非完备数据集下的标准自学习数据增强滚动轴承故障诊断方法

滚动轴承的智能故障诊断是设备安全、高效运行的重要保障。然而,非平稳的运行工况使采集到的训练数据集呈现不完备的特点,导致基于数据驱动的模型仅能从中学习到极为有限的诊断知识,致使诊断准确率大幅下降。针对此问题,以生成扰动样本扩充原始数据集的完备性为目的,提出了标准自学习数据增强故障诊断方法。该方法包含标准自学习和数据增强两个训练步骤,将一维卷积神经网络的训练过程看作模型自学习出评判扰动样本的标准,基于此标准,采用样本参数化与模型数据化方法生成扰动样本。两步骤交叉进行,不仅能生成扰动数据、增强数据集完备性,同时能获得非平稳工况下的故障诊断模型。此外,通过研究不同数据生成次序的样本差异,发现所提方法在生成数据时,通过数据生成距离与方向的随机性叠加,保证了生成样本的多样性。实验结果表明所提方法在不完备的训练数据集下对非平稳工况样本的诊断具有有效性和优越性。

基于指数调节策略对抗网络学习的轴承故障诊断研究

基于深度学习的故障诊断方法被广泛应用于以轴承为代表的机械关键部件故障诊断,其取得理想效果的前提是有足量故障样本且训练集、测试集满足同分布要求。然而,在实际工况下数据分布会发生变化,进而使原有工况下的诊断模型很难适用于新工况。为此,域适应类迁移学习方法被用于解决训练集、测试集分布不同的问题,其重点在于实现数据分布适应,即度量数据分布差异,并利用度量结果对模型训练进行指导,从而提升学习效率和诊断准确率。在此基础上,提出了一种基于对抗学习的域适应方法,该方法的核心是将提出的指数调节策略与对抗网络相结合,使得网络在故障诊断过程中更有针对性地适应目标域的数据分布。该网络由特征提取器、分类器、一个全局域鉴别器和多个局部域鉴别器组成,利用对抗策略和适应性矩估计算法对模型进行优化,并通过基于指数调节策略设定的指数自适应因子对模型中的边缘分布和条件分布重要性进行调节,使得模型可以稳定、高效地进行故障诊断。在跨转速、跨负载和同时跨转速和负载的轴承诊断案例中对提出的方法进行验证,结果表明本文方法的诊断效果优于其他域适应方法,并具有较好的稳定性。

轴承退化状态表征的流形融合指标构建方法

针对传统数据融合构建的轴承退化状态表征指标易受噪声影响,存在波动和难以兼顾轴承退化状态的全局结构和局部结构等问题,提出了基于一致流形近似与投影的轴承退化状态表征的融合健康指标构建方法。首先,分别在时、频域内计算轴承退化状态表征指标,构建原始高维退化趋势特征集;然后,建立退化状态敏感特征筛选准则,从高维特征集中筛选出较好表征轴承退化状态的特征指标;最后,引入一致流形近似与投影算法和指数加权滑动平均对筛选出的敏感特征进行融合与平滑,构建轴承退化状态表征指标。通过两组全寿命轴承振动数据对所提方法进行验证,结果表明,与单一指标以及传统的指标融合构建方法相比,该方法可以克服单一指标表征能力有限和传统指标融合方法能力不够全面等缺点,能有效提高轴承健康指标的单调性与趋势性,以准确表征轴承的退化状态。

城轨直流牵引供电多回流路径耦合建模及回流安全参数动态分布

当前,城轨直流牵引供电系统回流安全已成为影响线路安全运行的关键问题之一。为研究多回流路径耦合对回流安全参数及周边关键金属工程的影响,该文提出多回流路径耦合情况下直流牵引供电系统动态仿真模型,构建多回流路径耦合矩阵,建立多回流路径耦合情况下多区间回流安全参数动态分布计算方法,实现回流安全参数动态分布规律分析。基于实际线路参数,分析了不同类型多回流路径耦合时钢轨电位和杂散电流分布规律。研究结果表明,该文所提出的方法可有效模拟多回流路径耦合情况下回流安全参数动态分布及对周边关键金属工程的影响;针对走行轨回流不畅及多回流路径耦合,分别提出并联电缆及单向导通控制的治理方法,并基于该文所建立的模型进行仿真分析,验证了其有效性。

加权多尺度卷积稀疏表示及其在滚动轴承复合故障诊断中的应用

故障特征精确提取是实现轴承故障诊断的重要环节。卷积稀疏表示能够刻画特征的移位不变特性,非常适用于滚动轴承故障特征提取。然而,卷积稀疏表示忽略了故障冲击特征的周期性及不同尺度下的信号特性差异,制约了其在谐波成分和背景噪声等干扰下的特征提取能力。因此,提出了加权多尺度卷积稀疏表示用于分离振动信号中的周期性故障冲击特征,从而实现轴承故障诊断。在构建的稀疏表示模型中,利用多尺度变换将原始信号转换到不同尺度下,并在不同尺度下采用不同权重系数以达到抑制谐波成分等干扰的目的。同时,为了凸显故障冲击特征,建立了约束故障特征稀疏系数周期性的正则项,提高冲击特征分离能力。此外,引入交替方向乘子法和受控极小化方法推导出迭代求解算法。最后,通过分析提取特征的波形、包络谱及两种故障信息定量评估指标,验证了提出方法拥有优异的轴承复合故障冲击特征提取和诊断能力。

高效带宽傅里叶分解及其轴承故障诊断应用

自适应带宽傅里叶分解(Adaptive Bandwidth Fourier Decomposition,ABFD)是一种基于带宽优化的非平稳信号分析方法。然而,以中心频率重叠度作为分解终止条件在实际应用中会分解出若干冗余的模式分量,造成分解效率降低,为后续分析增加负担。为此,提出高效带宽傅里叶分解(Efficient Bandwidth Fourier Decomposition,EBFD)的轴承故障诊断方法。该方法构建重加权峭度引导的快速停止准则,能够高效地确定最优分解模式数目,避免大量冗余分量的干扰。进一步地,根据重加权峭度指标定位出目标故障分量,实现轴承故障诊断。滚动轴承故障试验信号分析结果表明:所提出方法能够高效终止分解进程,得到所有潜在的模式分量,并准确定位出故障分量;由EBFD与ABFD提取故障分量的归一化频率能量比均为1.0,EBFD运行所需时间为3.3 s,分解速度相较于ABFD提高33.8 s;相较于其他信号分析方法,采用所提出方法能够更准确识别出轴承故障特征。

时频脊融合方法及时变工况行星齿轮箱故障识别

行星齿轮箱的瞬时频率(转速)精确提取是行星齿轮箱时变运行工况下故障诊断的关键。现有一些时频脊提取算法在提取瞬时频率时受到振动信号幅值变化以及时频变换结果中噪声成分的干扰,存在鲁棒性问题。为了解决这一问题,提出了一种双向搜索时频脊融合方法,并且将其进一步推广到多时频脊融合的概念中。然后,应用提出方法提取实际工程中时变工况行星齿轮箱高速轴的瞬时转速。再通过与现有两种方法对比以及阶次分析,验证了时频脊融合方法提取高速轴转速的可靠性与准确性。最后,在行星齿轮箱转速提取的基础上,利用阶次分析以及推导出的行星轮轴承故障频率的计算式,识别出了行星齿轮箱中的行星轮轴承内圈存在故障。

基于脊线信息增强与特征融合的瞬时转频估计

转速获取是变工况设备健康诊断的前提。在不便安装速度传感器的情况下,基于振动信号时频分析获取转频是最常用的途径。然而,由于时频分析方法的自身特性和采集的振动信号中往往包含大量的背景噪声,导致得到的时频分布能量聚集性差、部分时段转速信息微弱等问题,很难提取到完整、准确的转频信息。为解决这一问题,提出一种脊线信息增强与特征融合的转速估计方法。采用幅值累加平方策略对时频分布特征进行增强;从信号低频区域和共振频带分别预估计出转频信息;最后,建立基于概率分布和局部波动特性的信息融合准则,以确定脊线融合位置以及融合结果,实现转频的准确估计。轴承故障实验信号验证说明:相比于传统的转频提取方法,提出的方法能够显著地改善能量微弱的转速信息的识别结果。

泵车排量检测的极值增量DFA方法

混凝土泵车排量计量精度与效率的提升是解决泵车运行状态监测、施工管理和施工质量以及泵车性能评价等问题的关键。首先,提出基于去趋势波动分析(detrended fluctuation analysis,简称DFA)排量检测法,分析泵车液压泵体振动信号,提取标度指数;其次,利用标度指数标定泵车排量进而实现排量计量。分析结果验证了该方法可行但精度有待提高。为此在DFA法基础上提出了基于极值增量DFA排量检测法,获取标度律曲线上最小尺度波动参数和最大尺度波动参数,再使用尺度参数标定排量实现排量计量。试验结果表明,极值增量检测法较DFA检测法使排量标定精度提高了近3倍,为泵车排量计量提供了一种新的手段。

多共振频带自适应检测的轴承微弱故障诊断方法

滚动轴承的局部缺陷产生的冲击可激励起轴承自身固有频率及相邻部件固有频率,使得采集到的振动信号中包含多个共振频带。针对一般方法难以直接地定位多个共振频带的问题,通过讨论变分模式分解方法与轴承故障振动信号之间的内在联系,提出一种多共振频带自适应检测的轴承微弱故障诊断方法。该方法首先采用变分模式分解法将振动信号分解为独立模式分量,然后对解析形式的独立模式分量进行包络分析,最后提出以归一化频率能量比作为识别故障分量的准则以及把故障模式分量的中心频率作为轴承缺陷激励起的相关部件固有频率。仿真与试验分析结果表明该方法可准确地检测多共振频带,以及有效地进行轴承微弱故障诊断且诊断结果显著优于传统解调方法。

变分模式分解方法研究与应用综述

自适应信号分解领域一个十分活跃的分支——变分模式分解(VMD)已经成为信号处理与检测技术学界一个热门的研究方向。VMD对非平稳、非线性信号具有良好的处理效果。针对VMD模型及其参数选择,发展了许多拓展模型及参数优化方法。本文回顾近十年来VMD的研究进展,对相关的文献进行总结与分析。首先,分析VMD的原理性优势及其在各个领域的应用潜力;其次,根据模型对不同信号类型的匹配能力,分类总结VMD拓展模型的不同特性和适用场景;然后,归纳VMD及其拓展模型参数优化方法的研究现状,探讨与分析不同模型参数优化方法的特点和最新研究趋势;最后,对VMD的未来发展提出6点展望,为后续的研究指明方向。

配电网接纳电动汽车能力评估方法研究

规模化的电动汽车接入将对配电网的运行与规划产生显著影响,提出一种配电网接纳电动汽车能力的评估方法。采用蒙特卡洛模拟不同类型电动汽车的并网场景,建立负荷预测模型,根据配电网的拓扑结构及供电方式划分供电区域,结合电动汽车负荷的时空分布特性和配电网的供电区域进行分层负荷分配,计算系统总负荷,判断负荷过载情况。在此基础上利用三相潮流结果的概率模型,从节点电压偏移和网络功率损耗评估配电网运行情况。以IEEE123节点配电网为例进行了适应性评估,该评估方法可为配电网运行与规划设计提供分析手段。

LMS方法的改进及联合EEMD在振动信号去噪中的应用

针对机械振动信号特征提取中的去噪问题,联合集合经验模式分解(EEMD)和最小均方算法(LMS)发展了一种自适应去噪方法。首先研究了LMS的固定步长固定阶数、变步长(VS)和变阶数(VT)的算法性能,提出在迭代过程中以比较阶数和步长变化时的最小均方误差期望为收敛方向,发展了一种联合变步长变阶数最小均方算法(VSVTLMS)的去噪方法;通过对原信号的EEMD分解,使各模式分量窄带化,进而通过VSVT-LMS对每个IMF分量进行去噪,有效避免LMS算法对宽频信号的不稳定性,同时也避免了EMD分解的不唯一性和去噪中阈值的选择问题。最后通过对仿真和实际车辆振动信号去噪,验证了方法在工程上的可行性。

立方速度反馈控制的准零刚度隔振器动力学特性分析

针对传统线性被动隔振系统中存在降低固有频率及提高承载力、抑制共振峰值及改善高频传递特性这两对矛盾,本文采用斜置弹簧作为负刚度调节机构与正刚度弹性元件并联组成准零刚度隔振器,并将立方速度反馈控制策略引入到准零刚度隔振器的主动控制中。采用多尺度法求得受控系统的主共振、亚谐共振响应,利用Sylvester结式法获得系统不发生跳跃现象的临界激励幅值和跳跃频率并研究系统的传递特性。与线性隔振系统相比,准零刚度隔振器具有高静低动刚度特性,能提高系统的承载力并降低固有频率。与被动隔振系统相比,采用立方速度反馈控制的准零刚度隔振器主共振峰处的幅值及亚谐共振存在区域逐渐减小,力传递率共振峰处的幅值降低且高频传递特性得到有效改善,对提高准零刚度隔振器的隔振性能具有理论指导意义。

基于传递函数估计的近场声全息的噪声源识别

在近场声全息(NAH)声场测量中,噪声的存在使近场声全息重建精度降低,影响声场重建的实现。本文提出一种基于传递函数估计的双测量面NAH技术,首先采用双测量面对噪声源信号进行测量,然后基于传递函数法引入一种合理的传递函数估计,结合参考传声器信号来求解全息面复声压,最后利用前后测量面数据相位差异来求解格林函数,根据声场重建公式进行近场声全息声场重建。数值仿真及重建误差分析表明,存在测量噪声影响的情况下,本文提出的方法相比传递函数法NAH重建误差更小,能够更准确地识别声源位置并提高声全息重建精度。最后对某型拖拉机前端进行近场阵列扫描试验,验证基于传递函数估计的双测量面NAH的有效性。

时滞立方位移反馈控制的高静低动刚度隔振器动力学分析

为了克服增加线性阻尼能够抑制共振但会导致隔振系统高频性能变差的矛盾,提出时滞立方位移反馈控制策略。建立反馈控制的高静低动刚度隔振器动力学方程,采用多尺度法得到控制系统的稳态响应。分析反馈增益与滞后时间对控制系统动态特性的影响,并分析不同滞后时间下稳态响应的稳定性。定义控制系统的位移传递率,分析反馈参数对系统位移传递率的影响并和被动隔振系统的性能进行比较。结果表明:合适的反馈参数能够有效减小隔振系统共振区的位移传递率,却不影响高频区域的隔振性能;该控制策略对改善高静低动刚度隔振器的隔振性能具有理论指导意义。

考虑载荷变化的准零刚度隔振器动态特性

为了研究载荷变化对准零刚度隔振器动态特性及隔振性能的影响,首先,分析具有分段非线性特性的准零刚度隔振器静力学特性;其次,引入光滑函数,应用增量谐波平衡法得到准零刚度隔振器的周期解,分析载荷与激励幅值对隔振器动态特性的影响;最后,定义准零刚度隔振器的力传递率,分析载荷与激励幅值对其隔振性能的影响。研究结果表明:当激励幅值较大时,载荷变化会导致响应的常数项在共振区附近出现交叉折叠的现象;载荷与激励幅值的变化会改变隔振系统的共振频率、传递率峰值以及有效隔振频带,但该准零刚度隔振器的隔振性能仍优于线性隔振器。

基于最优控制理论的智能车辆轨迹生成方法

为了能够生成适应不同道路环境的动态轨迹,在最优控制理论的基础上进行了改进,在方法中建立了包括3个常用评价指标:时间、消耗能量和距离障碍物最短距离的动态评价函数,研究了不同权重系数对轨迹特征影响的规律,进而得出了启发式权重调整规则和调整流程。仿真结果表明,本文提出的基于最优控制理论的轨迹规划方法是有效可行的,得出的权重调整方法是正确的,使用本文方法可以生成适用于不同道路环境的动态行驶轨迹,且轨迹满足多种约束条件。

基于双树复小波变换的转静碰摩响应分析

针对碰摩故障诊断中转静碰摩响应消噪及特征提取构造分段圆弧平滑阈值函数,利用小波、小波包及双树复小波(Dual-tree Complex Wavelet)分别对非平稳信号降噪处理,以信噪比为指标判断降噪效果。结果表明,构造的阈值函数消噪具有高效性。通过计算单转子局部碰摩动态响应,用双树复小波对位移响应进行特征提取。与小波及小波包相比,双树实小波近似解析性及采样插值具有互补特点,能完整提取动态响应特征,减少信息丢失。并用仿真及转子碰摩实验验证该方法的有效性。

基于深度小波去噪自动编码器的轴承智能故障诊断方法

针对原始振动数据无监督特征学习问题,提出一种深度小波去噪自动编码器与鲁棒极限学习机相结合的滚动轴承的智能故障诊断方法。利用小波函数作为非线性激活函数设计小波去噪自动编码器,从而有效地捕获信号特征;利用多个小波去噪自动编码器构造一个深度小波去噪自动编码器来增强无监督特征学习能力;采用鲁棒极限学习机作为分类器,对不同的轴承故障进行分类识别。对实验所得的轴承振动信号进行对比分析,结果验证了该方法在原始振动数据无监督特征学习的条件下优于传统方法和标准深度学习方法。