分形维数在滚动轴承故障诊断中应用

将分形维数用于刻划滚动轴承在不同故障状态下表现的非线性行为,进而对轴承的运行状态进行判别。实验结果表明,滚动轴承振动信号在不同运行状态下的分形维数是不同的,可以将分形维数做为识别滚动轴承故障的特征量。     

基于分形理论的汽轮发电机组故障诊断

分析了汽轮机发电机组的几种常见故障及其表现形式，利用传统的频谱分析方法对某汽轮发电机组进行了状态分析，并研究了该发电机组在不同运行状态下的关联维数，给出了利用分形理论对汽轮机发电机组故障实施故障诊断的判据，利用数字量信息-关联维数作为诊断标准有利于计算机对设备的运行状态进行识别与判断，为机械设备的在线监测与故障诊断提供了可靠的工具，该方法为复杂机械的线监测与故障提供了新的思路。     

基于混沌分形理论的滚动轴承微小故障诊断

为提取轴承微小故障的故障特征,提出一种基于混沌分形理论的滚动轴承故障诊断方法。通过计算滚动轴承振动信号的最大Lyapunov指数,进行轴承运动的混沌识别;然后,对具有混沌特性的振动信号,计算关联维数和盒维数作为故障诊断的状态特征量。当关联维数不能明显区别轴承故障时,利用关联维数与盒维数相结合的方法判别故障;最后,选取滚动轴承滚动体、内圈、外圈存在微小故障和较明显故障以及正常状态7种工况的振动信号进行实验。研究结果表明:该方法能准确提取故障特征并完成滚动轴承的微小故障诊断。该方法为滚动轴承故障诊断提供了新的有效途径。     

基于广义分形的旋转机械故障诊断识别与分类

运用多重分形理论，提出广义维数最小二乘法的计算公式，对实测的时域信号进行了广义维数计算，得到广义维数序列值，并从广义维数中获取盒维数、信息维数、关联维数以及敏感维数。对故障样本进行功率谱分析、广义维数计算分析．找出用分形维数分析识别故障的依据。另外运用广义维数序列和数学方法相结合提出分形诊断分类方法，用广义维数最大相关系数和广义维数序列单值优化逼近原理方法，对待检信号的耦合故障分别进行了试验数据与理论响应模拟、振型数据的诊断、识别分类，收到了良好的一致效果。通过对转子系统故障诊断的实例说明从广义维数中提取的各分形维数都能较好的对故障状态进行诊断、识别：且耦合故障的分形诊断分类方法具有较好的实效性。     

基于振动信号的堆内构件故障诊断研究

反应堆堆内构件在高温、高压和高辐射的环境条件下运行,长期受冷却剂的高速冲击,一旦发生事故会影响压水堆机组的正常运转,甚至发生更高级别的核事故．以反应堆压力容器振动信号为研究对象,实现对异常振动行为的故障诊断十分必要．利用ANSYSWorkbench堆芯吊篮和压力容器进行实体建模,得到吊篮梁式振动模态和壳式振动模态．通过瞬态分析模块,利用白噪声激励模拟正常工况下流质振动的情况,叠加冲击力的条件下模拟LOCA状态下的受力情况,得到正常和异常状态下压力容器上垂直方向加速度时程响应数据．在LabVIEW虚拟仪器平台上,利用分形关联维的方法对处理过的振动信号进行故障诊断,通过比较正常状态及故障状态时的关联维数,可以快速有效地进行故障模式的识别．     

基于小波分形技术提取变速器轴承故障特征

利用小波技术对变速器轴承振动信号进行分解,对特定层的信号进行重构,并计算重构信号的分形维数,来实现变速器轴承不同技术状态下特征提取。实验结果表明,特定频率振动信号的分形维数能敏感反映变速器轴承技术状态,它可以作为诊断变速器轴承故障的一个重要特征量。     

大型风力发电机组叶片故障诊断分析

大型风风力发电机组叶片长期运行在高空恶劣的自然环境下,承受随机交变的风载荷,叶片随时可能会出现噪声、振动、断裂、损伤等故障,造成机组不同程度的危害,因此通过无损检测技术和基于振动的模态分析损伤识别方法对叶片进行故障诊断分析,及时有效地发现故障并处理,保证叶片正常进行,对提高机组安全经济运行具有重要的意义。     

分形理论在液压泵故障诊断中的应用

针对液压泵故障诊断中特征提取上的瓶颈问题，提出了一种基于分形理论的液压泵故障诊断方法．以轴向柱塞泵为例，应用Matlab软件，通过建立液压泵壳体的振动模型，运用分形理论提取特征参数，进行液压泵故障分形诊断的研究．结果显示，壳体振动信号在一定的尺度范围内具有分形特征，不同的状态下关联维数是不同的，具有明显可分性．因此，关联维数作为液压设备故障诊断的敏感因子是可行的．这种方法简单、直观、易行，克服了传统方法分析上故障特征的提取、分析的困难．     

基于分形关联维的汽轮机转子的振动故障诊断

采用Bently实验台模拟不同转速下碰摩、松动、不对中、不平衡几种常见汽轮机转子振动故障，进行实验研究．通过相空间重构理论，对满足随机分形统计自相似性的振动信号序列进行相空间重构，计算其分形关联维数，从而再现动力学特性．实验分析结果表明：碰摩故障时的分形关联维数最大，松动和不对中时的分形关联维数次之，不平衡时计算所得的分形关联维数最小；不同故障类型下的分形关联维数增量不同．因此，分形关联维数可以作为一种振动故障征兆加以提取．     

振动波形的分形判别及特征提取

首先给出了寻找振动波形的无标度区的方法,波形在无标度区内可视为无规分形,利用文中的公式可以求得波形的盒维数。振动式的验表明,波形确实存在在无标度区;盒维数为波形的一个重要特征,可以用于对振动状态的分类识别;与频域模在数识别的方法相比较,盒维数方法更简单易行。     

风力发电机组动平衡系统

为解决风力发电机组转子不平衡问题,开发了风力发电机组动平衡系统。该系统考虑了风机转速低、转速不稳定的特点,可对风力发电机组进行现场动平衡及状态监测。实验验证表明,风力发电机组动平衡系统可有效地降低风机的不平衡响应。     

分形法在发动机隐含故障诊断中的应用

在对发动机的机械故障诊断中 ,由于其结构复杂常使其故障特征不明显 ,为此提出用分形法对某些隐含故障进行诊断。介绍了分形法诊断故障的基本原理 ,并利用奇异值降噪技术和分形维数法对隐含故障的特征进行了提取 ,实现了对发动机轴承隐含故障的诊断。诊断结果表明 ,发动机轴承正常状态下的分形维数为 4.4,出现明显故障时轴承的分形维数为 5 .3,出现隐含故障时轴承的分形维数为 5 .37。由此可以看出 ,用分形维数可以诊断隐含故障 ,说明分形诊断法能从本质上反映故障的结构特征。     

基于多重分形的齿轮故障特征提取方法

为提取齿轮的故障特征,提出利用多重分形谱参数来表征齿轮振动信号特征的方法.运用多重分形理论对实测的齿轮振动信号进行分析,计算了振动信号的多重分形谱参数,并对齿轮振动信号多重分形谱参数的变化规律进行了研究.结果表明:齿轮工作状态不同,振动信号的多重分形谱参数△a、△f及fmax发生明显变化.当齿轮出现断齿故障时,△a、△f和fmax均显著增大.多重分形谱参数可定量刻画振动信号的特征,成功识别齿轮断齿故障.     

分形法在发动机隐含故障诊断中的应用

在对发动机的机械故障诊断中，由于其结构复杂常使其故障特征不明显，为此提出用分形法对某些隐含故障进行诊断。介绍了分形法诊断故障的基本原理，并利用奇异值降噪技术和分形维数法对隐含故障的特征进行了提取，实现了对发动机轴承隐含故障的诊断。诊断结果表明，发动机轴承正常状态下的分形维数为4．4，出现明显故障时轴承的分形维数为5．3，出现隐含故障时轴承的分形维数为5．37。由此可以看出，用分形维数可以诊断隐含故障，说明分形诊断法能从本质上反映故障的结构特征。     

基于数学形态学分形理论与PNN的轴承状态监测与故障诊断

针对滚动轴承状态监测实时性差、故障诊断准确率低的问题,提出一种基于改进局部均值分解（ILMD）和数学形态学分形理论的特征提取算法,并结合概率神经网络（PNN）完成对轴承状态的智能化识别分类.该算法首先通过ILMD分解轴承原始振动信号,选取相关性系数最大的两阶分量,求取其分形维数作为特征向量;其次,结合盒维数理论,将“形态学覆盖面积”作为第三维特征向量,同时构建起三维特征矩阵;最后将特征矩阵输入PNN以完成状态的识别分类.使用西储大学实测轴承数据验证算法,结果表明,该算法不仅能够精确识别不同状态的轴承,还能有效分类同种故障下不同损伤程度的轴承状态,平均识别率超过99.6%,平均识别时间0.21s.     

分形理论在汽车发动机振动信号分析中的应用

本文将分形理论应用到汽车发动机振动信号分析中,运用关联维原理和计算方法,对汽车发动机信号进行计算与分析。分析结果表明当气缸压缩压力超过许用值时,关联维数较正常时大,并且随着气缸压缩压力的增大,关联维数增大。由此,根据关联维数可以判断气缸的运行状态及故障类型。     

工程结构动力响应的广义维数计算理论基本问题研究

分形在结构损伤识别中的应用还处于理论研究阶段,其中研究较多的是计算结构动力响应(位移、速度、加速度)的广义维数,以广义维数作为识别结构的损伤位置和损伤程度.由于结构动力响应的特殊性,需要针对具体问题确定广义维数计算中的几个参数(划分总数、嵌入维数、数据长度)的选取原则和方法.以单自由度系统有阻尼自由振动为参考模型,详细研究各个参数的估算方法或经验取值范围,供实际工程计算时参考.     

基于分形和神经网络的柴油机振动诊断方法

提出了一种基于分形理论和神经网络技术的柴油机振动诊断方法,首先对柴油机的振动信号进行小波降噪,然后提取相应的不同迭代阶数的广义分形维数,并将其作为RBF神经网络的输人参数,以运行工况作为输出参数训练神经网络模型．训练后的神经网络可以利用测量的振动信号来判断柴油机的故障状况．实验及仿真结果表明：采用的小波降噪技术可以较好地再现振动信号特征,有效提高故障识别率;同时基于分形和神经网络技术的诊断方法在柴油机故障诊断中是有效可行的,对于单个故障的正确识别率达到了100％,具有较高的工程适用性,对其他复杂机械的振动诊断同样具有参考价值．     

基于小波分析的风机故障诊断

根据故障信号特征和小波变换多尺度分解性质选取小波分解层次,得到能正确地反映风机运行状态的特征向量;参照特征向量的组成方法,提出并构建基于小波分析的韶钢4号风机典型故障特征表。对待检信号选用db10小波进行6层小波分解,利用待检状态的特征向量与典型故障特征表,通过模糊模式识别方法进行风机故障诊断。结合傅里叶分析方法进一步找出风机存在的倍频微弱信号。实际诊断结果表明:振动信号与故障特征表中典型不平衡故障的模糊贴近度达到0.958,从而诊断出实例中风机存在不平衡故障;风机存在0.5倍频微弱信号,据此有利于发现风机与该频率相关的早期微弱故障征兆。     

分形维数在齿轮故障诊断中的应用

为了识别齿轮的故障模式,运用分形理论,提出了分段关联维数的计算方法 ,并以分段关联维数为特征量,通过建立状态距离函数,实现了模式识别.该方法 克服了通常只通过计算一段数据的关联维数就进行故障识别的缺点.通过对仿真信号、实测信号的诊断,表明所提出方法 的有效性和实际应用价值.