基于AR双谱的超声波电机故障诊断

针对超声波电机在工作时发生故障难于监测与判断,提出一种高阶谱诊断超声波电机故障的方法.利用高阶累积量对振动信号建立AR模型,再对其进行参数化AR双谱估计.实验结果表明:与正常状况时的超声波电机AR双谱相比,故障状况时其双谱能量分布出现分散,峰值减少,同时等高线图和双谱切片也存在明显差异,因此可以作为故障诊断的依据.     

调速阀故障诊断的AR双谱定阶方法比较

为解决故障诊断中确定最优的自回归(AR)模型阶数的问题,运用最终预测误差(FPE)、阿凯克信息准则(AIC)、贝叶斯信息准则(BIC),以及奇异值分解(SVD)的切片法和Frobenius法共5种定阶方法对调速阀的故障进行自回归模型定阶实验.结果表明,FPE,AIC,BIC及SVD切片法确定的阶数较低,而用SVD Frobenius法确定的阶数较高.通过不同阶数、不同故障的调速阀故障诊断实验可知,用SVD Frobenius法建立的AR模型效果优于其他方法.     

调速阀的AR三谱及关联维数故障诊断分析

为了辨识调速阀的工作状态,文章建立了调速阀不同工作状态采集信号的时间序列AR模型,绘制了AR三谱及其切片谱图,分析了调速阀正常工作状态与不同故障状态下的动力学性能变化,分析了各切片谱的关联维数变化。分析结果表明,三谱及其切片谱能直观反映调速阀的不同工作状态变化,适合用于调速阀的故障诊断,各切片谱及其关联维数在反映系统动力学特性方面存在对应关系,适合于调速阀的定量和定性相结合的故障诊断分析。     

时间序列双谱在调速阀故障诊断中的应用

研究液压系统的一种新的故障检测方法,利用时间序列双谱分析实现调速阀故障诊断.根据实验分析,调速阀正常工作和出现故障时采集的振动信号的双谱存在明显的差异.由此可知,时间序列双谱分析是实现液压元件故障检测的一种有效方法.     

AR双谱的电梯机械故障诊断

通过采集电梯运行时的加速度振动信号,建立AR时间序列模型.分析AR双谱图、双谱等高线,以及双谱对角切片,诊断电梯机械故障.研究结果表明:在电梯正常工作和故障时的双谱存在明显的差异,AR双谱表现出了不同的特征,可以作为电梯机械故障的诊断方法.     

三谱切片在调速阀故障诊断中的应用

为了解决液压元件调速阀故障诊断难的问题,采用三谱及其切片分析的方法,针对调速阀阀体正常和故障时的振动信号,分别绘制出其双谱切片和三谱切片图.比较和分析结果表明,正常时,三谱二维切片的幅值在以2个频率构建的平面中心处为零,而故障时不等于零;从对角切片分析发现,三谱对角切片能表现出比对应的双谱更多的幅值信息.三谱能更有效地提取非线性信息,为获得故障特征提供有效的依据.     

AR双谱估计的Matlab实现

根据AR双谱估计的基本原理,对其Matlab实现方法进行研究,给出了AR模型双谱估计的Matlab实现,最后给出一个仿真测试实例,仿真结果表明了该方法的有效性.     

利用AR模型和支持向量机的调速阀故障识别

提出一种基于时间序列的自回归(AR)模型和支持向量机故障识别方法.以液压调速阀的故障识别为例,利用采集到的调速阀体的振动信号建立AR模型;然后,将AR模型自回归系数和残差方差组成的特征向量输入到支持向量机.最后,通过支持向量机完成对调速阀的正常和各种故障工况的分类识别.实验结果和分析表明,识别率不仅与核函数的选取有关系...     

新型调速阀

介绍调速阀的新型结构及应用.     

基于LMD和AR模型的转子系统故障诊断方法

提出了基于局部均值分解(Local mean decomposition,简称LMD)和AR模型相结合的转子系统故障诊断方法.该方法先用LMD方法将转子振动信号分解成若干个瞬时频率具有物理意义的PF(Product function,简称PF)分量之和,然后对每一个PF分量建立AR模型,提取模型参数和残差方差作为故障特征向量,并以此作为神经网络分类器的输入来识别转子的工作状态和故障类型.与EMD方法的对比研究表明,这两种方法均能有效地应用于转子系统的故障诊断.但LMD方法信号分解后数据残差比EMD方法的小.     

基于双谱和PSO-SVM的滚动轴承故障诊断

针对故障轴承信号的非线性、非高斯性,提出了一种基于双谱和纠错编码支持向量机（error-correcting output codes support vector machine,ECOC-SVM）的滚动轴承故障诊断方法。使用故障轴承振动信号双谱特征构造特征向量,在SVM的训练过程中,使用微粒群算法（particleswarm optimization,PSO）对支持向量机的参数进行优化。实验结果表明该方法能获得较高分类准确率。     

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。     

基于自回归时序盲辩识的机械故障诊断

提出了一种自回归(AR)模型的盲辨识的算法，该算法与传统AR模型的辨识算法的区别在于它可同时确定AR模型的阶次和参数，而不需事先确定AR模型的阶次或假定AR模型的阶次已知，其特点是计算量小，具有很好的收敛性，并在此基础上将AR模型的盲辨识方法应用到机械故障诊断中．     

基于Bayes判别法的内燃机气门间隙故障诊断

以内燃机气门振动信号经过经验模态分解（EMD）方法得到的固有模态函数的关联维数作为判别因子,建立内燃机气门故障诊断Bayes判别分析模型.以内燃机气门故障诊断Bayes判别分析模型计算判别样品的Bayes判别函数值,以最大对应的总体作为样品所归属的总体.对判别准则进行了评价,检验该判别模型的优良性.研究表明：Bayes判别分析模型回判估计误判率很低,为内燃机气门间隙故障诊断识别提供了一种有效的定量化分析方法.     

机械传动系统故障诊断中的时序分析法

叙述了AR(自回归)技术在机械传动系统故障诊断中的应用,首先结合AR模型的特点,讨论了在机械传动系统中应用的可能性,然后简述了AR模型的参数估计,并就故障诊断中的模型建立与识别及其实时性等问题进行了探讨。给出了基于参数模型的故障诊断的方法和准则。     

负载力矩对旋转阀转速的影响分析及转速控制研究

旋转阀的转速控制关系到钻井液压力信号的产生。旋转阀负载力矩随旋转角的变化规律是影响转速控制的关键。根据旋转阀转子的受力情况分析了旋转阀负载力矩的组成及影响因素。通过理论分析结合计算流体力学(CFD)仿真分析建立了负载力矩的计算模型。研究表明,旋转阀负载力矩随旋转角呈严重的非线性变化,负载力矩与钻井液流量的平方有关,与钻井液密度呈线性关系,与钻井液黏度无关。负载力矩的非线性特性对旋转阀转速产生严重影响。基于负载力矩的计算模型,采用负载力矩的前馈补偿进行旋转阀转速控制系统的线性化校正,通过转速负反馈形成PID(比例-积分-微分)闭环实现旋转阀转速的快速随动控制。MATLAB/Simulink仿真结果表明,旋转阀转速闭环控制系统具有快速跟随调相脉冲变化的能力;同时对流量测量误差及负载力矩计算模型偏差产生的干扰影响具有较强的抑制作用,可以满足对32 Hz的压力载波进行相移键控(PSK)调制,实现16 bit/s的数据传输速率。