经验模态分解与RBF神经网络在轴承故障诊断中的应用

针对轴承振动信号的非线性与非平稳性,采用经验模态分解与RBF神经网络相结合的故障诊断方法.首先,采用经验模态分解法对轴承信号进行分解得到各个固有模态函数,提取各个固有模态函数的能量作为故障特征参量,然后将故障特征参量输入RBF神经网络进行训练与测试,实现了智能化的故障模式识别.结果表明,基于该方法的轴承故障诊断系统能够准确地识别外圈裂纹、内圈点蚀和保持架断裂等故障,具有较好的实际工程应用价值.     

基于NOFRFs的机械设备关键部件疲劳裂纹识别

关键零部件的疲劳损伤会影响机械设备的正常使用,严重时甚至引发安全事故。因而及时有效识别其疲劳损伤具有重大意义。本研究提出了一种基于非线性输出频率响应函数(NOFRFs)的快速故障识别方法。该方法首先采集输入-输出信号来构造NOFRFs的输入向量和核向量,从而将NOFRFs转换为伪线性结构。然后根据最小均方(LMS)算法求出系统各阶次的核函数,并计算出故障特征量,识别系统故障。为了验证该方法的有效性,本研究通过该方法对0～4 mm长度裂纹的疲劳试样进行识别。研究结果表明:该方法可以快速有效地识别疲劳裂纹,且不需要基准信号。本研究成果为机械设备关键部件的裂纹识别提供了理论基础。     

基于非线性频率响应函数的输电线路故障在线监测方法

提出了基于非线性频率特性分析的输电线路状态监测与故障诊断新方法。通过电力载波信号对输电线路进行在线监测,运用非线性频率响应函数对系统固有特性描述的唯一性,建立输电线路不同运行状态的频率响应模式,根据发生故障后传输线频率响应特性的变化,进行故障征兆模式的特征抽取与识别,从而实现输电线路故障的在线监测与诊断。通过对不同故障类型的仿真实验,验证了所提方法的有效性。     

Volterra核函数在齿轮裂纹故障识别上的应用

针对非线性条件下齿轮裂纹故障信号微弱以及受输入量变化的影响,进而给故障精准度带来的严峻考验,提出利用二阶Volterra核函数从系统整体角度分析裂纹故障与非线性因素变化之间的内在联系。利用时间序列辨识齿轮裂纹故障二阶Volterra核函数,分析谱图中反映齿轮运行状态的非线性信息。结果表明:二阶Volterra核函数考虑了输入因素对系统诊断精度的影响,对齿轮箱因工况改变而引起的非线性因素的变化反映十分敏感,从而解决了传统齿轮边频带故障诊断理论的模糊性和不确定性问题,可以将其应用于齿轮裂纹故障诊断。     

基于小波变换的水轮机组故障诊断的研究

对传统傅立叶分析技术在水轮机组振动故障诊断的故障特征提取的应用进行深入研究的基础上,针对使用该方法提取的频率信息精度不够的问题,提出了一种运用小波分析技术对水轮机组振动信号进行故障诊断的方法.采用Mallat算法并运用设定阈值的方法对采集到的裂纹转子的振动信号进行去噪,然后运用Trous算法对滤波后的振动信号的突变信号特征进行提取.结果表明本方法对水轮机组的振动信号故障诊断具有很好的准确性,为水轮机组故障识别提供了一种方法.     

结合非线性频谱和核主元分析的机器人用RV减速器故障诊断

针对机器人用RV减速器故障诊断准确率低问题,采用基于非线性输出频率响应函数频谱与核主元分析(KPCA)相结合的方法诊断RV减速器故障。利用RV减速器性能测试平台采集减速器在正常状态和故障状态下的输入和输出数据;采用批量估计算法得到每种状态下的前4阶频谱值,将其作为故障特征送入KPCA进行压缩,通过设置主元累计贡献率将400维数据压缩至5维;将KPCA生成的低维数据送入支持向量机分类器进行训练和测试。试验结果表明:与仅把振动信号时域或频域作为数据集进行故障诊断的方法相比,所提方法的故障诊断准确率分别提升了27.50%和8.34%,达到了96.67%,所提方法在RV减速器的故障诊断上有效。     

工业机器人驱动系统非线性频谱故障诊断方法

针对广义频率响应函数(GFRF)在故障诊断中存在计算量大、无法满足系统对诊断实时性要求的问题,提出基于非线性输出频率响应函数(NOFRF)的工业机器人驱动系统故障诊断方法。该方法构建系统一维频谱函数的辨识模型,将系统的输出频谱与估计频谱进行比较求出残差,根据残差大小改变辨识步长迭代出前4阶频谱;对获取到的4阶频谱进行逐阶采样,每阶频谱采集10个数值,共40个频谱构成40维特征矢量,将其作为系统的故障特征输入核主成分分析方法(KPCA)进行压缩,通过计算主元累计贡献率将高维数据压缩至3维,降低变量之间的非线性度;构造SVM分类器,将KPCA方法生成的低维数据中60%的数据作为训练集对分类器进行训练,将40%的数据作为测试集进行故障识别。实验结果表明,在相同的数据提取任务下,与基于GFRF的方法相比,所提方法节约时间854%,可以准确、快速地提取系统故障特征,进一步验证了该方法在工业机器人驱动系统故障诊断应用上的可靠性。     

基于GFRFs的模拟电路故障诊断方法

探讨了基于非线性系统的广义频率响应方程GFRFs模拟电路的故障诊断方法。利用三阶GFRFs简化辨识算法分别对中放检波电路中的各级子电路进行GFRFs模型辨识。分析其各阶Volterra核所具有的特点。提出了基于GFRFs的故障特征GF。分析了故障状态与正常状态下其特征的异同。将基于GFRFs的系统辨识方法应用于非线性模拟电路的故障诊断,验证了它在模拟电路故障诊断中的可行性。     

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PCA-BLS的逆变器故障诊断

为了确保电气设备的安全可靠运行,提出基于主成分分析法与宽度学习系统的逆变器故障诊断方法。利用主成分分析法对逆变器输出的电流信号进行处理,提取信号特征;构建宽度学习系统,并编写不同故障模式下的故障编码;利用不同故障模式下的信号特征对宽度学习系统进行训练,利用网络输出编码实现故障分类。仿真结果表明,该研究方法在诊断准确率及训练时间方面优于传统的神经网络故障诊断方法。     

并发故障信息DSmT融合算法的应用研究

针对主冷却泵长期工作在高温、高压及高辐射的恶劣工作环境中,其并发故障存在较高概率并难以诊断,提出一种DSmT决策级融合算法,构建了泵主轴转子不平衡、泵主轴转子不对中及主轴损坏的DSmT辨识理论框架,由实测采集数据综合确定DSmT故障特征信度赋值,利用DSmT对多个独立证据源进行决策判断得出主冷却剂泵故障及并发故障的诊断结果.实验结果表明该方法能有效识别主冷却剂泵并发故障特征,具有一定的理论基础及工程应用价值.     

多输入多输出非线性系统Volterra频域核的非参数辨识方法

为解决多输入多输出(MIMO)非线性系统Volterra频域核辨识困难的问题,提出了一种MIMO非线性系统Volterra频域核的非参数辨识方法.该方法先对待辨识的MIMO非线性系统的各输入端添加不同频率成分的单音激励信号,再对系统的输出端信号进行采样并使用Vandermonde法使各阶核输出分离,然后根据单音激励下MIMO非线性系统Volterra核的频域输出特性,推导出该类系统Volterra频域核的辨识公式.由于采用了多音信号激励MIMO非线性系统,实现了一次激励下多点辨识的目的,因此提高了辨识效率.该方法仅依赖于系统的输入输出数据,具有较强的实用性.采用该方法对一个双输入双输出的非线性系统Volterra频域核进行辨识,最大偏差小于10-5,验证了该方法的有效性.     

二叉树支持向量机的旋转机械故障诊断

针对SVM二叉树多类分类优先级的确定问题,通过旋转机械故障实验平台和数据采集系统,采集旋转机械故障实验台转子正常、转子不平衡、转子不对中、转子轴承内圈裂缝、转子轴承外圈裂缝5种工况下的振动信号,进行零均值化处理;选择信号的主要频段进行信号重组,提取其时域无量纲特征值,利用并联式SVM的正检率大小确定SVM二叉树多类分类的优先级,进行故障类型的识别。通过实验,实现了训练样本的完全可分,说明此种方法的有效性。     

面向故障诊断的广义频率响应函数的在线估计方法

基于非线性谱分析的故障诊断是一种新的故障诊断理论。针对该方法中广义频率响应函数的在线估计问题,研究了利用Volterra时域核在线得到被测系统的广义频率响应函数的新方法。基于Volterra系统的鲁棒总体均方最小自适应辨识算法,提出了一种新的广义频率响应函数的在线估计方法。该方法能够有效减少广义频率响应函数的在线计算量,而且实现简便,鲁棒性强。仿真实验证明了该方法的有效性。     

ADS次临界堆芯动态特性模拟

次临界反应堆依靠质子束打靶产生的中子来维持运行,其动态行为与普通临界堆不同.本文建立了铅铋次临界堆芯的动态模型,编写了相应的计算程序,验证了ADS中子动力学模拟的正确性.本文分别模拟了冷却剂入口温度和流量变化对次临界堆的影响.同时,模拟了不同加速器频率下,次临界反应堆的动态响应.结果表明,冷却剂入口温度和流量,均会影响次临界堆的安全运行;选择高频率的质子加速器可以保持次临界堆的稳定运行.     

液压泵故障诊断稀疏编码方法研究

针对液压泵故障特征难以提取、诊断过程复杂、自动化程度低等特点,将稀疏编码方法应用于液压泵故障诊断.通过对液压泵泵壳处振动信号进行时频域变换,将变换后的信号作为样本,采用K-SVD算法对训练样本进行字典学习以获取字典,利用正交匹配追踪算法对测试信号进行分解与重构,通过不同类别字典对测试信号的重构率大小进行故障种类识别,实现液压泵故障分类.通过试验验证并与BP神经网络、支持向量机对比,结果表明稀疏编码方法具有对故障识别速度快、准确率高、稳定性好等优点,可以有效地实现对液压泵故障的诊断.      

基于频域特征提取与RBF相结合的磨矿浓度软测量

为解决磨矿浓度难以直接检测的问题,提出一种通过磨机振动、磨音信号频域特征提取利用特征频谱与径向基函数(RBF)神经网络相结合的非线性建模方法.采用快速傅里叶变换(FFT)将时域振动及磨音信号转换为频谱变量,对频谱变量通过主元分析(PCA)进行谱特征提取,采用径向基函数(RBF)变换实现谱特征的非线性映射.实验表明,该方法可以实现对磨矿浓度的准确软测量,提高测量精度1％,方法有效.     

基于ISODATA算法的漏磁信号到缺陷轮廓的网络映射

由于漏磁信号与缺陷轮廓的非线性关系，由管道漏磁信号描述管道缺陷的几何特征一直是管道漏磁检测的难点．本采用小波基函数神经网络的方法，建立了由管道缺陷的漏磁信号到缺陷截面轮廓图的网络映射．算法中应用迭代自组织数据分析(ISODATA)动态聚类的算法使得基函数中心的选取更加合理，经过多层分辨率的训练．网络输出表明，该网络可以较准确反映出缺陷的几何特征，为管道缺陷的特征提取提供一种可行的方法。     

入口非均匀流对核主泵性能影响研究

CAP1400反应堆冷却剂系统中蒸汽发生器下封头和核主泵直接连接,使蒸汽发生器下封头出口接管的流场变得不均匀.为探究非均匀入流条件对核主泵性能的影响,对核主泵叶轮和蒸汽发生器下封头进行联合简化建模,采用CFD方法数值计算泵的能量、水动力以及空化性能,并与均匀入流下的仿真结果进行比较.计算结果表明:在0.7Q_0~1.2Q_0工况范围内,进口的不均匀流动导致泵的扬程下降1.8%~5.1%,叶轮扭矩下降1.9%~6.4%,而效率没有发生明显的变化;非均匀入流下扬程的降低使叶轮所受轴向力有所减小,但径向力显著增大.空化发生时,泵的临界空化余量增大,抗空化性能降低,空化区域出现明显的不对称.     

整车道路模拟试验台的控制算法研究

介绍多输入多输出系统时域波形再现(TWR)过程,给出基于频率响应函数(FRF)模型的系统辨识方法以及基于频域迭代自学习控制(ILC)算法的目标信号迭代具体流程.针对整车道路模拟试验台控制算法软件的开发,提出在迭代过程中对信号进行适当重叠分段的频域迭代自学习控制算法.通过现有的四通道整车道路模拟试验台,在真实环境中成功实现了对某样车各车轮轴头处垂向加速度的时域波形再现.结果表明,该算法精度较高,能够作为试验台的控制算法.