嵌入式旋转机械状态监控与故障诊断系统研究

从实现具有自监控、自诊断能力的智能化机械设备的角度,系统介绍了面向Internet的、具有远程监控、诊断、维护和升级能力的嵌入式旋转机械智能状态监控与故障诊断系统的实现技术.该系统采用数字信号处理器(DSP)及嵌入式计算机,实时检测并存储设备运行的转速、振动等信息,由DSP进行故障信号处理和特征分析,并通过自定制的嵌入式Linux操作系统实现了面向Internet的远程软件升级和系统维护,其内嵌的基于移动代理的嵌入式诊断软件可以通过局域网或Internet与远程故障诊断中心自动交互诊断信息,实现协同诊断,有效地提高了设备状态监控与故障诊断系统的智能化水平.     

基于逼近理论的线性/非线性建模

针对ARMA模型(包括AR、MA模型)不适用于非线性、非平稳系统的问题,分析了Weierstrass逼近定理,并指出了其工程应用的可行性.在传统系统辨识的基础上,对照典型的输入/输出模型,针对不同的输入形式提出了3种不同的模型表达式,由数据可以直接计算模型参数,而无需用模拟方法先求传递函数,这对工程应用具有十分重要的意义.然后,针对模型定阶,分析了传统AIC准则存在的问题,提出了DIC准则.DIC准则不仅适用于线性/非线性建模,也可用于随机过程的建模.最后,将GNPAX模型应用于钢板冲击信号的建模.结果表明,通过模型参数的变化,GNPAX模型能准确识别钢板的结构损伤,识别精度高于AR,GNPA和ARX模型.     

一种改进的Hilbert能量谱算法研究

分析了HHT中Hilbert能量谱的原理；研究了瞬时频率谱中端点效应产生的原因，将ARMA模型应用于Hilbert能量谱计算中，以旋转机械振动信号为对象，运用所提的方法对HHT中典型的本征模式函数进行仿真实验；通过与传统方法比较，证明它可以有效地改进端点效应，优化Hilbert能量谱。     

基于非负Tucker 3分解的稀疏分量分析在故障信号提取中的应用

针对初始故障信号不稀疏难于判断的问题,在非负Tucker 3分解(NTD)的基础上,提出了一种基于NTD的稀疏分量分析(SCA)处理二次特征信号的方法.同时,为了克服NTD算法收敛慢、易陷入过拟合等局限性,对分解因子增加了非负约束,并提出了对分解因子一次更新的算法.对比传统的最小交替二乘法,该更新算法能一次性地计算所有分解因子,避免了计算大规模的Jacobian矩阵,从而较大地提高了算法的效率.实验结果表明:NTD和SCA相结合的方法(SCA_NTD)只需迭代约150步可达到收敛,而且在频谱稀疏性处理方面优于NTF等传统的方法;在分解相同维数张量的条件下,SCA_NTD的最高精度达到了97.16%.因此,SCA_NTD不仅能够改善信号特征的稀疏性,而且对提高算法的收敛速度和精度也具有重要的意义.     

一种线性/非线性自回归模型及其在建模和预测中的应用

为提高模型准确性,在经典时序建模策略的基础上,提出了一种带有外部输入的线性/非线性自回归模型,并应用Weierstrass逼近定理推导出其一般表达式(GNARX),该模型允许带有多个外部输入以实现复杂系统的建模和辨识.针对该模型结构给出了其最小二乘参数估计方法,并采用结合建模误差、预测误差及模型复杂度的修正信息准则(AIC)确定最优模型结构.最后,将该模型应用于仿真数据和振动位移采样电流数据的建模与预测.结果表明,GNARX模型的建模和预测精度均高于AR,GNAR,ARX模型及BP神经网络模型,表现出良好的线性/非线性建模和预测能力,及较好的通用性和实用价值.     

基于FKCM的球磨机系统T-S模糊建模方法

针对传统的描述热工过程动态数学模型的方法难以建立非线性模型的缺点,提出了一种基于模糊核聚类的球磨机系统T-S模糊建模算法.该算法首先通过灰色关系法确定模型输入变量,利用FKCM聚类算法对输入空间进行模糊划分,确定T-S模型的前件结构和前件参数;进而利用最小二乘算法确定模糊规则的后件参数.最后,利用数字仿真数据对球磨机系统进行模糊建模,建模结果表明该算法简单、实用,模型能够精确地描述过程的非线性.     

小波消噪用于钻井泵阀泄露故障诊断

讨论了钻井泥浆泵阀的失效机理,提出影响泵阀寿命的2个主要因素是阀的冲击造成的阀的疲劳点蚀和由泥浆液的刺蚀、犁沟造成的冲蚀磨损。针对钻井泵现场工况,采用声信号进行诊断,泵阀声信号的特征是信噪比低、冲击信号丰富、故障信息的时域特征明显和非平稳性。因此通过对声信号的小波降噪处理,突出了泵阀失效的故障特征,Fourier分析很难达到这样的效果,说明小波分析对这类信号的消噪有着Fourier分析不可比拟的优点,同时通过消噪也为进一步诊断中特征量的提取奠定了基础。     

旋转机械故障的循环平稳度诊断

根据旋转机械信号循环平稳特性，以及故障出现后非平稳特征渐强的特点，提出了相对及绝对循环平稳度的概念，通过理论分析，提取出对旋转机械故障较为敏感的相对循环平稳指标．在此基础上又提出了通过对信号x(t)及其共轭乘积进行Fourier变换，代入循环频率α值获取循环自相关函数Rxx^α(O)的方法，并利用本方法对不同调幅系数的正弦信号和氧压机小偏心量调幅故障信号，进行了仿真和实例验证，证明了指标的有效性．     

经验模式分解在循环平稳故障信号分析中的应用

对循环二阶统计量进行了分析,研究了交叉项产生的原因;结合旋转机械故障信号的循环平稳特性,将经验模式分解方法应用于旋转机械振动信号分析中,解决了应用循环平稳方法进行信号分析中出现的交叉项干扰问题.通过理论推导、仿真实验、真实数据验证,以及和原有方法进行比较,表明经验模式分解联合循环平稳分析方法能够有效地识别故障特征,并避免干扰项.极大地推进了循环平稳方法在旋转机械故障诊断中的应用.     

旋转机械工况辨识的模糊神经网络方法

本文介绍了一种模糊神经网络分类器，针对其在旋转机械工况辨识中的应用，论述了网络的输入和输出模糊化问题，文中就旋转机械中几种典型的故障模式采用模糊神经网络进行了识别，并与传统的ＢＰ网络进行了比较，研究结果表明，模糊神经网络方法应用于旋转机械工况识别是有效的，它比传统ＢＰ网络更适合于处理分类边界模糊的数据。