基于全矢CEEMDAN能量矩和AMHSSA-SVM的滚动轴承故障诊断

为充分利用滚动轴承的故障特征信息,提高故障诊断的准确性和可靠性,文中提出了一种基于全矢自适应噪声完全集成经验模态分解(Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)能量矩和自适应多种群混合麻雀搜索算法(Adaptive Multi-population Hybrid Sparrow Search Algorithm,AMHSSA)优化支持向量机(Support Vector Machine,SVM)的故障诊断方法。首先,采用全矢谱技术融合同源双通道信号;其次,采用CEEMDAN算法处理融合信号,选择相关系数较大的前5阶IMF分量,并计算其能量矩作为支持向量机模型的特征输入;最后,提出AMHSSA算法并优化支持向量机模型的参数,建立AMHSSA-SVM故障诊断模型。对该模型进行测试,结果表明:此模型有效提高了识别准确性,与类似模型对比,进一步证明了其在分类精度和优化时间方面的优越性。

不同容量下并网模式交流微电网短路故障早期检测与区域定位

随着分布式电源(distributed generation,DG)的容量变化,微电网原有的供电结构发生改变,使得潮流大小、方向和功率结构发生变化,对快速检测和定位微电网中的短路故障区域提出了挑战。在MATLAB/Simulink中搭建低压交流微电网模型;通过高尺度小波能量谱算法对微电网与大电网公共连接点(point of common coupling,PCC)处检测到的电流进行分解,提取适应不同容量情况的短路故障特征值,实现了不同容量下微电网短路故障的早期检测;利用小波能量谱特征结合基于正交最小二乘法(orthogonal least square,OLS)的径向基函数(radial basis function,RBF)神经网络算法提出一种适用于不同容量微电网的短路故障区域定位方法,并进行仿真验证;在此基础上设计并网模式微电网短路故障保护硬件系统,并进行实验验证。结果表明,所设计的保护系统能够快速、准确地同时实现并网模式下交流微电网短路故障的早期检测与区域定位。

走滑断裂带三维地震特征增强处理与描述研究

走滑断裂带由于纵向断距小,超深层地震信号弱,常规叠前深度偏移地震资料难以满足超深层断裂带精细描述需求。为提高断裂带成像精度,指导走滑断裂带解释描述和评价部署,以顺北地区走滑断裂带发育区三维地震资料为例,建立了一套以提高地震资料品质的保真保幅优化处理、频谱恢复提高分辨率处理、频谱分解处理、频率域多尺度断裂检测等技术为主的走滑断裂带地震特征增强处理与描述技术,该技术组合有效拓宽了地震数据频带,提高了地震数据分辨率,使超深走滑断裂带成像精度更高,为超深走滑断裂带的精细解释、描述评价、三维雕刻提供了高品质资料基础。结合顺北地区前人研究成果,综合利用频谱恢复提高分辨率处理、频谱分解处理、频率域断裂检测数据,不同尺度断裂带特征及断储关系预测效果更好,为进一步评价断裂带和部署井位提供了技术支撑。

基于定子电流法的绕线转子无刷双馈发电机偏心故障研究

绕线转子无刷双馈电机在船舶轴带发电以及风力发电等领域中具有良好的应用前景。转子偏心是一种常见的机械故障,威胁着现代化工业体系的稳定运转,因此实现其状态检测和故障诊断非常关键。由于无刷双馈电机具有特殊的定、转子绕组结构以及复杂的气隙磁场,因此传统的故障检测方法无法直接用于该类电机。该文通过定子电流法提取了功率绕组电流的特征频率分量作为故障指标,实现对静偏心、动偏心以及混合偏心的无创诊断。建立故障电机的时步有限元模型,并通过详细的故障机理分析,得出不同类型的偏心故障可能导致的特征频率信号。最后,以一台2/4对极无刷双馈电机为例,并通过有限元仿真、样机试验验证解析法的结论,为绕线转子无刷双馈电机偏心故障的精准检测提供了理论依据。

联合TVF-EMD和SSA降噪的轴承故障特征提取

针对滚动轴承早期故障信号微弱、故障特征难以提取的问题,文章提出了一种基于时变滤波经验模态分解(time-varying filtering based empirical mode decomposition,TVF-EMD)模态分量自适应融合与奇异谱分析(singular spectrum analysis,SSA)降噪的滚动轴承早期故障特征提取方法。首先,为了降低故障信号的非线性和非平稳性,通过TVF-EMD将轴承信号分解为一系列内蕴模态函数(IMF)。其次,为了克服TVF-EMD分解后IMF分量过多的不足,利用IMF的峭度、复杂度和分形维数构造了复合敏感模态判定因子(composite sensitive mode determination factor,CSMDF),通过CSMDF对IMF分量进行降序排列,并依据复合敏感模态判定因子递增原则对IMF分量依次进行融合,直至找到最优融合分量。最后,通过SSA对最优融合分量降噪,对降噪后分量进行Hilbert包络谱分析,实现轴承故障的特征提取。通过仿真故障信号以及两个实测故障信号对所提方法的性能进行了试验分析,试验结果表明,该方法具有良好的敏感特征筛选融合能力和降噪能力,能更准确地提取出轴承早期故障特征,实现噪声环境下轴承故障类型的准确识别。

基于包络谱语义构建的零样本滚动轴承复合故障诊断方法

深度学习算法在训练集完备的情况下可以实现较高的故障识别率,然而在真实工业场景中,滚动轴承的多种故障可能复合存在,通常难以获取充足的数据用于训练。为解决该问题,提出了一种基于包络谱语义构建的零样本复合故障诊断方法,在训练阶段使用单一故障数据构建了一个语义空间和一个特征空间,然后在识别阶段通过语义空间和特征空间的复合,实现对零样本情况下的复合故障识别。此外,考虑到包络谱能很好地表征滚动轴承故障特征,采用包络谱预处理故障信号以增强轴承故障的特征,并借助信号包络谱的物理含义来构建轴承单一故障和复合故障的语义。试验结果显示,所提模型在复合故障识别上取得了87.83%的准确率,优于对比模型。

考虑脉冲效应的近断层地震动能量谱研究

基于能量的设计方法被广泛应用于结构抗震设计与性能评估,而确定结构能量耗散需求是设计过程中需解决的首要问题。目前针对近断层脉冲型地震动能量谱特征的研究仍然不够充分,很可能低估其对结构的破坏作用。为此,从PEER(Pacific Earthquake Engineering Research Center)强震数据库中选取了789条近断层地震动作为输入,并从中识别出192条脉冲型地震动,重点分析了近断层脉冲型地震动与无脉冲地震动的能量谱差异,研究了地震动特征参数及恢复力模型参数对能量谱的影响,并建立了考虑脉冲效应的近断层地震动实用设计能量谱。结果表明:(1)场地越软,近断层地震动能量谱谱值越大,且各类场地下脉冲型地震动能量谱平均谱的谱值明显大于无脉冲地震动;(2)阻尼比ξ增大对输入能量谱具有削峰作用,并减缓其长周期段的衰减速度,延性比μ增大会提高输入能量谱及阻尼耗能谱峰值,并降低滞回耗能谱峰值,屈服后刚度比α对能量谱影响较小,可近似忽略其影响;(3)脉冲型地震动的输入能量设计谱平台段长度远大于无脉冲地震动,所建立的设计能量谱可为近断层区域基于能量的抗震设计提供参考。

基于WP-ICA分析的涡旋压缩机故障特征提取方法研究

针对涡旋压缩机故障特征难以提取以及在小样本下故障类别难以区分的问题,提出了一种基于小波包能量谱与独立成分分析相结合的故障特征提取方法,结合支持向量机建立故障分类模型,实现非平稳信号的准确识别。首先对信号进行小波包分解与重构,通过重构系数获取分解后不同频带所对应的小波包能量作为故障特征值;再利用独立成分分析法对故障特征值进行优化得到特征向量值;最后构造支持向量机,输入故障特征向量进行训练和测试,可得出涡旋压缩机故障诊断的准确率。实验和仿真分析结果验证了该方法的有效性,其诊断准确率可达94.5%。

针对冲击性故障信号的谱融合特征提取算法

利用盲解卷积方法在时域中进行故障信号特征提取时,常会出现多个信号混淆分离结果,但以往的研究中只强调了分离的部分,而很少对分离后的信号进行进一步的处理,给实际应用造成不便。这里在盲解卷积和谱融合的基础之上,使用核改进的模糊c均值聚类算法,针对机械故障信号的脉冲特性,提出一种针对冲击性故障信号处理的实用型算法。计算机仿真实验证实了该算法的有效性。此算法优化了以往的聚类筛选方法,可以有效排除反卷积后诸多无用信号的干扰,将故障脉冲信号的特征准确提取出来,能提高故障诊断的效率。

基于PT-PFM激励阻抗谱数字重构的电缆故障诊断定位

由于传统频谱测试仪器增益带宽积有限,高频区间内输出电压过低,在针对长距离电缆测试时信号衰减较为严重,导致阻抗谱在高频区间内存在一定失真问题。该文提出一种基于伪梯形波激励阻抗谱数字重构算法的电缆故障诊断定位算法。分析不同故障类型下电力电缆的局部故障阻抗对电缆输入阻抗谱的影响规律、首端激励电压信号的衰减特性和不同电压幅值的功率传输特性。设计一种基于Si C高速逆变器的大容量伪梯形励磁系统,用于测量最高频率7 MHz的阻抗谱信息,利用阻抗谱数字重构方法实现0.1 Hz~60 MHz宽频区间的全覆盖。与传统的低压正弦激励相比,采用该时空转换函数的定位结果具有更小的区间振荡和更快的收敛速度。缺陷定位精度提高了80%,验证了该方法的有效性和准确性。

基于深度张量投影网络的机械故障诊断方法研究

针对现有的、基于深度卷积神经网络的故障诊断方法利用池化层对高阶输入张量降维时容易破坏张量数据,造成数据信息丢失,以及网络结构相对复杂的不足,构造了一种深度张量投影网络。该网络利用张量投影层代替传统卷积神经网络中的池化层,在对输入的高阶张量数据进行降维时,不会对张量数据造成破坏,避免了特征信息的丢失,提高了模型对故障的识别准确率;并且张量投影层是一种维度可变的降维层,可以简化网络结构。在此基础上,结合高阶谱和深度张量投影网络各自的优点,提出了基于深度张量投影网络的机械故障诊断方法。在提出的方法中,利用高阶谱提取故障信号特征,将得到的高阶张量谱图输入到构建的深度张量投影网络模型中进行高阶张量降维和识别。提出的方法成功应用到齿轮箱故障诊断中。实验结果表明,所提方法能够更好地保留原始故障信息,有效识别不同类型的故障,准确率优于传统深度卷积神经网络故障诊断方法。

基于多带加权包络谱的轴箱轴承故障诊断

为增强复杂噪声干扰下轴箱轴承故障检测的鲁棒性,基于循环谱分析并考虑轴承故障信息分布差异和阈值降噪,对轴箱轴承故障诊断的包络谱构造方法进行了研究.首先,提出频域信噪比作为轴承故障信息量化的新测度,用于评估谱相干中不同谱频带内的轴承故障相关信息;其次,构造以谱频率为变量的故障特征信息分布函数,并自适应确定信息阈值来辨识谱相干中故障信息丰富和干扰噪声主导的谱频率分量,进一步基于故障特征信息分布函数和信息阈值设计权重函数;最后,由谱相干和权重函数生成融合多带信息的多带加权包络谱,通过分析谱中的轴承故障特征频率来检测轴箱轴承的不同故障.铁路轴箱轴承实验数据的分析结果表明:相比于基于谱相干的典型包络谱方法,多带加权包络谱能够在复杂噪声干扰下准确识别轴箱轴承的外圈、滚动体和内圈故障,并能取得更高的性能量化指标(频域信噪比和负熵).

参数优化FMD的滚动轴承早期故障诊断

由于滚动轴承早期故障信号特征微弱,特征模态分解(feature mode decomposition, FMD)分解性能受参数滤波器长度L和模态个数n的影响,提出一种参数优化FMD早期故障诊断方法。首先,基于平方包络谱基尼系数(square envelope spectrum gini indix, SESGI)自适应确定FMD的滤波器长度L和模态个数n;其次,采用参数优化的FMD将信号分解为n个模态分量,并根据峭度值最大选择敏感模态分量;最后,对敏感模态分量进行包络分析,判断滚动轴承故障类型。仿真和实验结果表明,该方法可以自适应确定FMD最优参数组合,有效提取故障特征信息。通过与变分模态分解(variational mode decomposition, VMD)对比分析,参数优化FMD提取到的故障特征频率倍频较明显,具有更好的特征提取性能,能够实现滚动轴承故障的精确诊断。

重复使用火箭涡轮泵轴承故障特征提取方法优化

涡轮泵轴承是可重复使用火箭的关键,因此能够有效提取出轴承故障特征频率从而展开故障诊断十分重要。将奇异值分解(SVD)和包络谱解调法相结合,对火箭涡轮泵轴承展开故障特征提取。对轴承内环、外环及滚动体故障数据进行处理和分析,结果表明,针对信号中含有大量噪声的数据,相比传统的包络谱解调法,改进方法的故障特征提取效果明显提升。通过该方法提取出的3种故障低频特征频率的相对幅值相比于传统包络谱解调均有提升。同时,可以有效降低高频噪声的干扰,尤其在高频区依然可以看到比较明显的特征频率,而传统包络谱解调法的高频区基本被噪声覆盖。通过计算得出信号的信噪比均有60 dB以上的提升。

近场地震动竖向与水平分量统计特性对比

为研究近场地震动竖向与水平分量特性,本文对PEER数据库中1202组近场强震的地震动进行统计分析,研究了竖向水平加速度峰值比PGAv/PGAh、反应谱之比Sav(T)/Sah(T)、竖向水平峰值到达时间的特性。讨论了PGAv/PGAh与断层距、场地条件、震源机制的关系,并采用对数正态分布拟合不同场地条件、不同震源机制的PGAv/PGAh分布;对比了不同断层距、不同场地条件Sav(T)/Sah(T)的变化规律;研究了近场强震水平竖向分量峰值加速度的大小和到达时间上的相关性,并对结构分析过程中竖向地震动的选择提出建议。结果表明:断层距、场地条件、震源机制都会影响近场地震动的竖向分量,断层距小、走滑断层、场地条件差都易产生较大的竖向地震动;断层距小、场地条件差时,地震动竖向分量高频成分越强,断层距大、场地条件好,竖向地震动低频成分越强;竖向分量峰值加速度的大小与到达时间和两正交水平分量峰值加速度的大小与到达时间的几何平均数有明显的线性关系。

基于图可解释网络的软件错误定位

软件错误定位技术旨在通过挖掘程序与测试用例执行数据,提升定位准确性;针对SBFL技术过于依赖二进制覆盖信息的问题,提出一种基于图可解释网络的软件错误定位方法,将测试执行转化为图结构,利用图注意网络建模深度挖掘代码片段隐含的信息及其相互关系,并采用强化学习思想对图注意力网络学习后的决策过程进行解释,从而确定关键节点,缩小错误定位范围;实验的场景设立在Defects4j数据集的5个项目进行,并与SBFL及未经过解释的深度学习方法进行了对比;结果显示,基于图可解释网络的定位方法在Top-1、Top-3和Top-5指标上分别提升了7.26%、7.56%和9.96%,EXAM指数也提升了8.98%,显著优于其他方法。

基于MODWPT平方包络峭度谱的轴承声信号故障诊断方法

针对噪声干扰条件下的轴承声信号故障诊断问题,可以通过基于最大重叠离散小波包变换(MODWPT)的平方包络峭度谱法对轴承进行故障诊断。该方法首先对原始非平稳信号用MODWPT分解为若干个子频带分量之和,再对各子频带分量做平方包络峭度谱,快速定位原始非平稳信号当中冲击成分显著的频带范围,最后对目标频带做带通滤波并进行包络解调可得到故障诊断结果。通过实测轴承声信号数据验证,该方法可以有效地对轴承进行故障诊断。

基于地震槽波反射法的工作面邻侧断层勘探技术研究

庞庞塔煤矿揭露的断层构造总体与顺槽方向一致,且部分断层位于工作面内部,对工作面的正常回采造成较大的影响。针对这一问题,以该矿9-805工作面为例,采用反射槽波地震勘探技术对工作面邻侧隐伏地质构造进行探测,采用频谱分析、能量分析等槽波地震数据处理手段,查明工作面邻侧断层及其他异常体的分布情况,对工作面另一条巷道及切巷的布置有一定的指导意义。

基于区块链的电网互联通信终端用户安全认证

为解决通信数据识别受限的问题,使用户对象能够得到电网互联通信终端的安全认证,提出了基于区块链的电网互联通信终端用户安全认证方法。在区块链体系中,根据共识容错参数计算结果,确定频谱信誉值指标的取值范围,实现对电网互联终端的通信频谱感知。根据密码体制原则,处理数据信息参量。并联合时变估算值参量,求解认证复指数,完成基于区块链的电网互联通信终端用户安全认证方法的设计。对比实验结果表明,在区块链算法作用下,通信数据瞬时识别总量达到了8.5×10^(13)bit,且所有节点对象都可以精准识别数据信息参量,能够较好地解决通信数据识别受限的问题,从而使用户对象得到电网互联终端的安全认证。

SVD和复合平方包络谱的滚动轴承故障诊断

由于传统奇异值分解故障诊断方法难以选择子信号故障点以及Hankel矩阵行数,提出了一种基于奇异值分解和复合平方包络谱的滚动轴承诊断方法。首先分析了两种常用的子信号重构方法的区别。然后引入DR指标来确定奇异值分解序列,并通过数值模拟得到了轴承故障诊断的Hankel矩阵最佳行数范围。由于得到的子信号存在畸变和子信号间能量分布的奇异值分布,通过反对角平均法以及复合平方包络谱对轴承进行故障诊断。最后通过实验证明了提出方法在缺少先验知识情况下能够实现有效的轴承故障诊断。