基于CEEMDAN样本熵与SVM的滚动轴承故障诊断

提出一种基于自适应噪声的完备经验模态分解(CEEMDAN)与IMF样本熵结合的滚动轴承故障特征提取方法。利用CEEMDAN算法对振动信号进行了自适应分解,将非稳定的振动信号分解成了若干个固有模态函数(IMF)分量。计算了包含主要故障特征信息的IMF分量样本熵,实现了故障特征量化。在此基础上利用SVM在少量数据样本的情况下具有较强的学习和分类能力,通过样本数据学习与待测样本的模式识别实现滚动轴承智能诊断。通过仿真与实验数据分析,证明该方法能够改善信号特征提取的效果,对故障类型的判断表现出较高的识别率。

浅孔房柱嗣后充填采矿法AHP-Fuzzy参数优化

根据永平矿体的赋存条件和矿岩稳固性特性,采用浅孔房柱嗣后充填采矿技术方法进行开采,提出了3种采矿方案的矿房矿柱设计。由于浅孔房柱嗣后充填采矿法实际工程中存在诸多模糊信息,为了实现矿山安全、经济和高效的开发,采用层次分析模糊综合评价方法(AHP-Fuzzy)对采场结构参数进行优化。AHP-Fuzzy综合评价法是借助层次分析法构建判断矩阵,确定各层次的指标权重;然后采用模糊数学的方法,充分考虑工程实际经验,构造影响采矿方案的隶属度矩阵;最后根据权重向量和指标隶属度矩阵确定综合评判向量,选出最优的开采方案。该方法能全面考虑各因素的影响,定性与定量相结合,充分体现了评价因素和评价过程的模糊性,减少了主观臆断对评价的影响,提高了评价结果的可信度。优化结果表明,方案2的综合优越度为92.52%,优于其他2个方案,故方案2为最优开采方案。

基于SVD-LMD模糊熵与PNN的滚动轴承故障诊断

为了提高轴承故障特征信息提取的有效性,实现轴承故障模式智能识别,提高故障诊断效率。提出一种基于SVD-LMD模糊熵相结合的特征量化和PNN网络识别相结合的滚动轴承故障诊断方法。首先运用SVD降噪技术对原始信号降噪,运用LMD分解将降噪后的非稳定信号分解成若干个稳定的乘积函数分量(PF)。其次利用模糊熵能表征时间序列复杂程度并具有稳定的统计性,提取PF分量的模糊熵,组成N维特征向量,实现故障特征量化。构建PNN网络模型,将特征向量输入PNN训练,实现故障类型识别。最后对比PNN算法与BP算法性能,验证PNN算法的优越性。实验数据分析结果表明,所提方法在少量数据样本情况下故障诊断准确率高达93.75%。