【摘 要】
：
在传统故障诊断方法中,从信号或者信号的分析结果,如FFT变换、轴心轨迹、时频图像等中确定并提取计算机可分析的故障特征是一个难题.本文利用支持向量机对隐含信息的学习能力和对高维数据不敏感的特点,利用支持向量机直接对信号分析的结果进行辨识,从而避免了故障特征提取的难题,实现了故障的智能诊断.对几种典型故障的实验表明,该方法在机械设备故障诊断领域有着很好的推广应用前景.
【机 构】
：
西安交通大学现代设计及转子轴承系统教育部重点实验室,西安,710049 西安交通大学图书馆网络与信
【出 处】
：
2006年全国振动工程及应用学术会议
论文部分内容阅读
在传统故障诊断方法中,从信号或者信号的分析结果,如FFT变换、轴心轨迹、时频图像等中确定并提取计算机可分析的故障特征是一个难题.本文利用支持向量机对隐含信息的学习能力和对高维数据不敏感的特点,利用支持向量机直接对信号分析的结果进行辨识,从而避免了故障特征提取的难题,实现了故障的智能诊断.对几种典型故障的实验表明,该方法在机械设备故障诊断领域有着很好的推广应用前景.
其他文献
滚动轴承冲击故障的特征提取实际是设法捕捉振动信号中的奇异点,谐波特征可以在一定程度上判别故障是否存在,但对早期故障基本无效.根据监测系统提供的数据,在故障反演过程中采用趋势分析技术可以对冲击故障的发展进程做出推断,但无法准确定位故障源.借助小波分析的多分辨率特性,对故障信号的小波分解和重构研究表明,这种方法可以准确提取损伤故障的冲击特征,实现早期故障的有效识别.
斜拉桥由索、梁和塔三种受力特点完全不同的构件组成,桥塔是决定斜拉桥结构动力特性的重要构件,深入地认识桥塔的动力特性十分必要.小波变换是一种处理信号的时频分析工具,它具有多分辨率分析的特点,特别适合分析非稳态信号.本文对苏通桥桥塔施工阶段在环境激励下的动力响应进行了测试,并采用小波基模态识别方法识别了桥塔结构的振动特性.识别结果与用功率谱分析结果吻合良好,验证了小波基识别方法的可靠性.
分析了PHM概念提出的历史背景及其基本内涵,阐述了PHM的国内外研究现状,特别对PHM相关技术的研究现状与发展趋势进行了梳理.以此为基础,分析了PHM深入研究所涉及的理论与技术,提炼了其中所隐含的关键技术问题.
本文介绍了小波分析原理和建立在小波分频以及Hilbert变换基础上的包络分析方法.使用小波变换、包络解调和傅立叶变换等方法对数据采集系统ZonicBook/618E采集到的故障减速机振动的加速度信号进行分析,找到了该减速机产生故障的原因.利用故障齿轮箱进行诊断的实例显示了这一方法的实际应用价值.
KL变换是一种与主成分分析密切相关的线性降维和去除相关性的方法,能够在满足均方差最小的条件下将原始数据压缩或降维到几个有限的方向上.论文首先介绍了两种不同类型的KL变换的应用,一种方法是通过总体数据样本集来获得变换矩阵(缩写为1-KLT),另一种方法是利用各类样本集分别形成各自的KL变换矩阵(简称为m-KLT, m表示样本类别数).然后以一组电机在不同状态下实测的电流信号样本集为例,将1-KLT和
本文采用三层BP神经网络,以旋转机械振动信号的频率特征为输入,故障特征为输出,实现了旋转机械故障诊断,并在传统BP算法的基础上,增加了惯性,弥补了传统BP算法收敛到极小点的不足.
本文分析了人工神经网络的模型,主要介绍了BP神经网络的原理和训练方法,建立了基于BP神经网络的液压泵的故障诊断方法.并利用该方法对齿轮泵运行状态进行了辨识,结果表明该方法可以充分利用检测到的各种故障征兆信息,准确地诊断齿轮泵故障,此方法也可用于液压设备及其它设备的故障诊断.
汽轮发电机的转子轴振动信号数据是监测设备安全运行的一项重要技术指标.本文介绍一台135 MW发电机转子轴振动突变超标和变化过程的测试分析,现场诊断与设备检查,消除发电机转子线圈绕组内部重大故障隐患情况.提供了振动测试分析与处理措施,作为故障振动分析诊断的典例以资参考.
研究了基于多传感器信息融合的齿轮泵故障诊断方法,利用基于RBF神经网络特征级融合的齿轮泵故障诊断方法,分别得到了基于振动信号与压力信号特征的神经网络故障诊断结果;对基于D-S证据理论的决策级融合诊断方法进行了研究,并利用证据理论对齿轮泵局部诊断神经网络的诊断结果进行了决策融合,得到了更为准确和可靠的故障诊断结果.
系统模型为基于非线性短轴承油膜力理论的非线性多自由度转子一轴承系统,运用变步长的Newmark数值积分方法对系统的气流激振、不平衡、油膜振荡等耦合的故障特性进行了研究,发现在各种不同工况下该转子轴承系统响应表现出不同的特征,并给出了一些典型的轴颈的涡动轨迹、频谱图,反映了系统的运动状态.