基于双谱和支持向量数据描述的故障诊断

双谱是处理非线性、非高斯性信号的有力工具,而支持向量数据描述(support vector data description,SVDD)是一种单值分类方法,可以解决故障诊断中故障样本缺乏的问题。基于此,提出一种基于双谱和SVDD相结合的故障智能诊断方法。该方法采用双谱对振动信号进行处理并提取特征向量,以此作为SVDD的输入参数进行训练和分类。将该方法应用于滚动轴承的故障诊断中,结果表明,该方法可以有效提取轴承信号的特征信息,提高SVDD在故障诊断中的准确性。

矢双谱分析及其在机械故障诊断中的应用

双谱分析由于可以有效提取信号中的非线性特征被广泛应用于转子故障诊断。但常规双谱分析是以单通道信号为研究对象,不能全面地反映转子系统的非线性特征,存在着信息遗漏的问题,而且由同一截面的两个通道信号得出的分析结论会不一致。为解决这个问题,以全矢谱分析方法为基础提出矢双谱信号分析的新方法。矢双谱是融合了同一截面上双通道信号的幅值信息而保留了各自的相位信息的全矢双谱分析方法,能够真实地反映转子运转所包含的各种信息,且能满足分析结论的一致性要求。给出矢双谱的定义与算法,通过仿真和齿轮箱故障试验,研究结果表明,该方法能够更加全面地反映信号中所包含的非线性特征信息,分析结论具有一致性和可信性,从而提高智能故障诊断的准确性。

基于矢双谱的智能故障诊断方法

支持矢量数据描述(Support vector data description,SVDD)是一种单值分类方法,可以解决故障诊断中故障样本缺乏的问题。矢双谱方法是基于全矢谱信息融合的双谱分析方法,能够有效融合旋转机械的双通道信息,更加全面、准确地反映信号中所包含的非线性故障特征信息。为实现在缺乏故障样本的情况下,对设备故障进行有效的智能诊断,提出一种矢双谱和SVDD相结合的智能故障诊断方法。采用矢双谱对双通道信号进行处理并提取特征矢量,作为SVDD的输入参数,建立起分类模型即可对机器运行状态进行分类。将该方法应用于齿轮箱的故障诊断中,结果表明可有效提取齿轮箱信号的特征信息,提高SVDD在故障诊断中的准确度。

正交小波变换支持向量数据描述在故障诊断中的应用

支持向量数据描述(support vector data description,SVDD)是一种单值分类方法,该方法能够在缺少故障样本的情况下,通过采集到的正常状态数据样本建立起单值分类器,从而区分出机器的运行状态。笔者提出了一种小波变换支持向量数据描述诊断方法,利用正交小波变换(orthogo-nal wavelet transformation,OWT)方法提取各细节信号的峰峰值作为输入参数,用SVDD方法进行分类。通过滚动轴承的试验数据分类结果显示,该方法比没有提取特征值的SVDD可有效处理复杂机械振动信号,提高了诊断的准确率。

汽车水泵总成的动态特性研究

利用有限元软件Ansys模态分析功能,在对某汽车水泵总成建立三维实体模型的基础上,对其进行约束模态分析,计算汽车水泵总成的前7阶固有频率和相应振型,并与试验模态相比较,证明计算模型的合理性。通过模态分析为该水泵的结构优化提供理论依据,并为解决汽车水泵总成的泄漏问题提出改进措施。

矢功率谱与支持向量数据描述相结合在故障诊断中的应用研究

与传统功率谱相比,矢功率谱融合了多通道的能量信息,反映的信息更全面。为了解决智能监测和故障诊断中故障样本缺乏的问题,提出一种矢功率谱与支持向量数据描述(support vectordata description,SVDD)相结合的单分类方法。将该方法应用于转子试验台模拟的故障诊断中,实验结果表明,该方法是有效的。