基于支持向量机的机械设备状态趋势预测研究

提出了用支持向量机对机械设备状态趋势进行预测的新方法,构造了相应的支持向量回归机,并分别用仿真数据和实际数据对其性能进行了验证．将该支持向量回归机应用于某机组振动信号的预测,采用径向基核函数和合适的参数,使该向量回归机对振动量峰峰值的单步预测误差小于2％,24步预测误差小于5％,表明该算法对机械设备的运行状态趋势具有较好的预测能力．     

粒计算及其在机械故障智能诊断中的应用

为了更好地揭示原发性、早期微弱以及复合故障的发生发展规律,以粒计算理论为基础,提出了基于相容粒度空间模型的智能故障诊断方法.该方法通过层次化和粒度化来表示原始数据中蕴涵的不同设备运行状态的信息,使得不同故障状态被高效地映射到粒结构的不同层次上,达到正确区分各类故障的目的,利用得到的约简属性集构建相容粒度空间模型,对电力机车轮对轴承的早期微弱故障、严重故障以及复合故障进行诊断,取得了较高的分类精度.实验结果表明,与RBF神经网络方法相比,模型有着很高的分类性能,对9类故障状态的分类准确率达到了91.11%,说明相容粒度空间模型在机械故障诊断方面具有很好的分类性能.由于约简方法可以弥补特征评估技术不能直接获得最优特征组合的不足,因此提高了模型的工作效率.     

机械结构裂纹的小波有限元定量诊断技术与应用

立项背景重大装备因结构裂纹导致的失效占80％以上,裂纹这一“隐形杀手”被形象地称为重大装备安全运行的“癌症”,具有难发现、易扩展、强破坏的特点。     

新型高速机车轴温监测系统的研究与开发

介绍了一种新型高速机画轴温监测系统,该系统采用新型数字式温度传感器,利用单根串行总线传输数字信号等新技术,具有测温精度高、抗干扰能力强、工作稳定可靠的特点,在SS7D型高速机车上的运行结果证明,该系统测温误差小于1.5℃,没有误报警和漏报警现象,是可行的和实用的,能满足高速机车的要求,对保障高速机车的安全运行具有重要作用。     

小波分形技术及其在非平稳故障诊断中的应用

根据小波变换和分形理论在多尺度分析和自相似本质上的一致性,提出了小波分形技术。为了克服目前离散信号盒维数计算方法的不足,推导出了确定周期或准周期振动信号无标度区的经验公式,使盒维数的改进算法具有简单、准确和实用的特点。通过汽轮发电机组轴瓦松动故障的成功诊断案例表明,小波分形技术为非平稳故障诊断提供了一种有效的新技术。     

运行工况传递路径分析方法研究进展

分析了近年来传统TPA(transfer path analysis,TPA)、运行工况TPA(operational TPA,OTPA)、OPAX(operational-X TPA)以及混合TPA方法的基本原理、优势和不足以及工程应用,阐述了功率流法在TPA领域的潜在应用;重点针对OTPA方法,考虑了参考点距离的影响,设计了辐射球声源声传递路径仿真系统和激振器激励矩形板振动传递路径实验系统。结果表明:OTPA值与理论值和实验值的相对误差分别小于5%和8%,与此同时,OTPA方法对噪声很敏感,当噪声较小时,较近参考点有利于提高OTPA方法的精度,因此,应合理布置传感器和设计运行工况;最后,对TPA方法的发展趋势进行了展望。     

应用粒计算的混合智能故障诊断技术研究

针对现有的混合智能故障诊断模型缺乏通用方法和混合框架,未能实现不同智能诊断方法的实质性融合和优势互补的问题,提出并构建了一种基于粒计算的混合智能故障诊断模型.该模型的核心是在邻域粗糙集中求取不同的邻域值,对故障特征集进行分层粒化,在不同粒度下获得核属性集.利用核属性集在相应粒度下构建人工神经网络和支持向量机子分类器,通过评估矩阵算法对所有粒度下全部子分类器的诊断结果进行融合集成.模型应用结果表明,分类精度随着粒度层的增加而不断提高,集成后的分类精度高于不同粒度下的所有子分类器,从而体现了粒化分层的优势和不同智能诊断方法的优势互补,为混合智能诊断提供了一种新途径.     

一种新的混合智能预测模型及其在故障诊断中的应用

针对机电设备运行状态受多因素影响且变化趋势复杂、难以用单一预测方法进行有效预测的问题，提出了一种新的基于经验模式分解、支持向量机和自适应线性神经网络的混合智能预测模型．首先，利用经验模式分解方法将非平稳时间序列按其内在的时间特征尺度自适应地分解为多个本征模式分量，然后根据这些分量各自趋势变化的剧烈程度选择合适的核函数，用支持向量机对其进行预测，最后通过自适应线性神经网络对这些预测分量进行自适应加权组合，得到原始序列的预测值．研究结果表明，对于标准算例和某机组振动趋势的预测，不论是单步预测还是多步预测，该模型的预测性能均好于单一的支持向量机预测方法。     

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.     

经验模式分解模糊特征提取的支持向量机混合诊断模型

为解决机械故障小样本模式识别问题，有效地提高分类的准确率，提出了一种基于经验模式分解模糊特征提取的支持向量机混合诊断模型．该模型通过对信号进行经验模式分解，提取信号的本征模式分量并转化为模糊特征向量，对机器故障进行诊断，然后将模糊特征向量输入到多分类的支持向量机中，实现了对机器不同故障类型的识别．将该模型应用于汽轮发电机组的3种工作状态的识别中，测试结果表明，同原有的未经过任何特征提取以及经过小波包模糊特征提取的2种多分类支持向量机方法相比，该模型将分类准确率从原有的53．33％和86．67％提高到100％，有效地改善了分类的准确性．同时，该模型还为汽轮发电机组的故障确诊提供了有力依据．