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.     

基于Volterra级数与神经网络的非线性网络的频域故障字典诊断法

提出了用Volterra频域核(传递函数)作为故障特征对非线性定常动态网络进行故障诊断的方法，即计算出网络响应在各种常见故障状态下的Volterra级数解的各阶频域核(3～4阶即可)，并将其输入给BP神经网络(BPNN)．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，实现故障诊断．给出了各阶频域核的统一递推算式，并讨论了Volterra频域核的实验测量方法以及基于人工神经网络(ANN)的求解方法．     

多跨故障转子系统动态特性有限元仿真研究

对膜片联接的齿轮传动多跨转子系统进行了故障动态特性仿真研究.利用ANSYS有限元分析软件进行建模、仿真,根据在裂纹和碰摩故障工况下单跨转子与整个转子系统的固有频率在弯扭耦合振动下的变化情况,研究了系统的非线性动态特性和响应,以及膜片联轴器与齿轮对转子系统的影响.研究结果表明,此种情况下发生的故障对故障跨的影响比其余跨大;膜片联轴器和齿轮能够削弱或阻隔弯曲振动及裂纹故障对系统的不利影响,有助于故障诊断的定位与维修,也为产品设计提供参考.     

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。     

面向故障诊断的广义频率响应函数的在线估计方法

基于非线性谱分析的故障诊断是一种新的故障诊断理论。针对该方法中广义频率响应函数的在线估计问题,研究了利用Volterra时域核在线得到被测系统的广义频率响应函数的新方法。基于Volterra系统的鲁棒总体均方最小自适应辨识算法,提出了一种新的广义频率响应函数的在线估计方法。该方法能够有效减少广义频率响应函数的在线计算量,而且实现简便,鲁棒性强。仿真实验证明了该方法的有效性。     

基于状态指标的直升机减速器行星轮故障诊断

直升机传动系统是一套复杂的旋转机械装置,承担直升机功率传动的功能,对直升机的安全性至关重要。开展传动部件故障诊断研究,可提高直升机安全性,具有重要价值。本文中描述了直升机主减速器行星齿轮的故障诊断研究。首先分析了行星齿轮的主要故障模式,针对行星齿轮的裂纹故障和剥蚀故障,确定了齿轮故障诊断的状态指标;研制了行星齿轮的裂纹故障试验件和剥蚀故障试验件,并在直升机传动系统故障植入试验验台开展了相关验证实验。通过对采集的数据进行分析,结果表明：利用行星齿轮故障试验件的振动数据计算的状态指标值和健康状态阈值能够明显区分,可以有效诊断行星齿轮的裂纹故障和剥蚀故障。可见采用状态指标对行星齿轮的故障进行诊断是有效的。     

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.     

基于最优二叉树的多故障分类器的设计

在分析常见多故障分类器的基础上,提出了基于故障优先级和核函数的聚合技术,利用这个方法生成一个基于最优二叉树的多故障分类器.该分类器是通过核函数具有将非线性问题线性化的特点生成聚类函数,然后通过各个故障的优先级生成最优二叉树.最后将此分类器应用在挖掘机故障诊断中.应用结果表明,此分类器不但能够保证故障诊断的正确率,而且可以让后果较严重的故障得到优先诊断.     

EMD方法在齿轮故障诊断中的应用

将EMD（Empirical Mode Decomposition）方法应用于机械故障诊断中，提出了一个新的齿轮故障诊断方法。EMD方法基于信号的局部特征时间尺度，能把复杂的信号分解为有限的内在模态函数（Intrinsic Mode Function）之和，这种自适应的分解方法非常适于非线性和非平稳过程的分析。用该方法对齿轮故障振动信号进行了分析，结果表明该方法能够有效地降低噪声，提高信噪比，突出齿轮故障振动信号的故障特征，从而提高齿轮故障诊断的准确性。     

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.     

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.     

基于改进核主元分析的故障检测

针对电主轴系统特点,提出基于改进核主元分析(KPCA)的故障检测方法,引入混合核函数的定义,将多项式核和径向基核的混合核方法与主元分析方法(PCA)相结合,解决采用单一核函数诊断故障时的高误诊率问题.首先对数据进行预处理,然后使用混合核函数对数据矩阵进行映射,映射到高维特征空间,使非线性数据变量变为线性数据变量,并使用PCA提取变量数据的高维空间相关特征确定主元个数,最后根据混合非线性主元特征计算出的T2和Q统计量,实现在线故障检测.该方法改进传统核函数的选取方法,充分考虑工业过程中的非线性,更精确地描述工业过程特性,可以准确、有效地检测出电主轴系统故障.对田纳西-伊斯曼(TE)过程以及电主轴系统的应用实例证明该方法的可行性.     

基于双核独立元分析的化工过程故障诊断算法研究

由于化工生产过程数据具有强非线性和非高斯性特征,提出了核主元分析与核独立元分析相结合的可用于化工过程故障诊断的双核独立元分析算法,该算法利用核主元分析的非线性核函数把数据从原空间映射到高维特征空间进行白化预处理,再用核独立元分析算法进行独立元分析,在特征空间中获得故障监控统计量,计算控制置信限,达到有效的故障诊断.提出的算法应用在连续搅拌反应釜过程中,结果表明,该算法对化工过程故障诊断能有效提高准确度、降低漏报率和误报率.     

基于混沌人工蜂群算法优化的SVM 齿轮故障诊断

为克服支持向量机中模型参数的随意选择对分类性能造成的不利影响, 提出了基于混沌人工蜂群算法的支持向量机(CABC鄄SVM: Chaotic Artificial Bee Colony algorithm of Support Vector Machine)参数优化方法。该方法采用Logistic 混沌映射初始化种群和锦标赛选择策略, 对支持向量机的惩罚因子和核函数参数进行优化时以分类准确率作为适应度函数。通过UCI 标准数据集实验证明, CABC 具有较强的局部和全局搜索能力, 其优化的支持向量机可在很大程度上克服局部极值点, 从而获取更高的分类准确率, 并有效缩短了搜索时间。将该方法应用于实际齿轮故障诊断中, 采用小波相对能量作为特征输入支持向量机, 分类准确率达到99. 4%, 验证了该方法的可行性和有效性。     

基于变分态分解与灰狼优化支持向量机的齿轮箱故障诊断

由于行星齿轮齿轮箱的振动信号具有非平稳、非线性特性,在复杂工况下,会对其早期微弱的故障信号造成干扰,不能正确地识别出故障信息。为解决以上问题,采用基于变分模态分解(variational mode decomposition, VMD)与灰狼优化支持向量机的故障诊断方法。利用中心频率近似方法,求解出了变分模态分解的参数K,对分解出的本征模态函数(intrinsic mode function, IMF)分量进行相关性分析,优选出分量进行信号重构。将重构信号进行故障特征提取,利用灰狼优化支持向量机的方法进行故障模式识别。实验结果表明：采用所提方法对行星齿轮箱的故障识别准确率达到99.375%。     

多深度学习模型决策融合的齿轮箱故障诊断分类方法

针对齿轮故障诊断中单一传感器采集信息不完全、容错性不佳及一种神经网络模型具有局限性,传统信号处理技术提取特征困难等问题,提出了多深度学习模型决策融合的齿轮箱故障诊断分类方法,构建了基于CNN(Convolutional Neural Networks)和改进SDAE(Stacked Denoising Autoencoders)的混合网络模型,根据改进的D-S证据理论实现决策级融合诊断。以时频信号作为CNN的输入,以频域信号作为SDAE的输入,采用Adam优化算法和dropout、批量归一化技术训练该混合模型。实验结果表明,利用该融合方法对齿轮进行故障诊断相比单个的网络模型CNN和SDAE诊断正确率有所提高,为齿轮故障智能诊断分类提供了新路径。     

基于小波有限元的裂纹故障诊断

从线弹性断裂力学的角度考虑裂纹引起的局部附加柔度，进而构造了小波有限元裂纹刚度矩阵，提出了基于小波有限元的裂纹故障诊断算法，克服了裂纹奇异性给传统有限元算法造成的困难．将系统前3阶的固有频率作为输入，绘制裂纹等效刚度与裂纹位置的3条曲线，根据曲线的交点可以预测出裂纹的位置与尺寸．用于研究该算法精度的裂纹轴数值算例表明：裂纹位置与尺寸的辨识误差均不超过2%，这为工程实践中早期微弱裂纹的故障预示与诊断提供了新的方法．     

基于VMD-MPE-KPCA特征提取与MRVM相混合的滚动轴承故障诊断方法

针对滚动轴承振动信号在强噪声环境下出现非线性、非平稳、强干扰特性,进而导致故障特征难以提取及故障诊断准确率低的问题,提出变分模态分解(VMD)-多尺度排列熵(MPE)-核主元分析(KPCA)特征提取与多分类相关向量机(MRVM)相混合的滚动轴承故障诊断方法.该方法首先通过VMD-MPE进行滚动轴承振动信号的高维故障特征提取,其次对提取的故障特征进行KPCA可视化降维,最后将降维后的故障特征输入可实现不同样本概率输出的MRVM进行滚动轴承故障诊断.通过美国西储大学的滚动轴承故障数据集对该方法的有效性进行验证,结果表明提出的VMD-MPE-KPCA特征提取与MRVM相混合的滚动轴承故障诊断方法能够有效提取和识别滚动轴承故障特征,所提出的混合智能故障诊断方法与相关文献报道的故障诊断方法相比较,故障识别准确率达到了99.18%.     

基于核独立元分析的非线性工业过程故障诊断

复杂工业过程的数据具有非高斯、非线性特性,在进行故障检测时,利用核独立元分析(kernel independent component analysis, KICA)方法能有效解决这一问题。然而,由于在处理数据时使用了核函数,无法将线性的贡献图方法直接用于故障诊断,因此采用一种基于改进KICA结合非线性贡献图的方法,对非线性工业过程进行故障检测与诊断。该方法利用基于超松弛因子的FastKICA方法建立监控模型,得到检测故障信息。在发生故障后,通过非线性贡献图法诊断故障变量。最后,选用带钢热连轧工业过程实测数据进行仿真,通过与传统贡献图方法比较,结果表明此方法能够对非线性数据进行有效可靠的故障检测和故障诊断,验证了非线性贡献图的有效性。