基于克隆选择的粗糙集属性约简方法

基于免疫克隆选择的原理，提出了一种新的粗糙集属性约简方法，将属性集合的分类近似质量作为进化目标，利用免疫反应的分布性特点通过局部并行搜索实现全局优化，并采用抗体更新和亲和力抑制手段来维持群体的多样性，保证了各抗体局部优化解的稳定性，从而获得了多个优化约简集合，通过机械故障诊断数据的实例应用，表明该方法可以获得多个符合分类质量要求的属性约简集合，因此满足了设备故障诊断的特征优化选择要求。     

基于轨迹平行测量的发动机异响诊断方法

为了利用机器的声（异响）信号进行故障识别，提出了一种异响信号的故障诊断思路，首先利用连续小波消噪技术对声信号进行消噪和故障源识别，然后将混沌技术中的轨迹平行测量方法应用于异响信号的非平稳特征提取与识别，提取出时间序列动力学轨道运行特征指标，经过对发动机的故障声信号进行实际应用后，表明该方法具有良好的识别效果，为声音信号的故障诊断提供了一种新的工具。     

一种电流弱信号特征提取方法

针对数控机床主轴电流分析中微弱电流信号被噪声淹没的问题,提出了一种将调制随机共振和D-J阈值噪声估计技术用于电流弱信号的特征提取方法。利用调制随机共振技术获得了微弱电流信号的特征频率,在频域上采用D-J阈值收缩方法对所测得的电流信号进行噪声估计,从中分离出有用信号,并根据随机共振原理对该有用信号进行了幅值估计。仿真和实验结果表明,该方法可以对数控机床主轴电流信号中的微弱电流特征信号进行频率识别和幅值估计,克服了传统电机电流分析方法无法识别微弱电流信号的缺点,能够准确地提取出微弱电流信号中的特征频率,可对微弱特征信号进行比较准确的幅值估计,因此具有较强的工程实用价值。     

结合交叠区异点统计和相关分析的免疫克隆特征选择方法

为了解决机械故障诊断中的特征选择问题,利用免疫克隆选择算法,提出了一种结合交叠区异点统计和相关性分析的免疫克隆特征选择方法,可有效地去除不相关特征和冗余特征.基于空间分布的交叠区异点,设计了交叠区异点统计的优化指标;基于J散度距离,设计了一种冗余特征的评估指标;基于免疫克隆选择算法,结合交叠区异点统计优化指标和冗余特征评估指标,提出了一种免疫克隆特征选择新算法.仿真和实际工程应用的结果表明:文中提出的方法比常用的特征选择方法更加有效,选出的特征分类精度更高,特征子集更小,更能满足故障诊断的需求.     

利用非线性流形学习的轴承早期故障特征提取方法

针对早期故障微弱特征难以提取的问题,提出了一种基于非线性流形学习的滚动轴承早期故障特征提取方法.在由时域指标和小波频带能量组成的原始特征空间中,结合局部切空间排列学习算法的特点,采用散布矩阵分类测度指标,实现了局部邻域的优化选取,从而提取出最优的敏感故障特征.通过实例应用,表明该方法有效地克服了主分量分析和非线性核主分量分析方法的不足,提取的融合特征敏感性更好,从而提高了故障模式的分类性能,实现了轴承的早期故障诊断.     

冲击故障特征提取的非线性流形学习方法

为了提取机械设备故障引发的冲击成分,提出了一种基于非线性流形学习的冲击故障特征自适应提取方法.该方法将反映故障的振动信号重构到高维相空间中,利用局部切空间排列的流形学习方法提取出隐藏其中的低维流形,并基于峭度和偏斜度指标的特点,提出了冲击波形量化的取值策略,实现了高维相空间中局部邻域参数的自适应选取,从而提取出最优的冲击故障特征.通过仿真数据的对比分析和工程应用,表明该方法能够较好地提取出冲击成分信号,与小波软阈值方法相比,提取出的冲击特征成分更完整,周期性更好.     

利用增量式非线性流形学习的状态监测方法

针对传统流形学习方法难以处理大批量设备运行数据的特点,提出了一种采用增量式流形学习方法的机械设备状态监测方法.该方法首先利用局部切空间排列算法对训练样本集进行非线性维数约简,得到初始的低维流形结构,然后通过增量式学习机制对新增的时序样本点进行动态聚类.通过对压缩机喘振试验数据及滚动轴承故障数据的分析表明,该方法的计算复杂度低,可以有效地识别出隐藏在高维特征集中的非线性故障特征,因此具有良好的工程应用前景.     

以组合故障案例为证据的一种诊断推理方法

针对单纯依靠案例特征之间的相似性进行推理、结果中将存在不确定性信息的问题,通过引入证据理论,将搜索结果中的故障模式构成目标识别框架,并基于案例之间的相似度,给定各故障模式的基本概率赋值.利用证据理论的组合规则,对搜索出的相关案例样本进行信息融合,从全局相似度中有效地分离出案例对特定故障模式的确定性信息,从而降低了推理结果中故障模式的不确定性信息.对大机组实际故障数据的应用,证明了方法的有效性,为组合故障的案例推理提供了解决思路.     

采用遗传算法的自适应随机共振系统弱信号检测方法研究

针对传统自适应随机共振系统只能实现单参数优化的缺点,提出了一种基于遗传算法的多参数同步优化自适应随机共振算法.该算法选用由双稳系统输出的信噪比作为遗传算法的适应度函数,能够实现随机共振系统中多个参数的自适应选取,从而最优地检测出原始信号中的微弱周期成分.同时,将该优化算法和移频变尺度随机共振相结合,可以实现大参数条件下的随机共振.仿真数据和滚动轴承外环故障数据的分析表明,该算法收敛速度快,简单易行,在采样点数较少的条件下能从强噪声背景中检测出微弱的高频周期成分,因此具有良好的工程应用前景.     

基于非线性流形学习的喘振监测技术研究

为了提取压缩机喘振发作时表现出的非线性特性,引入了一种新的喘振特征提取方法.首先对原始信号进行多元统计分析,构造高维特征空间,然后利用局部切空间排列的流形学习方法提取出一维主流形,进而通过主流形几何结构的变化来反映系统的非线性变化.分析结果表明,与相关积分方法相比,该方法可以提前1 s识别出喘振特征,并且能够降低误报率,因此在喘振监测中具有良好的应用前景.