应用循环自相关函数诊断齿轮故障

本文讨论机械信号的循环平稳特性，指出这种循环平稳性主要表现为二阶．推导了二阶循环统计量——循环自相关函数的解调方法，该方法通过搜索循环频率而将调制源分离在循环域的低频段，并且调幅和调频信号有不同的解调结果．应用于齿轮诊断，有效地提取出裂纹和断齿故障的特征．研究表明：将机械信号视为循环平稳信号，可以获得统计量的变化信息，这种信息在机械监测和诊断中可以充分利用．     

裂纹故障齿轮的振动相位调制

本文从裂纹齿局部刚度变弱的情况出发,分析裂纹故障齿轮的振动调制信息的传递性和频域分布的规律,并解决了齿轮故障诊断中的同类,异类故障的识别问题。     

改进的熵特征在行星齿轮裂纹故障识别中的应用

针对利用精细复合多尺度散布熵(RCMDE)特征在行星齿轮裂纹故障识别时存在噪声鲁棒性差、尺度选择依赖人工等不足,通过改进RCMDE特征,提出一种基于自适应精细复合多尺度散布熵(ARCMDE)特征的行星齿轮裂纹故障识别方法。改进从以下3个方面展开:首先在计算RCMDE特征前利用变分模态分解(VMD)算法对信号进行分解,以获取预设数量的固有模态分量(IMF),再计算IMF与原信号的互信息,选取互信息大于阈值的IMF重构信号,实现降噪预处理;然后提出特征重合度及其计算公式,评价多个状态样本的均值标准差之间的重叠交叉情况,利用特征重合度选择较好的若干尺度构建特征向量;最后,结合粒子群优化(PSO)与支持向量机(SVM)实现故障模式识别。行星变速箱实验数据验证结果表明,与多尺度散布熵(MDE)和RCMDE特征相比,采用改进的ARCMDE特征构建的特征向量输入PSO-SVM的分类准确率提高了20%以上,验证了所提裂纹识别方法的有效性和优势。     

非线性网络Volterra级数表示的伴生函数序列

Volterra级数的有限项和式可近似表示非线性网络I/O性质。为了提高它的表示精度,本文提出了Volterra级数的伴生函数序列概念。通过一种离散非线性变换,由Volterra级数的部分和序列简易地构造出了它的伴生函数序列,例題的结果是满意的。     

基于Volterra基函数网络的自适应逆控制方法

提出了一种基于Ｖｏｌｔｅｒｒａ基函数（ＶＰＢＦ）网络的非线性系统自适应逆控制方法。对象和逆控制器各用一个ＶＰＢＦ网络表示,应用正交最小二乘算法进行离线网络结构确定和权值初始化,构造了一种动态归一化非线性最小均方（ＤＮＮＬＭＳ）权值更新算法,以进行网络权值的在线学习。仿真结果表明,该方法具有算法简单、学习速度快、鲁棒性能好等优点。     

用Volterra级数描述非线性系统时Volterra核的计算

本文介绍了几种组合系统的Volterra核的计算方法,讨论了几种测量非线性系统的Voltrra核的方法,最后研讨了用最小二乘法求Volterra核的方法。     

非线性振荡的Volterra级数分析法

在Ｖｏｌｔｅｒｒａ级数和非线性转移函数理论的基础上,介绍了一种递推算法,可以在任意精度内由两个非线性代数方程（由决定方程产生）求得非线性振荡器的近似正弦波的同值与频率。该法既保留了谐波平衡分析法、描述函数法和平均法的许多期望的特性,而且以技巧上与经典的Ｋｒｙｌｏｖ,Ｂｏｇｏｌｉｕｂｏｖ及Ｍｉｔｒｏｐｉｓｋｙ等方法有类似之处,但比它们简便。与常规方法不同之处还在于本法对系统的非线性度和振荡的幅值无严     

一类非线性系统的频域建模方法：Volterra级数的应用

为一类非线性系统的所谓“B模型”导示了各阶Volterra频域核的数学表示,并提出了B模型的参数拟合算法。为仅含一个无记忆非线性的物理系统提供了一个实用的建模方法。     

Logistic核函数及其在语音识别中的应用

核函数是支持向量机(SVM)的核心,直接决定着SVM的性能.为提高SVM在语音识别问题中的学习能力和泛化能力,文中提出了一种Logistic核函数,并给出了该Logistic核函数是Mercer核的理论证明.在双螺旋、语音识别问题上的实验结果表明,该Logistic核函数是有效的,其性能优于线性、多项式、径向基、指数径向基的核函数,尤其是在语音识别中,该Logistic核函数具有更好的识别性能.     

一种分析锁相环非线性的新方法─Volterra─wiener分析法

在双输入端口系统的Volterra级数理论基础上，建立一种新的分析方法．对非线性反馈系统一锁相环进行了分析，求出了Volterra核，得到了锁相环的解析解．     

Nonlinear fault diagnosis method based on kernel principal component analysis

To ensure the system run under working order, detection and diagnosis of faults play an important role in industrial process. This paper proposed a nonlinear fault diagnosis method based on kernel principal component analysis (KPCA). In proposed method, using essential information of nonlinear system extracted by KPCA, we constructed KPCA model of nonlinear system under normal working condition. Then new data were projected onto the KPCA model. When new data are incompatible with the KPCA model,it can be concluded that the nonlinear system is out of normal working condition. Proposed method was applied to fault diagnosis on rolling bearings. Simulation results show proposed method provides an effective method for fault detection and diagnosis of nonlinear system.     

基追踪在齿轮损伤识别中的应用

针对齿轮的振动特点,设计了复合过完备时频字典,利用基追踪方法在匹配信号特征结构、直接提取特征信息方面的优势分析了齿轮箱的现场测试振动信号.根据基追踪分解结果,在时频联合域内提取了齿轮局部损伤的周期性冲击特征,识别了齿轮点蚀缺陷.与短时Fourier变换和小波变换等时频分析方法进行了对比分析,验证了基追踪检测齿轮损伤的有效性.     

齿轮故障的最优Gabor窗谱检测法

齿轮振动信号中存在大量非平稳信号,在用Gabor谱来进行齿轮振动信号时频分析的基础上,针对Gabor变换中窗函数选择的问题,采用熵度量法来选择最优的Gabor窗函数宽度,提高了Gabor变换的时频聚集性;利用谱图的具有特殊的交叉项机理,在自项支撑区域内做出信号的Gabor谱图,有效去除了分量间的交叉项,并在Gabor谱图上来分析齿轮振动信号的时频分布,且与传统的分析方法作了比较。实验结果表明,在优化的Gabor谱图上能很直观地反应存在异常的齿轮及能量随时间的变化,能较易地诊断出齿轮故障。     

基于声信号分析的齿轮故障诊断方法

为了解决齿轮故障诊断中传统的声振信号分析方法容易受到周围设备及环境噪声干扰的问题,提出了一种独立分量分析和自相关分析相结合的齿轮故障诊断方法.首先用独立分量分析分离特征信号和干扰信号,然后用自相关分析提取特征信号中的周期成分.实验结果表明,该方法可以有效地提取在强背景噪声干扰下的齿轮故障特征.     

基于核的动态聚类算法用于机械故障模式分类

针对k均值聚类对特征样本划分存在误分类的问题，提出用基于核的动态聚类算法对风机不同工作状态进行分类识别．实验结果表明，该方法能有效地识别机器运行的异常状态，并能对不同的故障模式进行正确的区分，可应用于机械设备运行状态的动态识别．     

Volterra级数在光纤通信中的应用

简要地介绍了Volterra级数理论,及其在光纤通信中的应用.说明了基于Volterra级数的非线性薛定谔方程的半解析闭式解在研究光纤通信中的非线性效应的重要意义,并对Volterra级数在波分复用(WDM)系统和光正交频分复用(OOFDM)系统中的应用进行了具体的描述和总结.     

基于Volterra级数和ULSP的机械隐含故障特征提取

针对提取机械原始振动信号中的隐含故障特征,提出了一种结合Volterra级数及冗余提升小波包(ULSP)的信号处理方法.先用二阶Volterra模型对信号进行延拓、预测,然后用冗余提升小波包对信号进行分解.对仿真信号的处理结果表明:分解得到的信号在边界没有振荡,有利于微弱特征的提取.工程应用中,完整地提取出了往复注水泵活塞与液缸密封碰磨产生的微弱故障特征信号.     

带有侧隙的齿轮故障振动

对在非共振情况下齿轮侧隙和载荷的变化对齿轮振动频率的影响进行了研究。建立齿轮振动微分方程 ,用变步长 Runge - Kutta法求出了齿轮存在间隙时齿轮振动的时程响应的数值解 ,并用快速 Fourier变换 (FFT)方法求出时程响应的幅值谱 ,研究结果表明 :齿侧间隙的存在及变化对齿轮的振动故障频率成份有很大的影响 ,并且在齿侧间隙的值一定时 ,如果齿轮的工作转速和工作载荷发生改变 ,齿轮的振动故障频率成份也有改变。研究结果对齿轮的故障诊断和齿轮传动系统动态设计有重要的意义     

模糊神经网络用于齿轮装置故障的逐次诊断法

提出了一种基于神经网络和逐次模糊推理理论,构建了逐次的模糊神经网络,对齿轮装置故障进行逐次诊断.该方法能自动精确地识别齿轮装置故障.提出了5个时域中的无量纲特征参量,并应用可能性理论,把由实测数据求得的特征参量的概率密度函数转换为可能性分布函数,可表征特征参量与设备状态间的模糊关系.逐次模糊神经网络能处理特征参量与故障状态的模糊关系,实现对故障的自动诊断.齿轮诊断实例验证了该方法的有效性及可行性.     

代价敏感核主元分析及其在故障诊断中的应用

针对传统核主元分析没有考虑误分类代价的差别、对故障工况不敏感等问题,提出代价敏感核主元分析方法.该方法将代价敏感机制引入核主元分析,以误分类代价最小化为目标,设计最佳阈值调整方法获取最佳阈值,并采用混沌粒子群算法对核参数进行优化,最后利用SPE(squared prediction error)统计量诊断新样本类别.研究结果表明:该方法能有效地降低误分类代价,具有故障敏感性和诊断准确率高以及泛化能力强等特点.