【摘 要】
：
传统的振动信号分析方法都是基于香农采样定理实现信号的采集,这种信号采样方式,使设备状态监测过程中产生了海量的冗余数据,增加了数据处理的难度以及数据存储与传输的成本.压缩感知理论的提出为解决海量的状态监测数据的存储与传输问题提供了新契机,而振动信号不稀疏的特性又成为压缩感知在故障诊断领域应用的障碍.为此,提出了一种基于块稀疏贝叶斯学习的振动信号重构的方法,该方法利用解的块内相关性,通过解的后验概率知
【机 构】
：
北京化工大学机电工程学院,北京100029
【出 处】
：
2016年全国设备监测诊断与维护学术会议、第十五届全国设备故障诊断学术会议、第十七届全国设备监测与诊断学术会议、2016
论文部分内容阅读
传统的振动信号分析方法都是基于香农采样定理实现信号的采集,这种信号采样方式,使设备状态监测过程中产生了海量的冗余数据,增加了数据处理的难度以及数据存储与传输的成本.压缩感知理论的提出为解决海量的状态监测数据的存储与传输问题提供了新契机,而振动信号不稀疏的特性又成为压缩感知在故障诊断领域应用的障碍.为此,提出了一种基于块稀疏贝叶斯学习的振动信号重构的方法,该方法利用解的块内相关性,通过解的后验概率知识,在不需要估计信号稀疏度的情况下,准确重构出原始信号,解决了振动信号稀疏度不足的问题,通过轴承振动信号的重构验证了方法的有效性.
其他文献
在小样本在线自适应反面选择算法中产生的界面检测器存在过度拟合和欠拟合情况发生,提出了基于疫苗机理的改进的界面检测器生成方法.在测试阶段,阴性疫苗可以克服过拟合来提高检测率;阳性疫苗可以克服欠拟合来减少假报警率.对比试验结果表明,带有疫苗机制的界面检测器具有较好的检测效果.
基于数据挖掘技术的机床主轴故障诊断系统,系统由信号采集及故障特征提取、诊断规则获取及知识库搭建、故障分析机制三个功能模块组成.重点研究诊断规则的获取技术及主轴知识库搭建,提出了基于粗糙集理论的故障诊断决策生成算法.算法利用信息系统的不可分辨特性,通过属性约简,提高规则求取效率,并通过软件建立数据知识库,建立主轴故障推理机制.实例研究证明该方法可行.
直升机主传动系统结构复杂,如果其中的关键部件出现故障,往往容易引发严重事故.如何更有效地获取直升机主传动系统关键部件的状态信息,为主传动系统关键部件健康状态监测提供充分的状态感知信息,是提高直升机飞行安全性需要面对的首要问题之一.通过建立直升机主传动系统的物理模型,对关键部件损伤信息在传动系统不同部位的表现形式进行了仿真分析,在此基础上,对传感器的测点布局进行了分析与优化选择.
为了检测列车平轮故障,从振动加速度信号中提取故障特征,结合小波包分解理论,提出了一种平轮检测的新方法.引入能量理论,对小波包分解重构信号进行分频段求取能量值,并将求得能量值写成向量形式,根据相关系数的概念,求取各小波包能量向量的相关系数,以判断平轮故障的存在.并设计振动加速度采集系统,通过试验对该方法进行了验证.结果表明该方法是一种有效的平轮故障检测方法.
针对目前智能诊断方法缺少故障样本的问题,提出一种基于数值模拟的个性化故障诊断框架体系及其方法.具体运用转轴不平衡、不对中及碰摩等故障信号数值模拟技术与结合支持向量机分类方法的小波包变换技术.首先,建立转子系统的有限元模型,利用数值模拟软件为工具,综合考虑转子运行状态下转速、支撑轴承刚度、阻尼及环境噪声等影响,获得不同类型故障样本信号;其次,利用小波包对振动信号进行分解获得不同的信号分量,将信号分量
柴油机燃烧压力是反映柴油机技术状况的重要参数,燃烧压力的测试也是进行发动机故障诊断的重要技术手段.提出了一种新型测量柴油机气缸燃烧压力的方法,设计了压力传感器适配器及电荷放大器,并进行了某型坦克柴油机的气缸压力测试实验.根据柴油机压力测试原理,并对所测柴油机压力进行研究分析,选取缸压数据的峰值、均值和方差等作为特征值,对不同工况下各特征值进行比较,分析柴油机各特征值的变化规律,得出柴油机气缸燃烧压
为分析某石化空压机组尾气透平高压叶轮叶片断裂事故的原因,对叶轮进行了基于有限元方法的理论模态分析和基于现场测试的锤击法试验模态分析,两种模态分析方法所得出的叶轮固有频率具有高度一致性,验证了有限元理论模态分析的准确性.经现场振动测试分析,发现机组存在与叶轮某阶固有频率接近的激励频率,且叶轮叶片的断裂形貌与该阶固有频率相对应的模态振型吻合,从而判断叶轮在运行过程中,由于流体对叶片的作用力,激起了叶轮
针对局域均值分解(LMD)在处理非平稳非线性信号的过程中存在的模态混叠问题,提出一种基于互补总体局域均值分解(CELMD)的特征提取方法.对信号进行降采样之后,通过CELMD进行分解,得到包含信号特征的PF分量,并用相关性方法选取有效PF分量重构信号进行分析.轴承故障信号分析结果表明,基于CELMD的方法能够有效实现轴承典型故障的诊断.
以故障诊断为背景,将改进的A1-Shudeifat呼吸裂纹模型应用到Jeffcott转子的动力学分析中,建立时变的转子刚度矩阵,定性分析呼吸裂纹转子的振动特征,利用数值方法对模型进行求解,提取呼吸裂纹转子的响应特征,进而得到呼吸裂纹的界定条件;将快速自适应模态分解方法(FAEMD)应用到裂纹的故障诊断中,相比于传统的EMD方法,该方法避免了端点效应和模式混叠;实验结果与理论分析相吻合,证明所建模型
含有局部故障的齿轮振动信号通常包含周期性冲击成分,冲击重复频率是诊断齿轮故障的重要依据之一.风电增速齿轮箱行星轮局部故障振动信号,由于振动源复杂且相互耦合,且易受时变振动传递路径干扰和强背景噪声污染,表现出频率成分复杂、信噪比低和故障特征微弱的特点.针对该问题,提出基于谱峭度和时间小波能量谱的行星轮局部故障特征提取方法.首先,利用谱峭度确定故障振动信号的最佳滤波参数进行带通滤波,突显周期性瞬态冲击