基于分形理论的滚动轴承故障诊断的研究

本文将分形的有关理论与滚动轴承故障诊断联系起来,论述了分形维数的基本概念,并给出了相关算法。试验结果表明,滚动轴承不同故障出现时,其分形维数明显不同。因此,可以利用分形维数有效的诊断出滚动轴承的故障。     

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.     

基于声学信号瓶颈特征的滚动轴承故障诊断

为有效诊断滚动轴承的健康状态,针对运行监测声学信号特征微弱的特点,提出了基于声学信号瓶颈特征的滚动轴承故障诊断方法.首先提取滚动轴承声学信号的多维特征参数,通过自编码网络降低特征维数,获取有效反映滚动轴承运行状态的瓶颈特征,最后训练支持向量机实现滚动轴承故障诊断.通过对滚动轴承不同故障状态的模拟试验分析,并与传统方法对比,可知本文提出的方法具有更高的诊断正确率.     

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。     

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EMD与多重分形去趋势法的轴承智能诊断方法

引入经验模态分解(EMD)方法去除故障信号的趋势项,提出EMD-MFDFA(multifractal detrended fluctuation analysis)的多重分形分析方法,并通过仿真分析EMD方法去趋势效果的有效性。然后将采用EMD-MFDFA方法提取的电机滚动轴承振动信号的多重分形特征向量作为训练集,利用混合遗传算法搜索全局最优的能力优化支持向量机(SVM)模型参数,建立电机滚动轴承的智能诊断模型。最后,通过对电机滚动轴承不同状态的振动信号进行分析。研究结果表明:EMD-MFDFA方法能很好地揭示滚动轴承的振动信号多重分形特性,对滚动轴承正常状态、单一故障与多故障耦合等状态具有很强的辨识能力;所建立的智能诊断模型可以有效地诊断滚动轴承不同的故障状态,能够作为滚动轴承故障在线监测的有效工具。     

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．     

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。     

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。     

基于EMD-1(1/2)维谱熵的滚动轴承故障诊断

为了准确地诊断出滚动轴承的运行状态,将1(1/2)维谱熵引入滚动轴承故障诊断中。先对滚动轴承原始故障信号进行EMD(empirical mode decomposition)分解得到若干个固有模态函数(intrinsic mode function,IMF),进而再求取各个IMF的1(1/2)维谱熵值,作为表征滚动轴承故障类型的特征向量。将其作为Elman神经网络的输入参数,最后区分滚动轴承故障状态和故障类型。仿真分析和实验研究表明,该方法能够有效地提取出滚动轴承的故障特征,最后通过与小波包分析-BP神经网络故障诊断方法对比,显示出其具有更高的识别率,更加表明其可行性和有效性。     

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。     

基于分形的配电网接地故障分支识别方法

为解决当前配电网接地故障分支定位中算法实现困难,硬件实现成本投入太高的问题,在PSCAD/EM TDC仿真数据的基础上,对配电网接地位置改变与测量端信号变化的关系进行了分析与对比,提出了一种新的分支识别方法。在构造配电网系统传递函数的基础上,获得其分形维数和自相似度,通过分析不同接地故障情况下分形维数及自相似度变化的规律,提出了基于分形维数与自相似度的分支分析方法。通过对不同的接地位置及不同接地电阻的故障的分形维数及自相似度的分析对比,利用其X-Y平面图能够对故障分支进行识别。仿真结果表明,基于分形维数和自相似度的分支识别方法是有效的,而且具有很好的抗干扰性。     

基于分形的配电网接地故障分支识别方法

为解决当前配电网接地故障分支定位中算法实现困难,硬件实现成本投入太高的问题,在PSCAD/EMTDC仿真数据的基础上,对配电网接地位置改变与测量端信号变化的关系进行了分析与对比,提出了一种新的分支识别方法。在构造配电网系统传递函数的基础上,获得其分形维数和自相似度,通过分析不同接地故障情况下分形维数及自相似度变化的规律,提出了基于分形维数与自相似度的分支分析方法。通过对不同的接地位置及不同接地电阻的故障的分形维数及自相似度的分析对比,利用其X-Y平面图能够对故障分支进行识别。仿真结果表明基于分形维数和自相似度的分支识别方法是有效的,而且具有很好的抗干扰性。     

Higuchi算法的抗噪特性分析及其应用

Higuchi方法用于计算分形维数在一维分形信号中应用广泛,但是它的抗噪性能分析却未见文献报道。针对不同信噪比下的时间序列,分析了Higuchi分形维数算法的抗噪性能。实验结果表明:在信噪比较大时,Higuchi分形维数受噪声影响很小;当信噪比较小时,Higuchi分形维数值随着信噪比的增大而变小。由于Higuchi分形维数具有抗噪性,当在降噪方法比较简单时,仍然可以在一定程度上体现信号的非线性特征。在机械故障检测中的应用也表明,Higuchi分形维数能检测到系统是否发生故障。     

关联维数的超声波电机故障诊断

利用关联维数分析方法对超声波电机进行故障诊断,并针对故障诊断的实际情况,建构特殊实验平台采集故障振动信号.通过互信息法及Cao方法来确定相空间重构的2个重要参数,然后计算超声波电机在不同故障状态下的关联维数.结果表明,不同故障状态产生机制不同,其关联维数也不同,关联维数可用于故障的特征提取.通过分析不同状态下超声波电机...     

叶片振动响应的长度分形故障特征提取与诊断

随着我国风力发电系统的快速发展,风机的应用已经越来越广泛,但是风机的振动响应经常引发故障,为了有效缓解这一现象,我们采用应用有限元分析方法,并通过建立一个风力发电机组为300瓦的模型,来进行叶片响应在风力发电机组中的动态特征、运行特征以及状态特征的分析,从而可以更全面的了解风力发电机组叶片的故障诊断、故障检测、鼓掌识别。根据模型的动力学分析、试验模态分析和计算处理,得到了风力发电机组的固定振动模型和固定运行频率,从而验证了该模型是合理的。利用锤击法检测出叶片偏心故障以及正常状态的振动响应,利用叶片振动响应长度分形维数的动力系统非线性理论,把该模型的长度分形维数计算出来,计算出来的数据为诊断识别在叶片偏心故障下的特征量。     

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．     

改进测度下的模糊C均值三元催化器故障诊断方法

针对采用物理建模刻画三元催化器故障演化精确性不足问题,提出一种基于尾气大数据的改进测度模糊C均值(FCM,fuzzy c-means),故障诊断方法。该方法包括分数阶傅里叶变换(FRFT,fractional fourier transform)下的故障特征提取与优化、核熵成分分析(KECA,kernel entropy component analysis)下的分形故障特征降维以及改进相似测度下的FCM故障特征聚类。首先,对不同工况的尾气数据进行FRFT处理,获取三元催化器从时域到频域的精细故障信息,同时利用粒子群算法(PSO,paticle swarm optimization)选取最优的FRFT特征,并由分形算子给出相应精细特征的分形维数;其次,借助KECA对候选的高维分形特征进行维数约简;最后,将获得的故障特征提交给改进测度的FCM故障分类器完成故障诊断。数值实验结果表明,较之采用欧式距离或余弦距离的FCM方法,研究方法的故障诊断精确度更高。