局部投影降噪在往复压缩机故障诊断中的应用

往复压缩机的振动信号为典型的非线性、非平稳信号.提出利用局部投影法对振动信号降噪,提取关联维数,并与热力参数相结合诊断往复压缩机故障的方法.首先利用基于定量递归分析的局部投影降噪算法滤除振动信号中的噪声,然后提取关联维数,再根据热力参数计算气缸的压缩比,最后结合关联维数和压缩比,诊断压缩机的故障.结果表明:应用局部投影法降噪后振动信号的局部标度指数曲线存在明显的平台区,关联维数易收敛;在降噪后时域指标无明显变化的情况下,关联维数变化明显,基于局部投影法降噪后的关联维数更能有效地反映设备的故障状态变化.实例中诊断出的往复压缩机活塞磨损故障验证了这种方法的有效性.     

Rayleigh-Benard对流温度信号的混沌特性分析

为了揭示Rayleigh-Benard湍流存在的混沌特征,通过对Rayleigh-Benard对流温度信号的时间序列分析,研究了混沌特性随测量点变化的规律.采用G-P算法和小数据法分别得到了描述序列混沌特性的关联维、最大Lyapunov指数及Kolmogorov熵特征参数,证实了高Ra数下Rayleigh-Benard...     

漳河观台站降雨径流时间序列的混沌特性分析

系统地讨论了径流系统混沌特性判别的原理与方法,提出了水文径流系统混沌特性判别的基本框架,即以功率谱分析对径流系统进行初步定性的混沌识别,以BDS检验对径流系统进行非线性检验,应用Cao方法印证混沌特性,通过重构相空间求算的吸引子Kolmogorov熵、Lyapunov指数和关联维数等特征值定量识别混沌特性,从定性与定量...     

噪声对离散混沌系统非线性特征量的影响

以Logistic映射为例，运用非线性动力学的方法，分析了不同信噪比时，噪声对离散映像在混沌区非线性特征量的影响。通过错误近邻分析法确定序列的嵌入维，计算了序列的关联维数、最大Lyapunov指数和近似熵，结果表明：随着信噪比的降低，关联维数和近似熵逐渐增大，最大Lyapunov指数呈下降趋势；当信噪比大于500时，噪声对非线性特征量的影响不大。并采用重现图形和重现定量分析法得出信噪比大于10时序列存在的确定性规律仍能显示出来。     

非线性汽车悬架的混沌特性

通过数值仿真和实验,研究了非线性汽车悬架的混沌特性.建立了路面双频拟周期激励作用下的单自由度汽车悬架模型,通过数值仿真,给出了悬架振动的时间历程曲线、自功率谱密度图形和Poincare截面,从理论上说明汽车悬架振动是混沌的.进行振动实验,获取实验汽车悬架的振动数据,对其计算了一阶固有频率和混沌参数如关联维、Kolmogorov熵和最大Lyapunov指数,从而验证了汽车悬架振动的混沌特征.为汽车悬架的优化设计和建立悬架隔振性能混沌评价新方法提供了理论依据.     

基于混沌分形理论的滚动轴承微小故障诊断

为提取轴承微小故障的故障特征,提出一种基于混沌分形理论的滚动轴承故障诊断方法。通过计算滚动轴承振动信号的最大Lyapunov指数,进行轴承运动的混沌识别;然后,对具有混沌特性的振动信号,计算关联维数和盒维数作为故障诊断的状态特征量。当关联维数不能明显区别轴承故障时,利用关联维数与盒维数相结合的方法判别故障;最后,选取滚动轴承滚动体、内圈、外圈存在微小故障和较明显故障以及正常状态7种工况的振动信号进行实验。研究结果表明:该方法能准确提取故障特征并完成滚动轴承的微小故障诊断。该方法为滚动轴承故障诊断提供了新的有效途径。     

非线性汽车悬架的混沌研究

建立了路面双频拟周期激励作用下的单自由度汽车悬架模型,通过数值仿真,给出了悬架振动的时间历程曲线、自功率谱密度和Poincare截面图,从理论上说明汽车悬架振动是混沌的。分别采用制动法和按压车体法,对越野吉普车和福特、本田、奥迪和马自达轿车进行了振动实验,获取实验汽车悬架的振动数据,对其计算了一阶固有频率和混沌参数如关联维、Kolmogorov熵和最大Lyapunov指数,从而验证了汽车悬架振动的混沌特征,为进行悬架系统设计和悬架隔振性能混沌评价提供了依据。     

汽车悬架混沌特性的仿真研究

研究具有滞后非线性的单自由度汽车悬架在路面随机激励作用下发生混沌运动的可能性,利用Melnikov方法给出发生混沌运动的临界条件,讨论非线性度系数k2和非线性刚度系数c1、c2等各参数对系统出现混沌的影响,进行数值仿真,给出时间历程曲线、自功率谱密度图形、Poincare截面等,并计算最大Lyapunov指数和关联维数,研究结果表明,汽车悬架振动信号能够进入混沌状态,为进行汽车悬架振动信号的混沌特征参数计算和对汽车悬架隔振性能进行混沌评价提供了理论依据.     

基于多分量奇异熵的往复式压缩机故障分类

由于往复式机械振动信号的强烈非线性,对其进行特征提取较为困难.针对上述现象提出了一种计算信号多分量奇异熵的特征提取方法.通过局域波法提取出振动信号的各基本模式分量. 利用非线性动力学相空间重构理论适当选择嵌入维数与延迟时间,计算出往复机振动信号各基本模式分量的奇异熵值,提取出故障信息,并经自适应神经模糊推理系统(ANFIS)对故障特征进行分类.结果表明全部分类正确,达到了故障诊断的目的.     

迭代奇异值分解降噪与关联维数在烟气轮机故障诊断中的应用

烟气轮机的振动信号具有很强的非线性特征.提出了将迭代奇异值分解(ISVD)降噪与关联维数分析相结合应用于烟气轮机故障诊断.采用低通数字滤波与ISVD降噪两种方法对实测数据进行降噪处理,对其效果进行对比,并计算烟气轮机在不同故障状态下振动信号降噪前、后的关联维数.结果表明:对于烟气轮机信号,低通数字滤波的降噪效果并不理想,而ISVD降噪则能有效地去除噪声;降噪后,烟气轮机振动信号的伪相图特征清晰,关联积分曲线的标度区明显变宽;不同故障状态下计算得到的关联维数明显不同,可以将关联维数作为故障诊断的定量特征进行提取,从而为烟气轮机故障诊断提供简单而有效的方法.     

柴油机振动信号的小波包奇异值降噪

柴油机的振动信号中含有大量噪声，在进行故障特征提取之前必须加以消除。首先对傅里叶滤波降噪、小波降噪和小波包降噪的效果进行了对比，然后将奇异值分解技术用于信号降噪。最后提出了一种将小波包和奇异值分解相结合的降噪方法。该方法将输入信号进行一次小波包分解，利用奇异值分解方法对分解后的幅值量化系数进行降噪。实例表明，小波包和奇异值分解相结合的方法降噪效果最好。与其他方法相比，用新的方法对柴油机缸盖振动信号进行降噪处理的信噪比最高，且能明显识别出燃烧爆发、气门落座等各个阶段的振动信号，大大提高了特征提取的准确率。     

柴油机故障诊断中振动信号测点位置的研究

在295柴油机上进行设定的进排气系统故障实验,获取各工况下三个不同测点位置的缸盖振动信号,然后利用改进的基于神经网络和小波分析的故障诊断方法进行分析.实验和仿真结果表明,不同测点获取的振动信号蕴含故障特征是不同的.从缸盖上方采集的振动信号更能表征各种故障特征,其故障准确识别率达到95.4%,较其他两个测点有大幅度提高.为基于振动信号的柴油机故障诊断提供了最佳的测点位置,以提高故障的诊断准确性.对其他复杂机械的振动诊断同样具有参考价值.     

基于EEMD的柴油机缸套磨损故障诊断

针对柴油机缸套磨损故障诊断问题,在实车上测试了柴油机机体振动信号,应用经验模态分解(EMD)对不同磨损状态下的柴油机机体振动信号进行了分析,然而,EMD存在的模态混叠问题使其难以获得准确的基本模式分量(IMF).为此引入基于总体经验模态分解(EEMD)的改进的局域波分析方法,利用EEMD获取无模式混淆的IMF,通过Hilbert边际谱分析信号能量随瞬时频率的变化特征.工程实测分析结果验证了应用该方法进行柴油机缸套磨损故障诊断的有效性.     

基于EEMD和改进VPMCD的滚动轴承故障诊断方法

针对原VPMCD方法在参数估计过程中存在的缺陷,用BP神经网络非线性回归方法代替原方法中的最小二乘法,解决了最小二乘法中存在的病态问题,因此,提出了改进多变量预测模型(Variable predictive mode based class discriminate,简称VPMCD)的滚动轴承故障诊断方法.首先采用总体经验模态分解(Ensemble empirical mode decomposition,简称EEMD)方法对滚动轴承振动信号进行分解得到若干个单分量信号,然后提取各分量奇异值组成特征向量作为改进VPMCD的输入,最后对滚动轴承工作状态和故障类型进行识别.实验结果表明,该方法能够有效地应用于滚动轴承故障诊断.     

基于ITD和模糊聚类的齿轮箱故障诊断方法

为提高齿轮箱故障诊断的准确性与效率,针对其振动信号非线性和非平稳性的特点,提出将固有时间尺度分解(ITD)和模糊聚类(FCM)相结合的齿轮箱故障诊断方法。首先对齿轮箱振动信号进行固有时间尺度分解,提取包含主要故障信息的前4个固有旋转分量(PRC),求取PRC的特征能量作为故障特征向量。然后利用模糊C-均值聚类算法对齿轮箱故障进行识别与诊断,并将该方法应用到现场齿轮箱的诊断中。结果表明,诊断结果与实际情况完全相符,该方法比经验模式分解与模糊聚类相结合的方法具有更高的计算速度和精度,为齿轮箱故障诊断提供了一种新的有效方法。     

基于复Morlet变换和改进AlexNet神经网络的柴油机气门间隙异常故障诊断方法

针对柴油机缸盖振动信号非线性、非平稳的特点,以及传统故障诊断方法需要先验知识且特征提取费时费力的缺点,提出了一种基于复Morlet变换和改进AlexNet神经网络的柴油机气门间隙异常故障诊断方法。首先通过复Morlet小波将柴油机缸盖振动信号转换为时频图,该变换包含了信号的时频域信息,比单一的时域或频域信号更适合分析柴油机缸盖振动这种非平稳信号;其次将时频图输入至AlexNet神经网络进行特征自动提取并建立故障诊断模型,解决了传统手工提取特征费时费力且需要专家经验的问题;然后通过Batch Normalization和Dropout技术改进网络结构,并优化神经网络超参数以提高模型的准确度和计算效率;最后将本文方法与传统的故障诊断方法应用于柴油机气门间隙异常故障诊断并进行对比,发现其诊断准确率最高,验证了所提方法的优越性。     

基于ARMA模型的振动信号建模与预测

振动信号是反映系统故障的重要信息,预测振动信号的趋势是系统状态监测与故障诊断中的一个重要内容。本文提出了一种采用时间序列模型来分析和预测非线性随机振动信号的方法,建立了描述振动信号的数学模型。首先将现场测得的非平稳振动信号转化成标准正态平稳时间序列,然后利用这些参考信号建立时间序列模型,并采用非线性最小二乘法进行模型参数估计,最后利用该模型对信号进行预测。应用结果表明该模型能够很好地拟合振动信号时间序列,并取得了一定的预测精度,可以达到预测要求。     

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。     

混沌同步系统降噪方法及其在滚动轴承故障诊断中的应用

提出了一种基于混沌同步系统的降噪方法,将其应用于滚动轴承振动信号的前期处理,并结合功率谱密度进行故障诊断.分析Chua电路混沌同步系统的降噪机理,讨论系统处于不同运行状态时,输入信号对相空间运行轨迹的影响;搭建混沌同步系统降噪模型,分析其检测特性,并与其他方法进行比较;将滚动轴承不同损伤模式下测得的振动信号输入该模型,比较振动信号和同步误差信号的时域波形和功率谱密度,并通过峰值查找,匹配对应的故障特征频率.新方法利用了混沌系统的噪声免疫性和可同步性,避免了现有方法参数设定复杂和运行状态判定困难的问题.结果表明该方法可有效提升被测信号的信噪比,能与传统方法结合形成新的故障诊断方法.