飞机发动机轴承滚动体故障诊断的MATLAB实现

主要论述小波变换在信号处理方面的优越性,并通过MATLAB对飞机发动机轴承滚动体故障检测数据进行降噪处理。实验结果表明,对于在频谱图上难以找到其相应的明显频率成分的准周期故障信号,利用小波变换的多重分辨率特性,使故障成分的细节信号得到放大,对比该频率和故障情况下计算出的故障频率可以找出故障的原因。     

S变换与Elman网络的滚动轴承故障诊断

轴承故障诊断研究是机械设备故障诊断研究的重要组成部分.为了提高轴承诊断系统的实时性与准确性,提出一种基于S变换和Elman神经网络的轴承故障诊断方法.算法的有效性通过深沟球滚动轴承故障诊断得到验证,系统能够辨识出轴承内圈、外圈和滚动体故障,平均识别精度较高.     

小波分析在电控发动机故障诊断中的应用

为了探讨小波分析技术在电控发动机故障诊断中的应用，以电控汽油机转速传感器为例，采集了转速传感器的正常和异常信号，利用小波变换对信号波形进行了滤波和除噪，利用一维连续变换工具计算出正常和异常信号小波变换系数，并提取了故障信息特征参数。结果表明：转速信号的小波变换系数能够判断发动机的断缸故障；转速信号的小波分析结果能对比发动机各缸的工作性能。实践证明，利用小波分析对电控发动机进行故障诊断是切实可行的。     

基于神经网络的发动机故障诊断分析

首先简要介绍了汽车发动机故障诊断系统及基于神经网络的发动机故障诊断分析方法,其次利用神经网络知识建立起带有单隐层的三层神经网络;在理论分析的基础上,利用MATLAB软件的simulink和神经网络工具箱,分别对发动机故障进行检测和分析,仿真结果表明:利用BP神经网络对发动机故障进行检测具有检测精度高、速度快的特点。     

基于S能量熵的直驱式风电机组故障诊断方法

及时准确发现风机主轴故障,对直驱式风电机组安全经济运行具有重要意义。针对这一问题,该文提出一种基于S能量熵的直驱式风电机组轴承故障诊断方法。该方法利用广义S变换分析直驱式风机轴承振动信号的时频特性,使信号的主要能量在时频域分布更加集中,提高了信号的时频集聚性,并通过能量熵对广义S矩阵进行特征提取,构成故障分析向量,结合VPMCD方法建立故障诊断模型,对故障分析向量进行分析诊断。该文故障诊断方法对信号进行广义S变换,对变换结果采用能量熵提取特征,通过基于VPMCD方法的故障诊断模型判断运行状态。将该文方法应用于风电机组轴承故障诊断中,实验结果证明了该方法的可行性和有效性。     

希尔伯特-黄变换在轴承故障诊断中的应用研究

该文通过运用希尔伯特-黄变换（Hilbert—HuangTransform,简称HHT）对轴承的故障信号进行分析,用以诊断故障类型,并取得了较好的效果,为轴承故障诊断提供了一项可行方法。     

基于BP神经网络的柴油发动机故障诊断

阐述了BP神经网络模型及原理,提出了基于BP神经网络的发动机故障诊断分析方法,在理论分析的基础上,对发动机故障的检测和分析进行了MATLAB仿真,仿真结果表明,利用BP神经网络对发动机故障进行检侧具有检测精度高、速度快的特点.     

小波预处理的神经网络在轴承故障诊断中的应用

为提升轴承故障诊断的准确度及信号的处理能力,针对小波分析在轴承局部损伤诊断中的紧支性特点,研究了正交紧支撑函数的构建方法,以小波多分辨分析法和多元时间序列分析为基础,构建出小波神经网络,并对模型中的权值与缩放、平移数进行了修正。基于MATLAB对故障轴承的非平稳信号加速度波形进行了数值模拟计算,通过对神经网络参数修正前后的收敛性对比可知,修正后的迭代误差在幅值和收敛效率上均优于修正前,明显提升了轴承故障诊断的准确度及信号的处理能力。     

滚动轴承故障诊断研究

滚动轴承是机械工业的重要零部件,其好坏直接影响到机器最高性能的发挥,轴承在工作中承受冲击载荷与摩擦,内部结构易损坏失效,但轻微的故障极不容易发现.构建了一个故障诊断测试系统,利用MATLAB软件编程处理数据结合时域频域分析方法,最后应用BP神经网络进行模式识别故障诊断研究.     

采用多通道样本和深度卷积神经网络的轴承故障诊断方法

提出了一种新的多通道样本构造方法,结合深度卷积神经网络来提高轴承故障诊断的效果。首先采用连续小波变换,分别提取了转子两端轴承振动信号的时频域特征,基于所得结果分别构造了针对两端轴承的单通道二维图形样本,并取上述两类单通道样本的均值构造了第3类单通道样本;将得到的3类单通道样本融合,得到用于故障诊断的三通道样本;建立不同结构的深度卷积神经网络,分别采用单通道样本和三通道样本对滚动轴承故障类型和故障严重程度进行诊断,并将所得结果进行对比分析。结果表明:在多种不同网络结构下,基于三通道样本的轴承故障诊断准确率均明显优于单通道样本,证明了提出的多通道样本构造方法在轴承故障诊断中有着更好的效果,可以为轴承故障诊断方法和样本构建提供参考。     

故障树在飞机活塞发动机故障诊断中的应用

在分析飞机活塞发动机结构特点的基础上，根据外场维修经验及系统故障汇总分析，建立了活塞发动机故障树，井对故障树的逻辑关系和定性分析进行了研究。实践证明，该方法很好的提高了发动机故障诊断和排故效率。     

基于Hilbert变换的包络分析及其在滚动轴承故障诊断中的应用

讨论了Hilbert变换的基本原理,以及基于Hilbert变换的包络解调方法在轴承故障诊断中的应用。实践表明:对于具有调制现象的滚动轴承故障诊断,基于Hilbert变换的包络解调方法,具有明显的诊断意义,是一种可靠的诊断方法。     

基于WGAN和CNN的轴承故障诊断研究

轴承作为机械系统的关键部件,可以解析出整个机械系统的故障信息和健康状态,提出一种基于改进生成对抗网络和卷积神经网络的轴承故障诊断方法.首先通过小波变换将一维轴承振动数据转换为二维时频图像数据;然后经设计的改进生成对抗网络训练轴承的二维图像数据,将达到纳什平衡后生成的数据补充到原始数据中增加轴承样本数据;最后将扩充完成的数据集输入卷积神经网络进行训练.测试结果显示轴承故障诊断平均准确率达94%,验证了故障数据不充足时该方法用于轴承故障诊断的可行性.     

示波器在电喷发动机故障诊断中的应用

针对当前解码器和发动机综合诊断仪都比较昂贵的状况，探索了一种应用于电喷发动机故障诊断的快速、经济的方法。以上止点位置传感器为例，模拟其发生故障时发动机性能发生的变化，用数字存储示波器采集其输出信号波形并运用计算机软件进行分析处理。结果表明：用波形分析法诊断上止点位置传感器的故障是可行、有效的；使用示波器对电喷发动机进行故障诊断是一种快速经济、切实可行的方法。     

某型涡扇发动机中介轴承微弱故障特征信号提取技术

研究航空发动机在降转速过程中中介轴承微弱故障特征信号的提取技术,提出了一种基于计算阶次分析、三次样条插值分析与包络谱分析相结合的新方法。基于滚动轴承模拟故障实验和航空发动机中介轴承微弱故障实验测得的降速工况下的转速信号和振动信号,首先对转速信号在时域内积分获得角位移-时间信号;再对该信号进行线性插值获得等角度间隔的角位移-时间信号;然后利用该时间序列对振动信号进行三次样条差值获得等角度间隔分布的重采样振动信号;最后对重采样振动信号进行包络分析及快速傅里叶变换获得阶次包络谱。通过两种实验分析表明该方法能有效提取出复杂路径下航空发动机中介轴承微弱故障特征信息。该方法为航空发动机中介轴承微弱故障特征信号提取提供了一种重要手段,具有广泛的应用前景。     

基于质心广义力监测的发动机故障诊断新方法

发动机的故障诊断大多只针对某一特定类型的故障,分析对象的特征与故障的映射关系不明确,且提取的特征通用性不好,导致发动机故障诊断发展缓慢,至今尚没有一套成熟的诊断系统可应用于实际。分析了基于振动的发动机故障诊断的国内外研究动向,提出将质心广义力作为汽车发动机故障诊断的分析对象,明确发动机故障诊断分析对象的特征与故障的映射关系,对于开辟发动机故障诊断方法的新途径具有重要意义。     

基于贝叶斯优化模型的涡轮增压4缸发动机故障诊断

为提高故障诊断方法的精度并减少评估时间,通过对涡轮增压4缸发动机的声信号分析,提出了一种新的发动机故障诊断方法。利用小波包变换（WPT）进行时频分析,并从小波包变换的高、低系数中提取统计特征;然后,利用提取的特征对标准分类模型、贝叶斯优化模型和主成分分析（PCA）结合贝叶斯优化模型进行分析比较。结果表明：与标准模型相比,后2个模型都具有更高的准确度、精密度、灵敏度、特异度和F1值（调和均值）;在相似的准确度水平下,PCA结合贝叶斯优化模型比贝叶斯优化模型减少了20%左右的总评估时间和19%的测试时间。PCA结合贝叶斯优化模型在降低计算复杂度和减少评估时间的同时保证了良好的精密度,可为发动机实时故障诊断提供参考。     

基于小波消噪的轴承故障分析

目前对轴承进行故障诊断是机械设备状态监视和诊断的重要内容,该文利~MATLAB软件对轴承振动信号小波分层阈值消噪后进行频谱分析,成功检测到了轴承存在的故障。     

基于LabVIEW的倒频谱在齿轮和滚动轴承故障诊断中的应用

介绍了利用LabVIEW平台检测齿轮和轴承故障信号,叙述了在LabVIEW的环境内,使用MATLAB对齿轮振动信号进行倒频谱分析,提取齿轮故障特征信息,实现齿轮故障诊断．并通过实验验证此方法的可行性．     

基于离散Hopfield网络的飞机发动机故障诊断的智能算法研究

本文尝试将Hopfield神经网络应用于飞机发动机故障诊断,阐述了基于离散Hopfield网络的故障诊断专家系统的基本结构,对离散Hopfield网络的容错能力做了分析,这样一方面体现了离散Hopfield网络的优越的容错能力,另一方面也为以后对该网络进行进一步优化提供了相关数据,克服了传统诊断专家系统的不足。