智能化监测诊断技术中的故障模式识别方法

在简要介绍以模式识别方法为前提的设备状态监测与故障诊断技术的基础上,详细论述了时间序列法的基本原理以及在设备故障诊断专家系统中的应用,对时间序列法在系统应用过程中的几个数学问题,结合实际,进行了认真探索.通过对时间序列法AR模型的研究,旨在铺平企业设备智能化监测诊断控制技术的应用之路.     

滚动轴承故障诊断系统研究

在对滚动轴承振动信号特征分析的基础上，建立了AR模型，利用AR模型参数建立径向基函数神经网络，并用该网络对滚动轴承的故障模式进行了识别。最后应用Matlab语言强大的计算功能，建立了滚动轴承故障诊断系统。理论和试验证明了该系统的有效性，且具有较高的识别精度。     

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．     

AR模型参数的Bootstrap方差估计

针对故障诊断中AR模型参数判别门限值的确定需要大量样本和重复多次试验的问题，采用小样本统计的Bootstrap方法对车削振颤AR模型参数的方差进行了估计，结果表明，该方法具有较好的估计结果和工程应用价值。     

应用经验模态分解下的AR模型提取旋转机械故障特征

将时间序列的AR模型引入到旋转机械故障诊断中,采用了经验模态分解与AR模型相结合的方法提取旋转机械的故障特征。通过选取含有故障信息的固有模态函数进行功率谱分析,提取故障特征,分析故障原因。仿真和试验结果表明,此法能够有效地提取故障特征参数,为旋转机械的故障诊断提供了方法保障。     

用于机械故障诊断的门限自回归模型盲辨识

提出了一种门限自回归(AR)模型的盲辨识算法,并与常用方法进行比较分析。该算法的特点在保证辨识精度上可大大提高其运行速度,而且阶次越高,该算法的优势越明显。将该方法与隐Markov模型结合,以门限自回归模型各区间的AR子模型系数作为特征向量,以隐Markov模型作为分类器,应用到旋转机械升降速过程的故障诊断中。实验结果表明,这种方法有很好的实用性。     

故障诊断专家系统神经网络学习机研究

根据故障诊断专家系统的特点，设计了一种面向故障诊断问题的机器学习系统。在参数修正自学习模型中，引入了变结构的参数修正人工神经网络模型，采用B-P学习算法及后验学习方式，实现了故障诊断专家系统参数修正学习机设计。在汽车故障诊断问题中的应用结果表明。学习效果良好。     

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。     

基于粗糙集-RBF的配电网故障诊断系统研究

为了改进人工智能方法在配电网故障诊断系统中的应用,给出了基于粗糙集理论的RBF神经网络的模型结构,然后利用训练好的神经网络对配电网进行故障诊断.采用VC++语言开发工具,调用Matlab神经网络工具箱建立了一个简化的故障诊断系统,并通过配电网实例验证了方法的正确性.实践证明该系统不但提高了配电网故障诊断的容错性,使故障诊断变得更加准确有效,而且减少了神经网络样本数据,大大减少了故障诊断过程的时间.     

基于AR双谱的调速阀故障诊断

将高阶谱应用于液压系统的故障诊断,提出一种诊断调速阀故障的方法.通过实验采集调速阀工作时阀体振动的信号,建立AR模型,进行AR双谱分析.故障情况下和正常工作情况下双谱的对比差异明显,说明用高阶谱来诊断调速阀故障是可行的、有效的.     

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.     

Auto-Regressive Models of Non-Stationary Time Series with Finite Length

To analyze and simulate non-stationary time series with finite length, the statistical characteristics and auto-regressive (AR) models of non-stationary time series with finite length are discussed and studied. A new AR model called the time varying parameter AR model is proposed for solution of non-stationary time series with finite length. The auto-covariances of time series simulated by means of several AR model sare analyzed. The result shows that the new AR model can be used to simulate and generate a new time series with the auto-covariance same as the original time series. The size curves of cocoon filaments regarded as non-stationary time series with finite length are experimentally simulated. The simulation results are significantly better than those obtained so far, and illustrate the availability of the time varying parameter AR model. The results are useful for analyzing and simulating non-stationary time series with finite length.     

正态AR（1）模型参数的极大似然估计的解析解及其讨论

在AR(1)模型中(假定R(0)=1),求出了参数R(1)的极大似然估计的解析表达式,并证明其唯一存在而且一定在平稳域中.     

ARMA模型参数估计的GW-LS两段算法

提出了新的GW-LS两段算法,很好地改善了自回归滑动平均(ARMA)模型参数估计的性能。首先摈弃传统的拟合到AR模型的思考方法,而是基于ARMA模型的相关函数用Gevers-Wouters(GW)算法对ARMA模型拟合到高阶滑动平均(MA)模型;然后在拟合的MA模型参数基础上,用最小二乘(LS)算法求解一个不相容的线性方程组,从而估计出ARMA模型参数。最终的仿真实例说明了本算法较高精度、较快速度的收敛特性。     

ARMA模型参数估计的两段最小二乘法

提出了自回归滑动平均(ARMA)模型参数估计的两段最小二乘法。首先用递推最小二乘法对真实ARMA模型拟合高阶自回归(AR)模型,然后基于所拟合的AR模型参数,用最小二乘法解一个不相容代数方程组得到ARMA模型参数。一个仿真的例子说明了其有效性。     

混合自回归模型的谱分析

线性时间序列模型谱密度的计算可以直接由定义获得,而非线性时间序列模型谱密度的计算目前还没有一般的理论.已有研究者将AR模型推广到MAR(混合自回归)模型,并且讨论了该模型的参数估计及模型选择问题.作者利用全期望公式及差分方程理论研究了混合自回归时间序列模型的谱分析,导出了自协方差函数的递推公式,给出计算谱密度的算法,并对一些常见的特殊情形给出了谱密度的具体表达式.     

基于Matlab的轻型无人直升机V带传动张紧机构分析

无人直升机因其机动灵活的飞行方式,得到了广泛应用。V带作为轻型无人直升机传动系统中的重要组件,与齿轮减速器相比,具有轻量化和传动比选择范围较宽等优势。为了提高V带传动组件的可靠性,并为直升机在线监测提供理论基础,阐述了V带张紧机构的设计原则,并对V带张紧机构进行了参数化建模。最后,采用MATLAB软件对该参数模型进行了仿真分析,结果表明V带设计参数对V带基线长度与张紧机构工作行程之间关系曲线的影响很小。