基于J散度的模式分类方法在故障诊断中的应用

提出了一种基于J散度的谱系聚类算法,对不同状态下信号的AR模型进行了分类,以分类结果建立正常信号的标准样本,比较待检样本与标准样本之间J散度和设定阈值的大小,实现对待检样本的分类。将该方法应用于往复式压缩机气阀的故障诊断中,比较J散度与欧氏距离和相关系数在分类中的效果,证实了基于J散度的模式分类方法的分类结果更加准确。

基于多准则融合的滚动轴承振动信号消噪方法

针对滚动轴承早期微弱故障特征难以提取的问题,提出了基于多准则融合的滚动轴承振动信号消噪方法。该方法采用集合经验模态分解(EEMD)方法对原始振动信号进行分解得到一组IMF分量,计算各阶IMF分量和原始振动信号的相关系数、各阶IMF分量和原始振动信号包络谱的J散度、各阶IMF分量的峭度值;分别根据相关系数准则、J散度准则、峭度准则选取有效IMF分量,将同时保留的IMF分量作为有效分量进行信号重构。实验结果表明,该方法可以有效地提取滚动轴承早期微弱故障信息,能够有效抑制经验模态分解(EMD)中的模态混叠问题,同时削弱低频噪声,突出高频共振成分,具有良好的自适应性。

基于多模型PF的风力机桨距系统的故障诊断

针对风力机桨距系统建模不精确导致的故障分离不准确的问题,提出了一种J散度与多模型结合的故障分离方法。首先在风力机桨距系统多故障模型的基础上,通过粒子滤波(PF)对风力机桨距系统的状态进行估计;然后引入一个带宽系数对自适应阈值进行优化,以提高桨距系统故障检测的实时性和精确性;最后计算实际系统输出与每个故障模型输出的J散度,判断故障类型,提高故障分离的准确性。研究结果表明:该方法明显提高了桨距系统故障诊断的准确性,同时减少了计算时间。

一种机器运行状态监测和识别方法的程序实现

介绍了工程诊断中频谱特征值距离指标—J散度来判断机器运行状态的方法,进行了输入数据处理、J散度算法和结果图形分析编程,给出了程序框图,并用实例得到验证,J散度在工程诊断中是行之有效的方法。