基于多重预设广义频率响应函数模型的故障诊断方法

为了避免在基于非线性谱分析的故障诊断中估计被分析系统当前的广义频率响应函数（GFRF），提出了一种基于多重预设GFRF模型的故障诊断方法。该方法使用不同的预设GFRF模型来表征系统的各种工作模态，并根据各预设模型与系统当前状态的匹配程度来判定系统故障，应用这一方法对实际的车辆减震弹簧的故障进行了诊断，测试结果表明，该方法对于工程应用是可行的，且该方法能避免在线估计GFRF，具有在线计量小、便于用微处理器实现的优点。     

基于GFRFs的模拟电路故障诊断方法

探讨了基于非线性系统的广义频率响应方程GFRFs模拟电路的故障诊断方法。利用三阶GFRFs简化辨识算法分别对中放检波电路中的各级子电路进行GFRFs模型辨识。分析其各阶Volterra核所具有的特点。提出了基于GFRFs的故障特征GF。分析了故障状态与正常状态下其特征的异同。将基于GFRFs的系统辨识方法应用于非线性模拟电路的故障诊断,验证了它在模拟电路故障诊断中的可行性。     

一类非线性系统的快速鲁棒故障诊断

.结合在线估计器和滑模观测器方法,基于所给出的一种新的自适应学习算法,提出了一种针对非线性不确定系统的鲁棒故障诊断方法.滑模观测器可以消除建模不确定性的影响以得到准确的状态估计,而在线估计器可以实时估计故障的大小.在此,基于李亚普诺夫函数,在理论上证明了所给出的状态和参数估计误差都是一致有界的;针对三容水箱DTS200所做的仿真实验,其结果验证了该方法的可行性.研究结果表明,由于滑模项的引入,使得该方法的故障检测时间大大缩短,其性能比Polycarpou所提出的在线估计器方法的性能要好.     

基于辨识模型的非线性网络故障诊断方法研究

将Volterra级数解的递推算式与方波脉冲函数变换相结合,提出了一种对一类非线性动态网络的数学模型进行辨识的新型混合模型辨识法,导出了相应的混合模型辨识公式和动态响应的求解方法．并根据该法所得到的辨识混合模型,提出采用多重预置模型方法对非线性网络故障进行诊断的方法．该法避免了在线计算系统当前工作模型,易于实现在线故障诊断、     

非线性网络广义频率响应函数统一递推分析法

假设非线性动态网络解为Volterra级数响应,利用一般的网络分析法,对任一定常非线性动态网络列出其时域的标准动态方程.将该非线性微分方程分解成一个线性动态系统与一组非线性电源,利用线性微分方程求解方法求出线性系统的解,即一阶Volterra级数响应,再考虑系统非线性电源的作用和幂级数递推关系式,导出N 阶(N≥2)Volterra响应的递推算式,即可得到非线性网络响应的Volterra级数形式.在此基础上,讨论了Volterra级数时域响应的频域变换,推导出对应的广义频率响应函数,即Volterra级数的频域核的递推算式,并给出了计算实例.     

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。     

基于非线性输出频率响应函数的转子系统碰摩故障的定位方法研究

提出采用一种新的基于非线性输出频率响应函数(NOFRFs)的方法,进行转子系统碰摩故障的定位识别.NOFRFs由非线性系统的Volterra级数理论发展起来.对多自由度振动系统中的非线性环节具有定量的检测能力.对不同碰摩位置的转轴横向振动进行有限元仿真,进而计算NOFRF函数的值,用于对碰摩所处的区间位置进行判定.     

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RBF神经网络的传感器非线性故障鲁棒诊断

针对一类非线性系统,传感器非线性故障情形,提出了新的故障诊断方法·该方法采用状态变量扩展技术将传感器故障转化为系统故障进行诊断,RBF神经网络对传感器故障的导函数进行估计,网络权值在线调整,进而实现故障的实时估计·对于系统中存在的不确定性,故障诊断方法应用阈值处理技术,使算法具有一定鲁棒性·对于给出的算法,证明了Lyapunov稳定性·最后,给出了仿真实例,结果验证了该方法的正确性·     

一种基于功率谱分析的非线性系统故障诊断方法

首先分析了Volterra级数的各级输出之间存在相互耦合的原因,然后,利用Gram-Schmidt正交化方法在频域内对Volterra级数的各级输入向量进行正交化,以消除各级输出之间的相互耦合.并依此提出了一种基于Volterra级数各阶核输出功率谱分析的非线性系统故障诊断方法.文中给出了对Volterra级数各阶输入向量正交化的具体步骤,并利用一个工程实例验证了该故障诊断方法的有效性.     

非线性模拟电路故障的BPNN诊断算法设计与实现

提出了用Volterra频域核作为故障特征对弱非线性定常动态网络进行故障诊断的方法,利用计算方法求出电路响应在各种常见故障状态下的Volterra级数解的各阶频域核,将其输入给BP神经网络,利用BPNN的分类功能建立故障字典,对实测的故障网络的各阶频域核进行测试样本分类来实现故障诊.通过故障诊断实例给出了各阶频域核的统一递推离散算式,并采用了改进BPNN算法及其程序实现.     

小波减噪和双谱分析在轴承故障诊断中的应用

提出了基于小波减噪技术和双谱分析的滚动轴承故障诊断的方法。利用小波变换及其减噪技术对滚动轴承早期微弱故障振动信号的特征频率进行提取，采用双谱估计可绘出滚动轴承故障信号的特征图谱。实验表明，小波减噪和双谱分析方法可以敏感地监测滚动轴承工作状态，并且利用特征图谱可以有效地识别滚动轴承不同的故障特征。     

应用广义线性函数的线性电路K故障诊断

在模拟电路故障诊断中,由于元件容差的影响,以及元件变化与输出增量之间的非线性关系,使得实际的诊断过程非常复杂和困难.本文引用广义线性函数的概念,对元件的容差进行类线性处理,并且弱化了元件参数变化和输出增量之间的非线性关系,提出了等效的支路故障值概念.对应用广义线性函数进行故障诊断做了讨论,导出了计及容差情况下的 k 故障诊断模型及最小二乘算法,由此所得的结果具有最优性和无偏性.诊断时采用多激励方法,消除了诊断过程中的等效故障.     

用择近原则确定轴承的故障类型

在机械故障振动诊断中,通过检测传感器拾取时域振动信号,再经过ＦＦＴ变换得到频域信号,可以对故障类型进行判别。分析了轴承的故障类型与特征频率的关系。通过建立隶属函数和贴近度函数,提出了以模糊数学为基本原理的故障判别方法。利用该方法可以更好地解决故障类型的计算机识别问题     

Design of Fault Detection Observer Based on Hyper Basis Function

In this paper, we propose the Hyper Basis Function(HBF) neural network on the basis of Radial Basis Function(RBF) neural network. Compared with RBF, HBF neural networks have a more generalized ability with different activation functions. A decision tree algorithm is used to determine the network center. Subsequently, we design an adaptive observer based on HBF neural networks and propose a fault detection and diagnosis method based on the observer for the nonlinear modeling ability of the neural network. Finally, we apply this method to nonlinear systems. The sensitivity and stability of the observer for the failure of the nonlinear systems are proved by simulation, which is beneficial for real-time online fault detection and diagnosis.     

一种基于RBF神经网络的传感器故障诊断方法

针对传感器故障，提出了一种基于RBF神经网络的集成故障诊断方法，用RBF神经网络建立传感器故障模型，对系统的状态和故障参数进行在线估计，然后将故障参数与修正的Bayes分类算法（MB算法）相结合，进行传感器故障在线检测、分离和估计。对连续搅拌釜式反应器（CSTR）的仿真结果表明，该集成故障诊断方法能够对多重传感器进行故障进行快速准确的分离和估计，并对传感器故障具有容错性。     

基于非线性频率分析的主泵故障诊断技术研究

针对非线性系统的故障诊断问题,采用非线性频率特性分析的故障监测方法,对主冷却剂泵转子的开裂纹故障进行定位识别.该方法建立主泵开裂纹故障的数学模型后,使用两个幅值不同正弦信号激励系统,从非线性输出频率响应函数得到主泵振动信号的频率响应,通过计算系统频域的故障特征值,定位出了裂纹故障的位置.使用Matlab和Simulink的仿真工具验证了该方法的有效性,因此该方法可以应用于主泵裂纹故障诊断的研究之中.     

变工况滚动轴承故障诊断方法研究

旋转机械设备在升降速、电源电压波动、载荷变化等情况下其转速将是非恒速的,将导致旋转设备中的滚动轴承在变速条件下运行,现有滚动轴承故障诊断方法中的共振解调方法在变工况条件下谱图将变得模糊,影响诊断的准确性,甚至无法获取故障特征频率。提出了对共振解调获得的包络信号采用阶比分析的方法,在无需鉴相硬件设备的前提下,提取滚动轴承的故障特征频率,实验结果证明包络信号的阶比谱可以很好地反映鼓掌特征;对精确诊断滚动轴承的故障有实际意义。     

一种基于故障参数与状态联合估计的多故障诊断方法

当需要诊断的故障数目较多、扩展故障参数后状态空间不可观测时 ,用一个故障诊断模型无法实现多故障诊断。为此 ,在分析了基于故障参数与状态联合估计的故障诊断方法原理的基础上 ,根据多个故障诊断模型之间存在的内在关系 ,提出了一种新的多故障检测和诊断方法 ,认为在某一段时间内 ,如有 n- 1(n为总故障数目 )个不同的两故障参数模型发出同一故障报警 ,则该故障报警有效。该故障诊断方法综合多个故障诊断模型的诊断结果 ,从而使一类复杂系统的多故障诊断成为可能。理论分析和仿真实验的结果证明该文所提出的方法是可行的 ,并且在工程上是易于实现的。