结合非线性频谱和核主元分析的机器人用RV减速器故障诊断

针对机器人用RV减速器故障诊断准确率低问题,采用基于非线性输出频率响应函数频谱与核主元分析(KPCA)相结合的方法诊断RV减速器故障。利用RV减速器性能测试平台采集减速器在正常状态和故障状态下的输入和输出数据;采用批量估计算法得到每种状态下的前4阶频谱值,将其作为故障特征送入KPCA进行压缩,通过设置主元累计贡献率将400维数据压缩至5维;将KPCA生成的低维数据送入支持向量机分类器进行训练和测试。试验结果表明:与仅把振动信号时域或频域作为数据集进行故障诊断的方法相比,所提方法的故障诊断准确率分别提升了27.50%和8.34%,达到了96.67%,所提方法在RV减速器的故障诊断上有效。     

基于非线性主元分析的水轮机调节系统传感器故障诊断

利用现场的运行数据,将基于输入训练神经网络的非线性主元分析(PCA)方法应用到水轮机调节系统传感器故障诊断中,讨论了基于输入训练神经网络的非线性主元分析实现方法,建立了输入训练神经网络和反向传播网络,实现了对实测数据的重构,讨论了利用平方预测误差(SPE)进行故障检测和识别的方法,并用现场实测数据对该方法进行了仿真。仿真结果表明,该方法有效且实用。     

非线性输出频域响应函数的自适应辨识算法及应用

为解决非线性输出频域响应函数(NOFRF)模型用于模拟电路系统故障诊断时,传统辨识算法需多次激励计算过程耗时长的问题,提出了NOFRF的频域自适应辨识算法(NOFRF-BLMS),该算法构造了NOFRF的输入观测向量与核向量,从而可将NOFRF表示成一个伪线性结构.根据块最小均方(BLMS)原理及约束优化理论,推导出满足最小均方误差指标的NOFRF自适应辨识迭代计算公式,采用输入功率普迭代估算学习因子,由输出误差构造残差向量.NOFRF-BLMS通过在线学习方式,只需一次激励即可辨识出NOFRF,使辨识过程大幅度简化,缩短了辨识时间,具有更强的噪声抑制能力.实验结果表明,NOFRF-BLMS在相同的辨识精度下,耗时仅为传统算法的3%,且故障判断准确.     

基于关联积分的非线性降噪和故障诊断技术

基于交叉关联积分算法，利用重叠滑动窗口对非平稳信号进行分段比较，给出了一种故障诊断和预报的方法．对滑动窗口中的一维非平稳测量信号，首先采用正向过阈值变换的方法，将原始测量信号转变为完全包含系统固有信息的间期时间序列，并用延时嵌入的相空间重构方法，对间期时间序列进行相空间重构，从而实现系统固有动力学特性的再现；与此同时对测量信号进行非线性复合消噪处理；最后通过检测各滑动窗口相对基准窗口的关联积分的变化，对系统故障进行诊断和预报．实例结果表明，此故障诊断方法具有准确率高、实时性等优点，可望用于大型、复杂系统的故障诊断．     

基于功率谱分析的非线性系统的故障诊断技术

非线性系统的吸引子及各类吸引子的功率谱特性对研究该系统的故障检测与诊断提供了十分重要的信息，基于功率谱分析和研究的非线性系统的故障诊断原理、功率谱分析方法作了详细的叙述，分析和研究的结果表明：基于功率谱分析的故障诊断系统特别适宜于吸引子易随参数变化的非线性系统．图1，参10．     

基于声卡的乳化液泵故障诊断系统

通过分析乳化液泵排、吸液阀振动产生的机理设计了泵的振动信号测试系统和泵的故障诊断软件。测试系统采用PC计算机、电涡传感器,声卡,建立了乳化液泵振动信号的信号采集系统并对测点的安放进行了说明。用声卡成功地代替了一般的数据采集卡来采集振动信号,有效的降低了整个测试系统的成本。乳化液泵故障诊断系统软件主要包括主调度模块、功能模块组、人工神经网络程序包和数据库等部分。主调度模块主要控制和协调诊断系统其它部分的工作。诊断系统软件的在线故障诊断功能、事后故障诊断功能、人工神经网络的训练以及其它工具的功能都是通过它调用相应的功能模块或子程序来实现的。中心数据库是为整个乳化液泵状态监测与故障诊断系统服务其主要功能是存储各种过程参数和故障诊断参数。     

裂纹转子振动的非线性特性分析

在裂纹转子的非线性特性分析中考虑了裂纹产生对转子两个方向刚度的影响，此为基础在旋转坐标下建立了裂纹转子的非线性动力学模型，裂纹的“开闭”取决于转子振动，不平衡与重力的综合作用，利用数值方法对裂纹转子的拓动响响进行了计算，并根据数值计算的结果分析转子系统振动随不平衡，转速等参数变化的分叉混沌特性，同时，对系统响应描率谱进行计算得出，亚谐波与高次谐波分量可作为识别裂纹的重要特征。     

基于改进动态等距离映射的非线性动态故障诊断方法

分析动态等距离映射算法,针对数据稀疏分布造成短路边的缺点,运用主成分分析法进行可视化一维主元提取,近似确定高维采样点的分布情况,自适应获取采样点的近邻参数.其次,采用流形距离量度代替欧氏距离进一步得到测地线距离,提取训练样本的子流形特征,并运用标准化监控统计量实施过程监控和故障检测.最后,设立子流形综合相似度指标,对故障数据进行模式匹配.TE(Tennessee Eastman)过程的仿真结果表明:所提出的方法可以更为有效地检测到故障发生,并进一步对发生的故障进行识别.     

基于非线性主成分分析的综合国力评价模型研究

如何构建一种定量的综合国力评价模型具有重要意义。当前评价综合国力的方法不多,一般方法易受主观因素影响。本文给出非线性主成分分析综合评价方法,有较好的稳定性和可靠性。利用该方法,本文对世界主要国家的综合实力进行了评价。     

工业机器人驱动系统非线性频谱故障诊断方法

针对广义频率响应函数(GFRF)在故障诊断中存在计算量大、无法满足系统对诊断实时性要求的问题,提出基于非线性输出频率响应函数(NOFRF)的工业机器人驱动系统故障诊断方法。该方法构建系统一维频谱函数的辨识模型,将系统的输出频谱与估计频谱进行比较求出残差,根据残差大小改变辨识步长迭代出前4阶频谱;对获取到的4阶频谱进行逐阶采样,每阶频谱采集10个数值,共40个频谱构成40维特征矢量,将其作为系统的故障特征输入核主成分分析方法(KPCA)进行压缩,通过计算主元累计贡献率将高维数据压缩至3维,降低变量之间的非线性度;构造SVM分类器,将KPCA方法生成的低维数据中60%的数据作为训练集对分类器进行训练,将40%的数据作为测试集进行故障识别。实验结果表明,在相同的数据提取任务下,与基于GFRF的方法相比,所提方法节约时间854%,可以准确、快速地提取系统故障特征,进一步验证了该方法在工业机器人驱动系统故障诊断应用上的可靠性。     

基于多表达式编程与频率等高线相结合的结构裂纹检测

在将进化算法用于裂纹诊断的基础上,对结构裂纹定位进行了深入分析和研究。将结构固有频率作为裂纹的诊断参数,根据频率等高线的交点及多表达式编程模型的预测结果来定位结构裂纹。实验结果表明该方法能够有效地融合二者的优点,实现裂纹快速、准确定位。     

入口非均匀流对核主泵性能影响研究

CAP1400反应堆冷却剂系统中蒸汽发生器下封头和核主泵直接连接,使蒸汽发生器下封头出口接管的流场变得不均匀.为探究非均匀入流条件对核主泵性能的影响,对核主泵叶轮和蒸汽发生器下封头进行联合简化建模,采用CFD方法数值计算泵的能量、水动力以及空化性能,并与均匀入流下的仿真结果进行比较.计算结果表明:在0.7Q_0~1.2Q_0工况范围内,进口的不均匀流动导致泵的扬程下降1.8%~5.1%,叶轮扭矩下降1.9%~6.4%,而效率没有发生明显的变化;非均匀入流下扬程的降低使叶轮所受轴向力有所减小,但径向力显著增大.空化发生时,泵的临界空化余量增大,抗空化性能降低,空化区域出现明显的不对称.     

基于分离涡模拟的核主泵水力性能非定常特性分析

为了研究核主泵在设计工况下水力性能的非定常变化特征,基于DDES湍流模型,对某型号核主泵进行全流场非定常数值计算,并结合Q准则捕捉的旋涡结构进行非定常特性分析.结果表明:在一个旋转周期内,受动静干涉作用,泵的瞬态外特性整体上具有不规律的周期性变化特征;叶轮与导叶流道内的旋涡结构会呈现出周期性分裂、融合的非定常现象,而压...     

基于改进希尔伯特-黄的泵阀故障诊断新方法

将改进的希尔伯特黄应用到泵阀的故障检测,通过对现场采集数据的分析,提出了一种新的识别故障泵阀的简易诊断方式。首先对6个泵阀信号都作EMD分解,用IMF分量数鉴别故障泵阀,故障泵阀含有IMF数量最多,然后再做出每个泵阀信号希尔伯特能量谱,通过故障泵阀具有高能量来进一步证实。结果表明了该方法能够准确有效的判断出故障泵阀。因此相对于可靠性低并对工作人员身体有害的传统方法而言该方法具有可靠性高,对工作人员无害等优点。     

基于AFS的一类非线性系统鲁棒故障诊断

针对一类非线性系统,首先设计了系统无故障时的状态观测器,给出了闭环系统稳定性定理并作了详细的证明。在此基础上,当系统发生故障时且存在外加干扰时,通过自适应模糊系统AFS(Adaptive Fuzzy Systems)构造了系统故障逼近器,研究了系统的鲁棒故障诊断。最后,仿真结果验证了文章所提出方法的有效性和鲁棒性。     

基于非线性频率响应函数的输电线路故障在线监测方法

提出了基于非线性频率特性分析的输电线路状态监测与故障诊断新方法。通过电力载波信号对输电线路进行在线监测,运用非线性频率响应函数对系统固有特性描述的唯一性,建立输电线路不同运行状态的频率响应模式,根据发生故障后传输线频率响应特性的变化,进行故障征兆模式的特征抽取与识别,从而实现输电线路故障的在线监测与诊断。通过对不同故障类型的仿真实验,验证了所提方法的有效性。     

基于LSSVM概率输出与证据理论融合的变压器故障诊断

为了利用相对较少的故障数据样本对变压器主要故障类型进行较准确的判断,基于智能互补和数据融合的思想,提出基于最小二乘支持向量机LSSVM( least square support vector machine)概率输出与证据理论融合的故障诊断方法。该诊断方法具有以下特点：可融合蕴含变压器运行状态的多种特征信息,输出变压器各种故障的概率,为变压器检修提供更多的可用信息;充分发挥了LSSVM在小样本情况下具有较强泛化能力的优势。算例结果表明,该诊断方法的故障诊断准确率达到91.1%,优于传统的IEC三比值法(故障诊断准确率75.6%)及LSSVM分类法(故障诊断准确率82.2%),有效降低了诊断误判的风险。     

基于局域波和混沌的转子系统早期碰摩故障诊断

为实现低信噪比下的微弱信号检测,提出一种基于局域波和混沌的微弱信号检测方法.将微弱的故障信号分解为有限的并且具有不同基本模式的分量,每个分量为单一成分信号,实现了信噪分离.将局域波分量输入所设计的混沌振子,混沌振子系统行为由混沌状态变为大周期运动状态,表明检测信号中含有特征成分,实现了利用混沌振子对低信噪比微弱信号的检测识别.对转子系统早期碰摩故障信号检测结果说明了该方法的有效性.     

基于故障诊断观测器的非线性时滞时变奇异系统的容错控制

为了解决控制理论中的系统安全性与可靠性问题,考虑到时滞时变普遍存在于此类系统中,沿着故障诊断和容错控制解决问题的思路,针对基于故障诊断观测器的非线性时滞时变奇异系统的容错控制问题进行研究,构造了一种新型的故障诊断观测器,结合Lyapunov稳定性理论研究了故障诊断观测器的状态估计误差,构建了状态反馈的容错控制器,利用Schur补引理以及一些基本的控制理论得到了故障诊断观测器和容错控制器存在的线性矩阵不等式(LMI)的充分条件,确定了闭环系统的稳定并且符合所给定的性能指标。通过Matlab仿真实例验证了所提方法的简便性以及实用性。此方法很好地克服了系统中存在的非线性、扰动以及时滞时变问题。     

基于ReliefF-PCA和SVM的发动机故障诊断方法研究

针对柴油发动机机组振动信号非线性和非平稳性以及机组实际故障案例样本数据少的特点,提出了一种基于ReliefF、主成分分析（PCA）以及支持向量机（SVM）的柴油发动机故障诊断方法。首先提取发动机冲击信号的特征参数,运用ReliefF选择出其中的敏感特征以降低处理过程的计算难度;然后采用PCA进一步提取敏感特征,消除各特征之间的相关性,避免冗余;最后利用SVM实现机组的故障分类,诊断不同类型的故障。将本文方法应用于柴油机实际典型故障案例中,结果表明该方法能有效提取柴油机缸盖振动信号中的故障敏感特征,并实现多种典型故障的诊断。