通过局域波法提取出振动信号的各基本模式分量. 利用非线性动力学相空间重构理论适当选择嵌入维数与延迟时间,计算出往复机振动信号各基本模式分量的奇异熵值,提取出故障信息,并经自适应神经模糊推理系统(ANFIS)对故障特征进行分类.结果表明全部分类正确,达到了故障诊断的目的.     

基于无限学生t混合模型聚类的机械故障预警方法

往复式压缩机、柴油机等复杂机械的振动信号往往呈现较强的非平稳特性，导致传统单特征门限报警法的报警准确率较低。针对该问题，提出一种基于无限学生t混合模型（infinite student's t-mixture model，iSMM）聚类的机械故障预警方法：首先，通过提取机械振动信号特征构建高维特征空间，并采用iSMM对其进行建模，以描述机械设备的状态；其次，利用基于匹配的KL散度近似算法计算机械设备在历史正常状态和观测状态下的模型间距离；最后，将该距离与基于3σ准则自学习出的报警阈值进行比较，实现故障预警。利用往复式压缩机故障案例对所提方法进行验证，结果表明本文方法较单特征门限报警法报警准确率高且时效性好，可有效地对复杂机械进行故障预警。     

基于谱熵梅尔积和改进VMD的轴承故障预警

针对传统轴承故障预警实时性较差、故障特征提取准确性影响预警效果的问题,将语音端点识别思想进行迁移,采用谱熵梅尔积特征的双门限法实时追踪故障起始点.为克服变分模态分解（variational mode decomposition,VMD）参数选取不当和端点效应对提取效果造成的影响,提出能量差网格搜索法对VMD进行参数寻优,并用支持向量回归机对端点效应进行抑制,结合多尺度加权排列熵在检测振动信号随机性方面的优势,充分发挥VMD对信号的重构能力,对起始点后的故障段进行特征捕捉.通过实际轴承故障信号的实验及数据分析,验证了该方法在轴承故障预警中的有效性.      

锚泊时锚链的振动频率与质量关系实验研究

锚链振动频率检测技术是为解决舰船走锚预警问题而研究的。利用模拟实验装置,初步研究锚链质量对锚泊时锚链振动频率的影响,对质量为155 g、325 g和475 g的锚链进行振动频率的对比实验。结果表明:在锚泊环境相同的情况下,锚链质量会明显影响锚链的振动频率;锚链越重,其振动频率越大,振动频率平均极大值与平均频率的比值、最小极大值与平均频率的比值越小,两个比值均可结合舰船实际情况进行适当调整作为走锚预警的频率阈值。结论可为基于锚链振动频率变化的舰船走锚预警技术深入研究提供参考依据。     

基于频谱相关性分析的齿轮早期磨损诊断

基于振动分析的齿轮故障检测已被证明在故障识别中是有效的,但对表征早期磨损的振动信号的提取和识别仍没有得到很好的解决.本文提出一种基于频谱相关性分析的变分模态分解(VMD)和核支持向量机(SVM)相结合的齿轮早期磨损诊断方法,对能够揭示早期磨损状态的微弱齿轮振动信号采用近似完全重构的准则来初始化模式数,并采用信号功率谱密度最大值对应的频率初始化VMD方法的中心频率,用以有效提取齿轮磨损信息,进而结合核支持向量机进行齿轮的早期磨损诊断.实验结果表明,所提方法可有效克服背景噪声大无法预设模式数的问题,对噪声具有更好的鲁棒性,诊断准确率达到94.4%,可为齿轮早期磨损检测提供解决方法.     

基于缸盖振动信号包络线相关分析的柴油机故障预警方法研究

针对柴油机故障特征易受到环境、载荷等因素的干扰,从而导致许多传统意义上的故障特征参数不再敏感的问题,提出了一种基于缸盖振动信号包络线相关分析的柴油机故障预警方法,对一台6缸柴油机的缸盖振动信号对比了希尔伯特变换和n阶极值插值两种方法的包络线提取效果,并对其包络线进行相关分析,得到了相似系数、距离标准差以及余弦相似度等相关分析结果。研究结果表明：在传统特征参数不敏感的情况下,相关分析可以更好地反映机组的故障状态。本文研究结果可为实现柴油机故障的早期预警奠定基础。     

降噪自编码器在机械设备故障预警中的应用

针对目前复杂机械设备大多采用单特征值门限报警法,无法实现提前预警的现状,提出一种基于降噪自编码器（denoising autoencoder,DAE）的特征自学习方法,将高维监测数据编码成低维特征,作为设备运行状态的特征表示,通过度量待测样本编码特征与基准的距离实现故障预警。实验结果表明,本文方法能够区分正常样本特征与任意故障样本特征,并能降低变工况及环境噪声干扰的影响;工程应用案例表明,本文方法能够发现设备故障发生前的微弱征兆,实现提前预警。     

客车发动机舱内温度分析的火灾预警方法实验

为了解决目前客车发动机舱内火灾预警装置检测时间较长、误报较多的问题.在分析客车火灾成因的基础上,以客车发动机舱为研究对象,设计客车热表面故障模拟实验平台,模拟行车过程中的热表面故障,通过多个温度传感器采集热表面故障时舱内温度数据,基于温度故障特征开发了一种火灾识别预警试验系统.实验结果表明:基于舱内温度变化故障特征的判别方法,能够准确对客车火灾进行早期预警.     

CEEMD与广义形态差值滤波结合的故障诊断方法研究

为了提取滚动轴承早期微弱故障特征信息,提出一种互补总体平均经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)与广义形态差值滤波结合的故障诊断方法.该方法首先对振动信号进行CEEMD分解成若干不同尺度的本征模函数(Intrinsic Mode Function,IMF)分量,利用相关系数-峭度准则来选取故障信息丰富的IMF分量信号,并对其进行重构;然后采用广义形态差值滤波器对重构后的信号进行滤波,以滤除噪声干扰;最后利用Teager能量算子(Teager-Kaiser Energy Operator,TKEO)对去噪后的振动信号进行分析,提取振动信号的故障特征.滚动轴承振动信号分析试验结果证明了本文方法的有效性.     

齿轮箱在线故障诊断系统设计及应用

为了尽早发现齿轮箱台架寿命试验中的故障发生及其位置,避免对试验设备及人员造成伤害,针对齿轮箱工作过程中的安全问题,开发了一套齿轮箱在线故障诊断系统。该系统利用加速度传感器检测箱体的振动信号,通过时域分析实现齿轮箱试验的实时监测与故障预警;对时域信号进行时频域分析,采用ZFFT（基于复调制的细化频谱算法）细化频谱方法处理频域信号,通过分析典型故障信号特征,建立故障特征向量,实现故障类型判定。试验结果表明,该系统能实现齿轮箱故障预判,并能准确识别出典型故障。     

二维曲线相似与统计学原理在旋转设备故障识别中的应用

在机械设备状态检修中使用振动故障诊断已经相当普及。目前普遍采用设置阈值或数值的变化趋势实现故障预警,再通过大量的故障诊断算法实现故障识别。提出一种新的基于几何相似和统计学原理的故障频谱相似度算法,可以简单有效快速的实现故障识别。