多小波自适应构造方法及滚动轴承复合故障诊断研究

机械设备的复合故障由于其故障的多样性、强弱的不平衡、故障间的相互影响等特性,给全面准确地诊断造成困难。多小波具有多个时频特征有所差异的基函数,可以匹配多个故障特征,对于复合故障的诊断具有先天优势。提出了多小波的自适应对称提升方法,以峭度为优化目标对多小波进行自适应构造,对信号进行冗余分解,获得特征频率的相对能量分布,依据相对能量比选择敏感频带,实现对复合故障的一次性识别与诊断。以电力机车滚动轴承外圈与内圈、外圈与滚动体的复合故障诊断为例,验证了该方法的有效性。

基于自适应速度趋势函数的约束层速度反演方法

论文研究了复杂构造区初始层速度约束反演问题。首先得出初始层速度模型的精度对偏移速度建模的质量和迭代稳定尤为重要,常规方法在构造复杂区使初始速度模型产生的误差易导致最终偏移速度模型地质意义失真、真实构造特征掩盖等问题。提升初始速度模型与地下地质特征的匹配和精度成为关键。基于此,论文提出了基于自适应速度趋势函数的约束层速度反演方法。在常规方法的基础上,利用复相关法在时间域剖面上获得地质构造的连续性与变化,并将其作为构造响应算子形成针对性的影响域和权重融入速度趋势函数中,使该函数自适应地质构造特征,提升初始速度模型的精度。再通过对基准速度和速度趋势对深度的梯度进行样条拟合,构建趋势函数的全局高频异常约束,有效预防在构造突变区产生异常高频,进一步增强算法的稳健和可靠性。理论模型和实际数据的测试,验证了本文方法的有效性,反演得到的层速度模型更符合地质规律,并能更好地解决构造复杂区层速度模型的连续性问题,有利于提高复杂构造叠前深度偏移成像精度。

一种自适应模型构造的层次决策图贝叶斯优化算法

描述和分析零星模型构造(SMB)方法中固定模型构造周期参数对层次决策图贝叶斯优化算法性能的影响,提出了一种基于自适应模型构造(AMB)的层次决策图贝叶斯优化算法,通过计算群体平均信息熵密度而确定相邻两代群体所对应网络模型的相似度,仅当相似度小于给定阈值时自适应重构贝叶斯网络模型,从而在保证贝叶斯网络模型精确性的前提下减少贝叶斯网络模型的构造次数,进而降低算法计算复杂度,加速收敛.实验结果表明,AMB方法有效可行.

自适应冗余多小波及其在故障诊断中的应用

针对机械设备在运行过程中萌生的故障尚在特征不明显、特征信息微弱且往往被机械设备运行过程中的强噪声所淹没等给故障特征提取与故障定位带来了很大困难,提出了自适应冗余多小波的故障诊断方法.基于Chui-Lian多小波,依据信号特点采用两尺度相似变换方法,以谱熵最小为优化目标、遗传算法为优化方法,实现了冗余多小波的自适应构造.同时,对振动信号进行了冗余多小波分解,从而实现了对故障的准确定位及特征提取.将提出的方法应用于滚动轴承的故障分析和烟汽轮机的碰摩故障诊断中,结果显示,该方法可以有效地提高对机械设备在运行中产生故障的诊断能力.对比结果表明,该方法明显地优于传统的傅里叶变换、Db6单小波变换和原始CL3多小波变换等方法.

自适应机动地形匹配算法

文中首先提出了基准数据带的自适应构造法 ,然后以它和平均绝对差算法 (MAD)为基础 ,形成了一种新的算法 ,称为自适应机动地形匹配算法。计算机的仿真结果表明 :该算法和通常所用的算法相比 ,具有较高的捕获概率和定位精度 ,特别是在低信噪比的条件下 ,性能改善程度更为显著。

滚动轴承故障诊断的多小波谱峭度方法

采用提升多小波的方法,以峭度为优化目标,遗传算法为优化算法,针对信号特征进行多小波的自适应构造.以构造的多小波作为谱峭度的滤波器,针对多小波特点改进了峭度图,提出了多小波谱峭度方法.该方法建立在传统谱峭度方法的基础上,不仅克服了原方法中滤波器变化有限的劣势,而且提高了谱分析的分辨率.将该方法应用于滚动轴承的故障诊断中,以试验台与电力机车的滚动轴承故障诊断为例进行验证,结果表明,该方法不仅提高了频带选择的准确性与滤出信号的信噪比,而且获得了更好的诊断效果.