转子故障信号的小波能量特征自动提取

提出了一种基于小波变换的转子故障信号能量特征自动提取方法,受倍频分析思想的启发,运用尺度变换对原始时间信号重采样,将重采样后的信号进行小波变换,并统一分解到给定层上,从而获取信号的频带特征.该方法能消除转子转速和采样频率对小波分解频带分布的影响,提取的频带能量特征具有统一的物理意义.在ZL-3多功能转子模拟试验台上模拟了不平衡、不对中、碰摩及油膜涡动4种转子常见故障的128个样本,应用本文方法进行小波分析特征提取,并构造集成神经网络诊断模型进行诊断实验,结果表明了本文方法的有效性和正确性.

遗传算法特征选取中的几种适应度函数构造新方法及其应用

针对遗传算法特征选取技术,提出4种适应度函数构造方法,即,基于改进的距离判据、基于平均值方差比、基于Fisher判别准则以及基于最近邻分类法的适应度函数,并通过仿真实例对方法进行了验证。最后,将新方法应用于转子故障诊断,结果表明:笔者提出的遗传算法特征选择的4种适应度函数的正确有效性。

转子故障的连续小波尺度谱特征提取新方法

引入图像分析方法,提出了直接从转子故障信号连续小波尺度谱中提取图像纹理特征的新方法.首先,通过转子故障模拟实验台采集了不平衡、不对中、碰摩及油膜涡动等典型故障信号;然后,分析了故障信号尺度谱的差别及所提取出的数字特征对故障的敏感性;最后用结构自适应集成神经网络进行了智能诊断实验,结果表明了本文所提出的尺度谱数字特征对转子故障诊断的有效性.