基于共振稀疏分解与子带增强的滚动轴承声学诊断方法

针对轴承声信号易受环境噪声干扰,导致声学诊断结果准确率低的问题,提出一种结合共振稀疏分解与小波降噪选取核心冲击子带、对信号进行二次降噪的滚动轴承诊断方法。首先采用共振稀疏分解算法对原始声信号进行降噪处理,提取信号瞬态冲击成分;然后通过小波包变换对信号进行分解,依据各子带信号峭度值选取核心冲击子带信号进行线性叠加并重构;最终通过包络谱分析确定轴承故障。故障模拟实验结果表明,本文方法可有效增强复杂声场环境下轴承声信号的冲击特性,实现针对滚动轴承的声学诊断。

基于麦克风阵列的机车车辆转向架跑合试验的故障监测研究

针对目前机车车辆转向架跑合试验信息化和智能化程度较低,在试验过程中难以快速准确地实现轴承和齿轮箱故障诊断及故障定位的现状,将麦克风阵列技术应用于跑合试验中,可直接通过声信号实现故障诊断与故障定位。针对转向架常见的轴承内外圈故障进行故障模拟试验,对故障轴承产生的声信号进行采集分析,通过特定的数据处理方法得到信号包络谱,实现故障诊断;同时结合基于到达时延的定位算法确定故障轴承位置,实现故障定位。为满足现场需要,设计了1套便于麦克风阵列精确布局与灵活变换的阵列支架,通过模拟试验 验证了所述算法与阵列支架的可靠性和准确性。

基于生成对抗网络与个性机理模型的旋转机械故障诊断方法

在工业生产中,由于故障数据缺失会导致诊断模型构建困难,针对这一问题,提出了一种基于生成对抗网络(GAN)与个性机理模型(MCGM)的旋转机械故障智能诊断方法。首先,采用源域数据完成了对目标域数据的领域自适应,提取出了源域中反映设备故障状态的共性参数,并依据GAN构建了其分布模型;然后,从构建好的分布模型中提取出共性参数,并结合MCGM与目标域正常状态数据,生成了目标域虚拟故障样本,通过虚拟故障样本与目标域正常状态样本训练,得到了目标域故障诊断模型;最后,采用标准数据集与实验室轴承数据,对基于生成对抗网络(GAN)与个性机理模型(MCGM)的旋转机械智能诊断方法进行了验证。研究结果表明:基于GAN-MCGM的旋转机械智能诊断方法在诊断任务中的平均准确率达到了92.5%,平均准确率相较其他对比方法有显著提高。

基于声振特征融合的机车走行部轴承状态评估方法研究

轴承作为机车走行部的关键部件,其安全稳定运行对机车至关重要。针对机车走行部轴承维修后状态无法准确评估的现状,提出一种基于声振特征融合的机车走行部轴承状态评估方法。该方法通过采集走行部轴承工作时产生的声音信号及振动信号,提取2种信号特征参数并进行融合,得到更为准确的状态信息,实现对维修后轴承的状态评估。通过轴承故障模拟试验,验证基于声振特征融合的机车走行部轴承状态评估方法的准确性和有效性。

故障机理与领域自适应混合驱动的机械故障智能迁移诊断

航空发动机的健康稳定对于保障飞行器的安全运行具有重要的作用,针对各台发动机建立具备高准确率的智能诊断模型是飞行器稳定运行的关键。现有故障诊断方法在具备故障数据的条件下能取得较好效果,但实际应用中往往因仅含正常数据,无法实现诊断模型的构建。针对该问题,提出一种故障机理与领域自适应混合驱动的机械故障智能迁移诊断方法,该方法首先依据故障机理和源域数据建立旋转机械故障虚拟样本生成模型,再采用目标域正常数据实现生成模型对目标域的自适应,最后通过虚拟样本训练得到目标域故障诊断模型。采用标准数据集和实验室轴承数据对提出方法进行验证,结果表明,提出方法对不同型号轴承诊断时取得88.61%的平均准确率,相比对比方法高41.22%。