基于MVMD-MOMEDA的齿轮箱故障诊断方法

针对齿轮箱振动信号受复杂传递路径、强背景噪声的影响导致早期微弱故障难以诊断的问题，提出了一种基于多元变分模态分解(MVMD)和多点最优最小熵反褶积调整(MOMEDA)的齿轮箱故障诊断方法。首先，利用MVMD将融合后的多通道振动信号进行模态分解，得到一系列表征信号局部特征的IMF分量；其次，引入峭度值(Ku),选取最佳模态进行信号重构，剔除含噪声分量高的IMF;最后，对重构信号进行MOMEDA特征提取以识别故障频率，从而进行故障诊断。结果表明，所提故障诊断方法可以有效剔除噪声分量的干扰，识别出信号中的故障冲击成分及其倍频进而确定故障类型。MVMD-MOMEDA方法解决了在单一通道问题上无法处理多源信号的缺点以及早期微弱故障特征难以提取等问题，可为故障诊断和多源信号处理提供参考。     

运用EMD分形盒维数的电梯机械故障诊断

针对电梯机械故障的诊断,提出经验模态分解(EMD)和分形盒维数的诊断方法.利用EMD对电梯正常运行和各故障工况时的加速度信号按频率高低依次分解,得到分解后的固有模态函数(IMF).通过信号重组得到去除背景信号和噪声后的振动信号,再利用分形盒维数计算其重组信号和各分量IMF的盒维数.实验计算表明:各工况的盒维数具有良好有效的区分度和区间范围.     

总体平均经验模式分解与1．5维谱方法的研究

针对复杂背景下机车走行部齿轮箱齿轮裂纹故障微弱特征的提取问题,提出了总体平均经验模式分解(EEMD)与1.5维谱的故障特征提取方法.首先运用EEMD方法对振动信号进行自适应抗混分解,得到不同频带的基本模式分量(IMF),然后运用1.5维谱方法对停含有故障特征信息的IMF进行后处理.该方法具有避免模式混淆、抑制高斯白噪声、检测非线性耦合特征等特性,并以此来提取故障的微弱特征信息.根据待处理信号的时频特性与EEMD原理,提出了在EEMD方法中加入高斯白噪声的准则,通过信号仿真验证了EEMD方法的抗混分解能力.将EEMD与1.5维谱方法应用于机车走行部齿轮箱的监测诊断中,成功地提取出齿轮箱大齿轮齿根早期的裂纹故障.     

基于经验模式分解的齿轮箱振动辨识

论述了一种新的针对非线性非平稳信号的经验模式分解（EMD）方法，使用EMD方法对齿轮箱振动信号进行了辨识，并且与离散小波分解方法进行了对比，结果表明，通过EMD分解获得的齿轮箱振动内在模式分量（IMFs）能很好地辨识出齿轮的啮合振动模式，且比离散小波方法的分解效率更高；EMD分解的第3个IMF－IMF3清晰地表示出齿轮箱的第一级齿轮的216Hz的啮合振动模式。     

基于信息熵贴近度的旋转机械故障诊断

基于信息融合的思想，研究了反映振动能量的旋转机械故障状态的各种信息熵特征，如奇异谱熵、功率谱熵、小波空间状态特征谱熵和小波能谱熵．通过转子试验，给出了旋转机械的不平衡、不对中、支座松动、轴裂纹典型故障下的各信息熵的变化范围．根据越相似的模式间距离越短原理，提出采用贴近度来进行模式识别的方法．首先利用贴近度原理和熵带构建了信息熵贴近度模型，其次计算出待识别状态与各典型故障之间的信息熵贴近度值，则对应于待识别状态之间的信息熵贴近度最大的即为待识别状态的故障模式，最后通过实例描述了基于信息熵贴近度的旋转机械故障诊断方法的可行性．     

多工况下兆瓦级海上风电齿轮箱均载性能优化设计

针对兆瓦级海上风电齿轮箱行星级均载性能易受到时变非扭载荷影响的问题，该文提出了多风速工况下风电齿轮箱行星级均载性能优化方法。通过建立某型5 MW海上风电齿轮箱系统动力学模型，分析不同风速工况对其行星级内部激励和均载特性的影响规律，进而采用支持向量回归方法，重构风速工况齿轮修形参数均载系数之间的映射关系，建立考虑不同风速工况影响的齿轮箱行星级均载系数优化模型，实现多风速工况下行星级齿轮修形参数优化设计。研究结果表明：由风速工况变化造成的时变非扭载荷会使行星级的齿面和轴承出现偏载现象，并且在低风速工况时非扭载荷会显著降低行星级均载性能；优化后的风电齿轮箱在不同风速工况下其行星级内部激励均明显降低，齿面和轴承载荷分布更加均匀，均载性能得到明显提升。     

基于改进变分模态分解的有载分接开关机械状态监测

为提高变压器有载分接开关(On-Load Tap-Changer,OLTC)机械状态智能诊断水平,提出了基于改进变分模态分解(Improved Variational Mode Decomposition,IVMD)-权重散度的OLTC机械状态特征提取方法,以及和声搜索算法(Harmony Search,HS)优化相关向量机(Relevance Vector Machine,RVM)的故障分类方法.本文进行模拟实验测得了多组不同工况下的OLTC机械振动信号,通过IVMD算法将振动信号分解为一系列有限带宽本征模态函数(Intrinsic Mode Function,IMF),计算IMF分量与原始振动信号的K-L散度(Kullback-Leibler Divergence,K-L),再乘上权重系数得到权重散度,以权重散度来表征多组OLTC机械振动信号的时频域复杂度.同时构建了RVM多分类模型,并通过和声搜索算法对RVM的核函数选择进行了优化,有效地实现了对于权重散度的分类.实验与数据分析结果表明,本文所提综合诊断方法精度较高,可准确提取机械故障特征,能够为OLTC智能故障诊断提供必要的参考.     

基于证据理论的单一故障诊断方法比较研究

为了比较和研究证据理论中Dempster,Yager,PCR5三种组合规则的融合效果,构建多源传感器故障诊断识别框架,利用已有实验数据分别对基于3种组合规则融合多传感器信息诊断单一故障的过程进行仿真,并采用信息熵作为不确定性量度.结合融合后的基本概率分配函数和故障判定结果对各组合规则的融合效果进行定量比较、分析和评价.结果表明:3种组合规则均能够融合多传感器信息对所选的单一故障实现诊断,其中,Dempster组合规则的诊断结果具有最低的不确定性,Yager组合规则的效果相对较差.该研究对证据理论组合规则在冲突不明显时的融合效果进行了定量分析,是对已有定性分析研究的验证和补充.     

基于经验模态分解的齿轮箱故障特征提取

利用小波去噪阈值法对齿轮箱故障振动信号进行去噪,将经验模态分解(EMD)和快速傅里叶变换(FFT)相结合对齿轮箱故障进行特征提取,此方法适合于对非线性非稳态信号进行自适应的分析.利用小波阈值去噪方法对原始信号进行预处理,将去噪后的信号进行经验模态分解,得到一定数量的本征模态函数(IMF)分量,选取特定的IMF进行FFT,得到相应的功率谱,从而达到提取齿轮箱故障特征频率的目的.对齿轮箱故障信号进行分析,结果表明该方法能够有效地识别出齿轮箱故障特征频率.     

基于证据熵多源组合规则的风力发电机组故障诊断方法

针对证据理论在风力发电机故障融合诊断中存在的高冲突问题,提出一种基于证据熵的多源融合组合规则.由风力发电机历史故障特征数据模糊化获取原始证据,根据多类传感器实时数据重要性的不同,采用信息熵原理得到各证据的重要性参数即权重,对加权修改后的证据进行Dempster融合得到最终结果,最后基于决策准则作出故障诊断.风力发电机故障诊断实例表明,本方法在一定程度上降低了证据之间的冲突性,提高了故障诊断的准确率.     

基于信息博弈的多源信息融合方法

针对多传感器信息融合系统中的信息冲突,结合博弈论的原理,在考虑信息冲突环境下局中人最优策略和最优支付的情况下,提出了求解信息冲突环境的信息博弈融合方法.首先通过信息熵的形式将多信息器表示成多源信息,并将多源信息的信息冲突过程抽象成为信息博弈过程,多传感器系统通过信息博弈的过程实现整个系统的信息收益最大化.通过对空调机调速器运行工况评价的实验分析,证实该方法在保持调节性能的同时,能从冗余的多源信息角度对系统的被控参数做出调整,各种动态品质特性优于传统的方法.     

基于过程信息融合的管线泄漏诊断

根据管线泄漏瞬态过程持续时间较短以及干扰工况较多的特点,提出了基于过程信息融合的管线泄漏检测方法。对管线泄漏特征进行了分析,并介绍了基于过程平稳熵、双通道奇异谱熵和双通道能谱熵的过程信息熵特征提取方法。将过程信息熵应用于对管线泄漏的识别,并利用GPS时间标签定位法结合GIS定位信息进行精确诊断。利用该方法对西部成品油管线进行泄漏监测,结果显示,基于过程信息融合的管线泄漏监测方法具有较好的实时性和抗干扰能力,提高了泄漏诊断的准确性和定位的精确性。     

基于多尺度排列熵和正则化RVFL的高压隔膜泵单向阀故障诊断

高压隔膜泵单向阀运行工况复杂,运行时产生的振动信号具有非线性、非平稳特性,导致信号特征提取困难,故障状态难以识别.为了提取单向阀运行状态的非线性动力学特征,提升故障诊断模型的识别精度和泛化能力,提出了一种基于多尺度排列熵（Multi-scale Permutation Entropy,MPE）和正则化随机向量函数链接（Random Vector Functional Link,RVFL）网络的单向阀故障诊断方法.首先,对工况下采集的单向阀振动信号进行变分模态分解（Variational Mode Decomposition,VMD）获得既定的若干本征模态函数（Intrinsic Mode Function,IMF）分量;然后,计算IMF分量的多尺度排列熵,构建表征单向阀运行状态的特征值向量;最后,基于运行状态的特征值向量,建立正则化随机RVFL的故障诊断模型,并应用于单向阀的运行状态监测与识别.实验结果表明,构建的故障诊断模型能够精确地识别单向阀的故障类型,准确率达到98.89%.     

变工况时频脊流形早期故障预警方法研究

针对风电机组齿轮箱工况复杂多变,提出了一种基于Gabor重排对数时频脊流形早期故障预警方法.该方法首先研究提取Gabor重排对数时频谱的脊线,构建早期故障高维特征向量;然后研究改进局部切空间流形学习方法,进行维数约简;最后采用K-近邻分类器,实现变工况风电机组齿轮箱的早期故障识别与预警.通过变转速、变载荷等多种工况的行星齿轮箱磨损试验与风电机组现场运行数据验证,结果表明该方法有效提高了复杂变工况风电机组齿轮箱早期故障预警准确率,可为其预知维护提供可靠依据.      

直行截割下采煤机截割部齿轮箱动态特性实验分析

目前对采煤机截割部齿轮箱振动特性的研究主要通过理论模型，但这些研究缺乏实验验证.通过实验室模拟井下真实的采煤机直行截割过程来分析齿轮箱非线性振动特性.以振动烈度为评判标准，与已有研究所得理论计算结果进行对比.以截深、牵引速度及煤岩体硬度为实验变量，分析它们对齿轮箱振动的影响规律.分析了煤岩体硬度突变冲击、拍振现象和电机启动冲击等影响齿轮箱可靠性的恶劣工况及其影响因素.本实验所得到的数据及相关结论可以为采煤机齿轮箱理论模型及可靠性分析提供参考和对照.     

高速动车组齿轮箱断齿故障振动研究

为获得高速动车组齿轮箱的动力学响应,更好分析高速动车组故障齿轮箱系统振动特性,解决开发动车组齿轮箱故障检测系统时存在的齿轮箱故障物理样本稀缺、检测算法研究缺乏充足的校验输入信号的问题。依据相关参数构造高速动车组转向架-齿轮箱CAD模型,基于Adams/View搭建动车组转向架-齿轮箱动力学模型。通过模拟正常工况和断齿的故障工况,仿真获取检测方案测点的动态响应。对比分析发现:断齿故障会导致齿轮箱振动能量增强,出现振动冲击特征,啮合频率幅值降低且出现边频带;同时,幅值的极值点由啮合频率变为转频。通过研究断齿故障下齿轮箱的振动特点,可以实现对高速动车组齿轮箱故障的快速诊断,为齿轮箱故障检测系统开发提供支撑。     

多传感器信息融合系统有序度分析

对多传感器信息融合系统,提出了融合处理的结构;通过引入信息融合系统有序度的概念,建立了一种基于信息熵理论的结构体系评价方法,用以从传感器管理的角度评价多传感器融合体系结构的组织化程度.     

基于阶次跟踪和经验模式分解的齿轮故障诊断

提出了一种研究旋转机械瞬态信号的分析方法.对齿轮箱加速时测得的原始振动信号进行角域重采样,并对角域里的信号进行经验模式分解(EMD)得到多个固有模式函数(IMF),最后对包含齿轮故障信息的IMF分量进行阶次谱分析.结果表明,阶次跟踪技术能够有效地避免传统频谱方法所无法解决的频率模糊现象,EMD方法能够提取包含故障信息的IMF分量,将两种方法相结合是对传统的频谱分析法的有力补充,具有很广阔的应用前景.     

基于信息博弈的协同诊断决策

面对装备日益增加的复杂性和对诊断系统能力的高需求,多诊断资源的远程协同诊断成为趋势.针对协同诊断中存在的资源决策冲突问题,引入了博弈理论;介绍了扩展博弈决策模型及其操作流程,通过双支付参数分别讨论了决策中心与诊断资源联盟间的成本博弈、诊断资源间的决策信息熵递减博弈;并运用多属性决策方法进行决策结论的仲裁.以工程装备故障为例,简述了本博弈决策实施过程.     

基于信息熵的诊断过程认知信息流分析

从认识论和广义信息论的角度，认为故障诊断过程是一个认知主体借助多种认知工具进行状态辨识的过程，围绕故障认知的有关基本问题，可以从信息熵的传递过程加以解释。运用信息熵进行了数学推导，并阐明了诊断过程的认知信息流的流动过程。最后提出了建立多征兆域综合特征知识体的思路，以解决诊断信息先天获取不足和认知能力随复杂性降低的诊断知识获取问题。