动态调整灰色关联分析方法在轴承早期退化在线识别中的应用

针对现有数据驱动型方法在滚动轴承早期退化识别中存在敏感度低、误警率高的问题,提出一种面向瞬态机械装备健康监测的动态调整灰色关联分析(DAGIA)方法。该方法首先采用希尔伯特(Hilbert)变换对滚动轴承振动数据进行幅度解调得到包络信号。为了削弱分辨系数取值的影响以凸显关联度值的区分程度,将可以表征轴承退化信息强弱的特征噪声能量比(FNER)指标引入传统灰色关联分析(TGIA)中动态调整分辨系数。然后,提取轴承运行初期的第一组数据作为参考数据,计算其余数据和参考数据的动态灰色关联度并构建轴承性能衰退指标。最后,根据正常样本并结合切比雪夫不等式设置控制线瞬态识别滚动轴承早期退化起始位置。利用IMS和XJTU-SY数据库完成对轴承早期退化瞬态识别,结果表明,所提方法可以瞬态识别轴承早期退化位置,误报警逼近于0,兼具敏感性和鲁棒性,有利于设备维护人员更好掌握滚动轴承的运行状态。

基于模糊距离的核电厂瞬态分段识别方法

近年来发展的核电厂瞬态识别技术,可为操纵员提供处于发展阶段的故障信息,有助于了解核电厂状态并及时采取相应的操作动作,保证核电厂的安全运行。将瞬态过程曲线分为两段,前段利用聚类方法用于快速识别,后段利用提取的瞬态过程的特征进行更准确的识别。利用待识别瞬态与参考瞬态间的模糊距离描述二者的相近程度,可以消除噪声等扰动的影响,并得到更符合认知习惯的结果。利用高温气冷堆核电厂仿真机的故障数据验证瞬态识别方法的有效性。