双树复小波时频构造在齿轮系装配间隙检测的应用

为优化离散小波变换在机械设备非平稳周期性故障特征提取的时频局部化能力,研究了一种时频域的双树复小波构造方法.通过调整复尺度函数滤波器的频率响应函数,获得初始滤波器的冲击响应向量,然后从时域上利用迭代优化算法增强构造结果的正交性,来进一步抑制能量泄漏,从而可在零消失矩下保证构造结果的正则性.数值仿真表明,时频域构造方法具有低能量泄漏的特性,在重型车床主轴箱齿轮系的振动信号应用中,可有效地提取由滑移齿轮装配间隙引起的微弱周期性调制特征,提取效果明显优于经典Daubechies规范正交小波,以及纯粹时域构造的双树复小波.     

基于支持向量机故障分类器的参数优化研究

针对基于支持向量机故障分类器的参数优化问题，讨论了以半径-间距上界(RM界)最小化为目标的支持向量机参数优化的原理，提出了一种简化算法．针对梯度下降算法计算复杂和在梯度无法求出时不能实现优化的不足，简化算法不需计算梯度，而是利用固定的迭代步长来实现核函数一个参数的优化．依据简化算法实现了二分类故障分类器的参数优化，并应用于汽轮发电机组的蒸汽激励和轴瓦松动故障的分类器中．测试结果表明，通过参数优化可提高故障分类器的分类能力．     

基于支持向量机的机械故障诊断方法研究

针对因缺少大量故障数据样本而制约机械故障智能诊断发展的问题，提出了一种基于支持向量机的机械故障诊断新方法，介绍了该方法的原理和算法，并利用模拟故障数据建立了多故障分类器。这种诊断方法只需要少量的时域故障数据样本来训练故障分类器，不必进行信号预处理以提取特征量，便可实现多故障的识别和诊断。测试结果表明，当数据样本中含有26％的噪声时，故障分类器仍然能正确分类多种故障。这种诊断方法具有算法简单、可对故障在张分类和故障分类能力强的优点。