基于提升方法的小波构造及早期故障特征提取

针对机械信号早期故障特征的提取问题,提出了一种根据故障特征波形的特点来构造相应小波的方法.该方法以提升方法为基础,通过对初始双正交滤波器组进行提升和对偶提升,来获得不同的提升算子和对偶提升算子,从而构造出具有理想特性的新小波.提取提升后小波分解的高频细节信号在每个信号工作周期中的模极大值,来确定信号发生微弱突变的时刻和位置.工程振动信号分析表明,同其他类型的小波相比,用提升方法构造的小波能更好地匹配机械信号故障特征波形,因此较理想地提取出了某炼油厂重催机组转子不平衡、轴系不对中和轻微碰摩的故障特征.

基于改进第2代小波算法的发电机组碰摩故障特征提取

针对发电机组碰摩故障特征的提取问题,构造了一种提取该类信号时域特征的改进第2代小波算法。该算法以第2代小波为基础,构造第2代小波等效滤波器,分析其存在的频带交叠问题;采用基于数据的优化方法,设计能够自适应匹配每层分解信号特征的预测器和更新器;对分解得到的每层逼近信号和细节信号采用傅里叶变换方法,消除每个分解频带中其它频带的无关频率成分,以突出相应频带信号的时域特征。仿真信号和工程振动信号分析表明,改进第2代小波算法的信号特征提取效果优于第2代小波方法,较理想地提取出了汽轮发电机组发生径向碰摩故障时的时域故障特征。

基于自适应提升小波包的故障微弱信号特征早期识别

针对齿轮箱故障微弱信号特征识别问题,设计了一种识别该类信号微弱特征的自适应提升小波包方法。该方法以提升方法为基础,构造了提升小波包分解和重构过程算法,并以分解层信号相邻样本点自相关系数的大小作为目标函数,在每个样本点上选择能够自适应匹配信号局部特性的提升小波包算子,将每个分解频带信号进行重构,识别时域故障微弱信号特征。该方法成功地识别出了某齿轮箱发生摩擦故障时隐含在振动信号中的调制波形和周期性冲击脉冲故障微弱特征。结果表明,自适应提升小波包方法对强噪声背景下故障微弱信号特征的识别效果优于经典小波包方法。

自适应冗余第2代小波设计及齿轮箱故障特征提取

针对强噪声背景下齿轮箱故障特征的提取问题,设计了一种提取该类信号时域特征的自适应冗余第2代小波.采用基于数据的优化算法设计每层小波分解的初始预测器和更新器,然后通过对初始预测器和更新器进行插值补零运算,来获得冗余预测器和更新器.第2代小波不需要剖分运算,利用冗余预测器和更新器直接对每层逼近信号进行预测和更新运算,能较好地保留信号的时域特征.采用第2代小波较理想地提取出了齿轮箱发生摩擦故障时的时域调制波形和周期性冲击脉冲,并对得到的细节和逼近信号进一步进行包络解调,从而分离出了故障调制源频率.结果表明,自适应冗余第2代小波对噪声背景下齿轮箱故障特征的提取效果优于其他小波.

基于自适应第二代小波的超声回波信号特征识别

文章针对强噪声背景下液压系统压力超声检测回波信号特征识别问题,构造了一种识别该类信号时域特征的自适应第二代小波方法。该方法以第二代小波为基础,以超声回波信号的峭度大小为目标函数,选择每层自适应匹配超声回波信号特征的第二代小波预测器和更新器,利用选择的预测器和更新器对信号进行预测和更新运算;根据每层自适应第二代小波分解的超声回波信号噪声水平,选取自适应匹配超声回波信号噪声特点的降噪阈值,对信号进行降噪和恢复,提取信号时域特征。该方法成功地准确识别出超声回波信号回波至点的时刻和时间间隔特征信息。结果表明,第二代小波自适应阈值方法对强噪声背景下超声回波信号特征的识别效果优于经典小波方法。

随机载荷下导弹贮箱强度可靠性仿真计算

使用了一种计算随机载荷下导弹贮箱强度可靠性的 Monte- Carlo模拟方法 ,即通过建立导弹贮箱强度的累积损伤模型 ,采用直接模拟法随机模拟应力和导弹贮箱初始强度来获取导弹贮箱的可靠度。这种方法能有效地预测运输、飞行等环境下导弹贮箱的强度可靠性。最后 。

基于改进粒子滤波的飞机起落架损伤识别研究

针对飞机起落架损伤识别问题,提出了一种识别起落架损伤的改进粒子滤波方法。首先,建立了飞机起落架动力学模型,分析起落架损伤的危险点,得到其应力响应信号;然后,采用核平滑技术和快速高斯采样法,实现非线性系统中状态与参数估计,解决了粒子滤波重采样过程中的参数粒子枯竭现象,增加了该方法运行的实时性。实验信号分析结果表明,改进粒子滤波方法能准确识别飞机起落架危险点损伤,识别精度优于传统粒子滤波方法。

冗余第2代小波构造及机械信号特征提取

针对强噪声背景下机械信号故障特征的提取问题,构造了一种提取该类信号时域特征的冗余第2代小波方法.该方法通过对初始预测算子和更新算子插值补0,来获得不同分解层上的预测算子和更新算子.冗余第2代小波不需要剖分运算,直接利用构造的算子对逼近信号进行对称预测和更新,可使逼近信号和细节信号的数据点数保持不变,并根据每层细节信号的噪声特点选取降噪阈值门限.实验和工程振动信号分析表明,冗余第2代小波的降噪效果优于其他类型的小波方法,较理想地提取出了滚动轴承内圈剥落和汽轮发电机组高压缸蒸汽激振的时域故障特征.

第二代小波包构造及发动机微弱损伤识别

针对航空发动机滚动轴承微弱损伤识别问题,设计了一种识别滚动轴承早期损伤的第二代小波包方法.构造了第二代小波包分解重构算法和第二代小波包算子计算方法;将滚动轴承振动信号进行第二代小波包分解,然后各个频带分解信号分别进行重构;利用希尔伯特变换解调分析各频带信号,得到对应频带信号的包络谱;计算各个频带中滚动轴承故障特征频率对应包络谱幅值的分贝值,提取各频带中故障特征频率对应分贝值的最大值,对滚动轴承早期损伤情况做出定量识别.仿真信号和试验信号分析表明,该识别方法结果可靠,能准确识别出滚动轴承早期损伤.

运输环境中火箭贮箱强度可靠性仿真

应用蒙特卡罗模拟方法计算运输环境中火箭贮箱强度可靠性 ,建立了火箭贮箱强度累积损伤模型 ,采用直接模拟法随机模拟应力和火箭贮箱初始强度来获取火箭贮箱的可靠度 ,并结合实例进行了仿真验证。该算法为分析随机载荷下火箭可靠性提供了依据。

非线性小波变换在故障特征提取中的应用

经典小波变换在不同尺度采用一种小波基 ,不能很好地匹配信号的局部特征 ,因而造成降噪信号丢失了原始信号中部分的有用信息。为了克服上述缺陷 ,提出了一种基于第二代小波变换的非线性小波变换振动信号预处理方法 .应用第二代小波变换的预测器和更新器相互独立的特点 ,根据预测方差最小的选取原则 ,确定每个变换样本的最佳预测器 ,使预测器能够适应信号的局部特征。模拟数据和振动信号的分析表明 ,该方法克服了传统小波降噪方法局部信息丢失的缺陷 ,不仅可以有效地去除信号中的噪声 ,而且能够保留信号的局部特征。作为一种预处理方法 ,在某发电厂的故障诊断中有效地从振动信号中提取了故障特征。

基于信息熵和SVM多分类的飞机液压系统故障诊断

飞机液压系统是典型的非线性系统,故障机理复杂,提取故障信息困难,且故障样本较少。针对飞机液压系统部件故障,文章采用了基于信息熵特征权值分配和支持向量机(SVM)多分类的故障诊断方法。先提取飞机液压系统压力信号的统计特征,然后通过计算特征信息熵为特征分配相应权值,将权值较大的特征作为支持向量机的输入向量,最后建立SVM多分类器将正常与多种故障状态进行分类;所采用的方法不仅有效降低了支持向量机模型的计算复杂度,而且提高了分类精度。通过建立飞机起落架收放系统仿真模型,对该故障诊断方法进行了验证研究。仿真结果表明,该方法选用高斯径向基核函数能够有效对液压系统进行故障诊断。

一种改进的第2代小波变换算法及应用

为了获得基于分析数据特征的小波函数,将第2代小波变换插值细分方法与最优估计理论相结合,提出了一种改进的第2代小波变换算法.在设计预测系数时,以小波分解的细节信号的平方和最小为目标函数,使预测满足一定的消失矩,通过最小二乘法确定预测系数,使预测系数能够反映分析数据的特征.采用最优插值估计的第2代小波变换分解及重构算法的降噪效果优于其他类型的小波,因此较理想地提高了滚动轴承振动信号的信噪比.

一种基于信号相关性检测的自适应小波变换及应用

为了克服传统小波变换的不足,提出了一种用样本相关性检测信号特征的自适应小波变换降噪方法.该方法以第二代小波变换为基础,在小波变换时提供多组备选的预测器和更新器,用变换样本与相邻样本之间的相关性来检测信号的局部特征,并根据相关系数的大小来确定每一尺度上的每个样本的最佳预测器和更新器,使小波能够较好地适应信号的局部特征.模拟实验和工程应用的结果表明,该方法克服了传统小波降噪方法丢失原始信号局部信息的缺陷,不仅可以有效地去除原始信号中的噪声,而且能够保留原始信号的局部特征.

基于相似性传播聚类的航空发动机突发故障诊断

针对航空发动机突发故障,构建了一种基于相似性传播聚类的突发故障诊断方法。首先利用突发故障历史监测数据建立突发故障数据库,通过相似性传播聚类找到数据库中所有突发故障数据的中心,当诊断新采集数据的突发故障类型时,通过相似性传播聚类找到当前新采集数据的中心,经过与突发故障数据库中的数据中心进行匹配判断该新采集数据所对应的突发故障类型。将该突发故障诊断方法应用到发动机转子实验台的突发故障诊断中,仿真和实验结果表明该方法的可行性,并通过与其他方法比较,表明该方法具有诊断时间短和误差小的优点。

基于多状态MOG-HMM和Viterbi的航空发动机突发故障预测

针对航空发动机的突发故障,提出了一种基于多状态混合高斯隐马尔科夫模型(mixture of Gaussian-hidden Markov model,简称MOG-HMM)和Viterbi算法相结合的预测方法。首先,根据航空发动机突发故障的历史监测数据建立多状态MOG-HMM模型,确定状态数、状态转移矩阵、观察值概率分布以及最终的突发故障状态;然后,对新采集的观测数据,通过Viterbi算法解码出该观测数据对应的当前状态;最后,计算该状态到达突发故障状态的时间间隔,从而可以对突发故障进行预测。仿真和实验结果表明,该方法能够实现对突发故障的预测,并且符合标准预测指标的要求。

基于改进时变自回归模型的滚动轴承故障诊断

针对现有的时变自回归(Time-Varying Autoregressive,TVAR)模型应用于滚动轴承故障诊断中的问题,提出一种前向估计与后向估计相结合的改进模型。该模型在引入时变遗忘因子的基础上,定义了前后向联合估计的均方误差并对基函数的加权系数求偏导,得到加权系数的计算公式,然后利用递推最小二乘(Recursive Least Squares,RLS)方法推导了该计算公式的递推形式。针对滚动轴承内圈故障的仿真和实验信号,使用改进前后的模型进行时频分析。仿真和实验结果表明,改进后的模型有效地克服了现有模型无法获得初始时刻频率估计的缺点,具有更高的时频估计精度、更强的抗噪声能力,能够更加有效地提取滚动轴承的故障特征频率。

固体推进剂药柱强度可靠性蒙特卡罗法数字仿真

使用了一种计算随机载荷下固体推进剂药柱强度可靠性的蒙特卡罗模拟方法 ,即通过建立固体推进剂药柱的累积损伤模型 ,采用直接模拟法模拟随机载荷和固体推进剂药柱初始强度来获取推进剂药柱的可靠度。该方法能有效地预测运输、飞行等环境下固体推进剂药柱的强度可靠性。最后 。

基于监测数据的特征小波构造及应用

提出了以监测数据为基础构造特征小波提取数据趋势的新方法,研究了第二代小波变换的预测器、更新器与等效滤波器之间的关系,以及根据等效滤波器设计预测器和更新器系数的原理。为了构造基于监测数据的特征小波,在设计预测器和更新器时,综合监测数据样本的信息,以预测器消失矩作为约束条件,以预测误差作为目标函数,使所构造的小波能够反映监测数据的局部特征。采用设计预测器和更新器对监测数据分解、阈值处理和重构,得到监测数据的趋势。该方法在某炼油厂机组的峰峰值趋势分析中准确地描述了峰峰值变化趋势。

基于数据融合驱动和DLSTM网络的轴承RUL预测

针对滚动轴承的剩余寿命预测问题,提出一种基于多传感器信号融合的深度长短期记忆网络预测模型。利用深度学习和长短期记忆网络组合来构造深度长短期记忆网络;将多个传感器信号数据进行融合处理,从而通过深度学习结构能够发现传感器时序信号中隐藏的长期依赖关系;通过网格搜索策略、自适应矩估计算法(Adaptive Moment Estimation Algorithm,AMEA)优化深度长短期记忆网络的网络结构和参数,并且引入一种主动丢弃法以缓解过度拟合问题。实验结果表明该方法具有更高的预测准确性和稳定性。