【摘 要】
：
在多尺度平行因子分析理论的基础上,将原始信号经过多尺度小波分解得到三维时频信号,再经平行因子分析得到通道加载因子、时间加载因子和频率加载因子,通过实验分析,后二者可以明显地表征设备正常或故障状态,利用这一特征建立不同状态的离心泵与其对应的时间加载因子和频率加载因子的映射关系,并以此作为改进粒子群算法优化后的支持向量机分类器的特征向量进行故障分类.与小波包能量特征相比,所提的这种诊断方法用于离心泵故障诊断时提取特征更为简便,所提分类器的分类准确率有显著提高,而其复杂度却没有明显增加.
【机 构】
：
武汉工程大学 机电工程学院,武汉 430205
论文部分内容阅读
在多尺度平行因子分析理论的基础上,将原始信号经过多尺度小波分解得到三维时频信号,再经平行因子分析得到通道加载因子、时间加载因子和频率加载因子,通过实验分析,后二者可以明显地表征设备正常或故障状态,利用这一特征建立不同状态的离心泵与其对应的时间加载因子和频率加载因子的映射关系,并以此作为改进粒子群算法优化后的支持向量机分类器的特征向量进行故障分类.与小波包能量特征相比,所提的这种诊断方法用于离心泵故障诊断时提取特征更为简便,所提分类器的分类准确率有显著提高,而其复杂度却没有明显增加.
其他文献
液压管道系统是跨座式单轨车辆滚动振动试验台的重要组成部分,在设计过程中需要对管道的振动特性进行重点分析.为此,基于单向和双向流固耦合的模态分析方法,采用k-ε的湍流模型,对比分析管道在不同分析方法下的固有频率和振型;在双向流固耦合基础上分析流体速度和压强对管道的影响.研究表明:单向流固耦合下管道的固有频率均大于双向流固耦合作用下管道的固有频率,相差率达2％～10％,相同阶次下的振型形态基本一致;流体压强对管道的固有频率的影响比流体速度大,在一定的压强范围内,管道的固有频率随着流体的压强增加而增加,流体的管
Burridge-Knopoff模型是研究地震和其他机械系统动力学行为的实用模型.考虑到摩擦力的影响,Bur-ridge-Knopoff模型运动呈现出动力学非线性,Stick-Slip运动是这种模型的典型运动特征.滑块法向振动对这种模型运动行为的影响规律尚未被有效研究,为此建立一种考虑了滑块法向振动影响的Burridge-Knopoff模型.Stribeck模型被用来刻画依赖于滑块与传送带之间相对速度的摩擦力.采用数值方法分析系统的典型运动规律,研究法向振动的频率和相位对系统运动模式的影响规律,考虑法向振
L1最小范数法的波束形成方法具有运行速度快、识别准确度高、分辨率好等优点,广泛应用于声源识别领域,然而因该方法参数选取较为困难,在使用中需要花费大量时间来试值.针对此问题,建立声源测量模型,研究不同条件下约束参数的取值.基于详细的理论推导与数值模拟仿真,分析约束参数ε与声源距离,信噪比和阵列孔径之间的关系.数值模拟结果表明:信噪比为10 dB到40 dB之间,测量距离大于0.5 m,测量阵列采用49个阵列单元时,可以实现声源的精确定位,并且约束参数的变化范围很小,在不同的频率下呈现一定的规律性.发现这种变
为了解决轴承故障诊断数据样本量少,背景噪声干扰大和准确率不高的问题,提出一种基于奇异谱分解(Singular spectral decomposition,SSD)和两层支持向量机(Two-layer support vector machines,TSVM)的轴承故障诊断方法SSD-TSVM.该方法首先采集信号构建信号矩阵,然后对矩阵进行奇异谱分解,得到奇异谱分量(Singular spectral component,SSC)和残差.根据改进的峭度准则选取奇异谱分量,进行矩阵重构,完成重构后进行特征提
随着地铁列车速度提升至160 km/h,隧道环境下地铁列车表面气动激励显著增强.应用大涡模拟对隧道内160 km/h地铁列车脉动流场结构和表面气动噪声源进行数值仿真,定量评估全封闭设备舱设计对地铁列车气动声学性能的优化效果.结果表明:全封闭设备舱设计能够疏导车底气流,使车底气流更多集中在转向架舱两侧溢出,同时引起车下主要涡结构尺度增大.对应的,列车整车车体气动噪声源能量减小约2.9％;其中头车、中车1分别增大5.7％和9.4％,中车2和尾车分别减小4.2％和13.8％,各节车体声源能量分布更加均匀;列车高
抑制低频振动与辐射噪声对提高水下航行器的声隐身性能具有重要意义.首先建立含局域共振元胞的平板结构横向振动模型,采用模态叠加法和谐波平衡法导出耦合振动方程的解析解,其次给出5 Hz～300 Hz范围内平板表面平均振速级与辐射声功率级解析表达式,研究元胞中吸振器参数对平板声振特性的影响,最终对目标频段平板结构的振动控制效果进行优化设计.研究表明:研究的频率范围内,局域共振型平板结构在吸振器固有频率附近会产生能够抑制其低频振动与噪声的频带;随吸振器阻尼的增大,减振频带拓宽且减振降噪性能减弱;多振子元胞具有多个减
多故障源的耦合问题,一直以来都是诊断领域面临的最大难题之一,能否实现多源信号解耦将直接影响故障诊断的准确性.在信源卷积混合的前提下,以多通道反卷积理论为基础,首先研究多故障源混合信息的特征分离方法.接着借助卷积混合后的仿真信号,研究反卷积系统的关键参数——初始滤波器长度对分离效果的影响.进而提出一种自适应的多源信息分离方法.为了确定分离系统的输入通道数量,基于小波分析与奇异值分解完成信号的源数估计;再通过设定滤波器长度的迭代区间,计算出不同参数下分离系统输出信号的时域指标,并自动选取最佳长度使得分离结果最
模态耦合是微机电系统(Micro-Electro-Mechanical System,MEMS)陀螺仪的主要误差来源,针对这个问题,首先从建立陀螺的两自由度动力学模型入手,研究非理想模态耦合条件下的参数激励方法.然后,将多尺度法、龙格-库塔法(Runge-Kutta methods)和牛顿迭代法(Newton-Raphson method)等综合分析方法应用于该模型,表征模态耦合对参数驱动的影响.最终的仿真结果表明,通过适当调节参数激励的强度可以有效地放大两个模态的振动振幅,特别是当参数激励进入不稳定区域
风力发电机叶片结冰故障直接影响风力发电机的运行安全和发电效率.针对这一问题,提出一种基于一维残差神经网络(1DRes-CNN)的叶片结冰诊断模型,该模型通过风机SCADA数据进行风机叶片结冰故障诊断.首先通过标记标签、数据分割、类间平衡和归一化对SCADA数据进行预处理;然后基于叶片结冰物理机制和XGBoost特征重要性计算选取与叶片结冰最相关的特征;最后利用构建好的1DRes-CNN模型进行叶片结冰诊断、实验结果表明,经过优化选取的特征,相较于SCADA全部特征作为1DRes-CNN模型输入,风叶结冰诊
针对旋转机械早期故障信号微弱,富含大量噪声的问题,提出麻雀优化算法(SSA)和随机共振(SR)相结合的微弱信号提取方法.首先,对大参数信号进行变尺度处理,使其满足SR的要求;其次,以信噪比作为目标函数,运用SSA算法优化SR模型的结构参数,利用系统的SR实现微弱信号信噪比的提高;最后,通过仿真信号验证所提出方法的有效性,并将该方法应用于轴承内圈故障和轻度磨损钻头微弱信号的提取中.结果表明:提出的方法对微弱信号的提取性能优于传统的SR模型以及PSO-SR模型,有效提高了信号信噪比,实现了故障微弱信号的提取与