基于HOG和TSO-SVM的水电机组轴心轨迹智能识别

水电机组的轴心轨迹能够反映机组不同的运行状态,为了提高轴心轨迹的识别率,准确判断机组运行状态,本文提出方向梯度直方图(Histogram of Oriented Gradient, HOG)结合由瞬态搜索优化(Transient Search Optimization, TSO)算法优化的支持向量机(Support Vector Machine, SVM)的方法。将轴心轨迹信号经改进小波阈值方法去噪后,生成轴心轨迹图像,之后提取图像HOG特征,经主成分分析(Principal Components Analysis, PCA)降维处理后,利用TSO-SVM对降维后的特征进行分类识别。结果表明所提方法能够很好地识别不同状态的轴心轨迹,具有识别准确率高和识别速度快的特点。

Mathematical Rotordynamic Model Regarding Excitation Due to Elliptical Shaft Journals in Electrical Motors Considering the Gyroscopic Effect

The paper presents a mathematical rotordynamic model regarding excitation due to elliptical shaft journals in sleeve bearings of electrical motors also considering the gyroscopic effect. For this kind of excitation, a mathematical rotordynamic model was developed considering the influence of the oil film stiffness and damping of the sleeve bearings, the stiffness of the end-shields and bearing housings, the stiffness of the rotor, the electromagnetic stiffness in the air gap of the electrical motor and the mass moment of inertia of the rotor and therefore also considering the gyroscopic effect. The solution of the linear differential equation system leads to the mathematical description of the absolute orbits of the shaft centre, the shaft journals and the bearing housings and to the relative orbits between the shaft journals and the bearing housings. Additionally, the bearing housing velocities can also be derived with this mathematical rotordynamic model.

水力机械轴摆度测量与分析的研究

水力机械轴摆度的测量广泛应用于机组盘车、检查机组轴线安装质量、机组运行稳定性评价,轴摆度信号过大会导致机组故障停机等严重后果。本文从测量水力机组轴摆度电涡流位移传感器量程选择、安装布置、信号分析等方面论证了安装环节对测量结果的影响,给出了针对不同轴径传感器选择原则和允许的轴线与传感器感应面之间安装角度;提出了测量部位轴断面不圆度信号与轴摆度信息分离检测的分析方法、轴摆度合成轴心轨迹平面参数分析方法和轴心轨迹特征值计算方法,解决了轴不圆度与轴摆度信息混淆、轴摆度合成轴心轨迹特征值分析等问题,为水力机械轴摆度的测量与分析提供参考。

发动机篦齿-橡胶涂层碰摩转子振动特性实验研究

转静碰摩是航空发动机的多发故障,其引起的转子振动特性受转静碰摩材料的影响。考虑了碰摩机匣的硫化橡胶软涂层,实验研究了发动机增压级封严篦齿与封严机匣之间的渐进式碰摩,分析了转静碰摩过程中的转速、振动位移波形、轴心轨迹和进动特征的变化规律。结果表明:封严篦齿与橡胶涂层机匣的碰摩可分为四个阶段,转子转速经过了掉转-超加速-波动恢复-过减速的过程,振动位移波形在转速掉转阶段变化最明显,轴心轨迹呈现稳定-不稳定-稳定的变化规律,篦齿-橡胶软碰摩激起了转静子局部共振,表现为正反进动的高阶超次谐频,碰摩同时引起了对正反进动基频和低阶倍频的频率调制,增压级转静碰摩对涡轮端振动的影响相对较弱。

基于仿射不变矩的轴心轨迹自动识别方法

讨论了仿射不变矩的原理,通过改进仿射不变矩的积分因子,保证了积分因子在仿射变换下的不变性,将仿射不变矩应用于水电机组轴心轨迹特征的提取.通过计算轴心轨迹的仿射不变矩作为特征向量,结合人工神经网络方法,提出了一种高效的轴心轨迹自动识别新方法.对3类典型的轴心轨迹的自动识别进行了仿真试验,并与Hu氏不变矩方法的识别效果进行对比.试验结果表明:采用仿射不变矩方法的轴心轨迹识别率达到95%,明显高于Hu氏不变矩的识别率,仿射不变矩具有比Hu氏不变矩更好的轴心轨迹识别能力.

一种基于傅里叶描述子的轴心轨迹自动识别方法

傅里叶描述子是分析和识别物体形状的重要方法之一。文中详细讨论了傅里叶描述子的原理、不变性和实际应用方法;运用人工神经网络分析方法,以傅里叶描述子作为特征向量,对汽轮发电机组轴心轨迹的自动识别进行了探讨;并对3类典型的轴心轨迹的自动识别进行了仿真试验,结果表明该方法是有效、可行的。

基于混合蜂群算法特征参数同步优化支持向量机的水电机组轴心轨迹识别方法研究

在水电机组轴心轨迹识别研究中,为解决传统支持向量机方法中特征参数无法自适应选择而导致分类性能不高、计算时间过长等问题,提出混合人工蜜蜂群算法特征参数同步优化支持向量机(HABC-SVM)的轴心轨迹识别方法。将人工蜜蜂群算法引入到支持向量机识别优化模型的求解中,对人工蜜蜂群从搜索策略、蜜源编码、更新策略等方面进行了改进。通过仿真试验获取水电机组的四类典型轴心轨迹样本,对轴心轨迹中提取的19种特征参数和支持向量机参数进行了同步优化,将改进HABC算法与PSO-SVM算法和GA-SVM算法进行了对比。研究结果表明HABC-SVM具有良好的自适应性和分类精度,可以同步获取支持向量机参数和特征子集的最优解,增强分类器的性能,提高轴心轨迹模式识别的准确率,对水电机组的故障诊断工程应用有一定的指导意义。

基于粒子群算法与改进BP神经网络的水电机组轴心轨迹识别

在水电机组状态检修系统中,轴心轨迹是判断机组状态的一个重要特征。该文提出边缘检测和矩特征提取相结合的方法,利用粒子群寻优算法来获取与待识别样本最接近的已知样本,应用改进的BP神经网络进行识别,将轴心轴迹的不变性矩作为神经网络的特征参数,对几种典型的轴心轨迹进行了辨识。某水电站机组试验表明该方法识别速度快、精度高,具有较高的实用价值。

轴心轨迹自动识别及其在旋机诊断中的应用

提出了一种基于Zernike不变矩特征和神经网络分类器的轴心轨迹自动识别方法。通过对原始Zernike矩特征进行二次提取和处理,获得了对轴心轨迹识别更为敏感的矩特征量,降低了后续神经网络分类器设计的难度。仿真研究表明,基于Zernike矩的轴心轨迹识别方法,其识别精度优于常用的几何矩方法。将所提方法应用于汽轮发电机组和高速离心压缩机组轴心轨迹的自动识别,并结合频谱能量分布特征进行故障诊断,结果表明,引入轴心轨迹特征可以有效地提高旋转机械故障诊断的精度。

水轮发电机组轴心轨迹自动识别方法研究

本文提出了一种水轮发电机组轴心轨迹自动识别方法。这种方法根据水轮发电机组的特点 ,综合应用了小波去噪理论、平面图形不变矩理论、神经网络理论 ,实现了识别过程的自动化 ,大大方便了故障诊断系统的使用 ,提高故障诊断系统的自动诊断水平及准确率。

基于特征参数的旋转机械智能故障诊断方法

为了对轴心轨迹进行特征提取和自动识别,使用了分形维数中的盒维数、信息维数、关联维数3个参量来描述轴心轨迹的分形特征;还引入紧密度和丰度两个量,从几何方面对轴心轨迹进行分析;最后,采用神经网络技术对3种状态下的轴心轨迹进行分类识别。试验结果表明,通过对轴心轨迹的分形特征和几何特征联合对转子的运行状态进行评定,有良好的区分度。

小波分析法实现水轮发电机轴心轨迹的提纯

分析水轮机发电机轴心轨迹是水轮机机组诊断振动故障的重要方法。由于轴心轨迹中包含了大量的噪声信号,将小波分析的理论应用于轴心轨迹的提纯,在传统小波硬、软阈值去噪方法的基础上提出了一种改进的软阈值去噪方法;并且引入谐波小波分析方法。通过计算机模拟试验,达到了比较理想的去噪及轨迹提纯结果,并对上述4种方法进行了分析和比较。

小波降噪在轴心轨迹特征提取中的应用

旋转机械的轴心轨迹包含着丰富的反映其运行状态的信息，但由于各种噪声的干扰，实测的轴心轨迹往往非常混乱，以致难以从中获得有用的信息．利用小波及小波包分解与重建以及小波变换模极大值随尺度变化时截然不同的性质来实现轴心轨迹消噪结果表明利用小波降噪提纯轴心轨迹，效果良好。

基于LabVIEW的轴心轨迹故障自动识别系统

针对目前旋转机械故障诊断的计算量大、识别准确度不高、自动化程度低等问题,提出一种基于LabVIEW的轴心轨迹故障自动识别的新方法。对比小波与传统去噪算法,选用效果更优的小波提纯仿真轴心轨迹。通过改进的HU不变矩函数提取轴心轨迹的特征值,保证比例缩放不变性。两路相互垂直的位移传感器连接西门子LMS采集振动信号,结合关联度算法,在LabVIEW轴心轨迹故障自动识别系统上进行转子不对中故障测试,识别的结果与外8字轴心轨迹关联度高达97%,同时信号的Matlab时域轴心轨迹图为外8字,信号频谱图主要为一倍频和二倍频,均符合转子不对中故障特征。结果表明:该系统能够进行在线故障识别,为旋转机械的智能故障诊断提供参考依据。

旋转机械轴心轨迹特征提取技术研究

轴心轨迹是表征旋转机械运转状态的重要特征,目前轴心轨迹识别局限于人机对话模式,并且只对轴系故障进行初步识别,不能实现对故障细节的描述。针对这个问题,研究了轴心轨迹的自动识别方法,主要研究了轴心轨迹与转子故障严重程度的关系,提出通过特征定量化对同类故障的不同图形进行分类,引入交叉点和圆环数作为特征指标,并通过仿真分析,取得了良好效果。

基于统计分析方法的水轮发电机组轴心轨迹

针对目前水轮发电机组轴心轨迹分析方法单一、不能对轴系运行状态进行长期有效监测的问题,采用统计分析手段,定义了轴心轨迹的标准差、变异系数、面积和归一化面积,采用这些参数对某电站指定水头下不同负荷工况的轴心轨迹进行了研究.实例分析表明,定义的轴心轨迹标准差与变异系数能够描述轴心轨迹的清晰程度;变异系数可以表征不同工况下水力因素对轴心轨迹的影响;相同工况下,不同位置的轴心轨迹归一化面积具有相同量级且一致的变化趋势,从而使得归一化面积能够消除测点部位、轴瓦间隙调整等方面的影响,以获得对不同部位轴心轨迹的通用评价;采用轴心轨迹的标准差和归一化面积能够准确评价机组因工况变化而导致的轴心轨迹差异并反映机组的运行状态,从而解决轴心轨迹在线监测手段缺乏的问题.

小波局部极大模方法在轴心轨迹辨识中的应用研究

提出了一种新的基于小波局部极大模的轴心轨迹辨识方法。该方法通过对轴心轨迹的θ-s曲线进行连续小波变换,提取小波局部极大模线,计算每条局部极大模线对应的Lipschitz指数α。最后用α为正的局部极大模线的条数、正α的平均值、α为负的局部极大模线的条数和负α的平均值等4个量作为轴心轨迹特征,并以这些特征量作为BP网络的输入进行分类识别。采用径向碰摩、联轴器不对中、油膜涡动和转子不平衡等4种故障的试验数据对该方法进行检验。结果表明,该方法有特征量少、神经网络的训练速度快和系统识别正确率高的优点。

一种实用的不变矩计算方法

不变矩是图象的一种统计特征，满足平移、伸缩、旋转均不变的不变性，在图象识别领域得到了广泛应用。但是不变矩的计算是比较复杂的，计算工作量很大，特别是对于数字图象处理起来十分不便，例如由采样数据计算轴心轨迹图象的不变矩。本文提出了一种实用的计算二维图象不变矩的方法，并应用于轴心轨迹图的不变矩的计算。该方法充分利用了Ｗｉｎｄｏｗｓ内存位图功能，使得不变矩的计算不仅简单实用，而且精度较高。

基于SVM与轴心轨迹不变矩的转子状态识别方法

轴心轨迹是反映转子轴振的重要特征,其中隐含着转子的各种故障信息。提出了利用转子轴心轨迹图像不变矩与SVM的转子轴心轨迹自动识别方法。该方法首先对转子轴心轨迹图形进行填充处理,得到转子轴心轨迹图像,然后计算图像的7个不变矩。将提出的7个不变矩作为特征向量结合SVM分类方法对故障进行诊断。经实验分析和验证,该方法可以有效实现转子故障的诊断。

几种特征描述方法在轴心轨迹识别中的应用

通过分析旋转机械轴心轨迹的特点,分别用傅里叶子、Hu矩及形状谱计算,并结合神经网络进行分类。实验结果表明,以数学形态学方法为基础的形状谱,轴心轨迹故障类型图形具有旋转、缩放、平移不变性。用形状谱能清晰地描述4类故障的几何意义且识别率高,这表明利用数学形态学能较好地进行旋转机械故障诊断。