轴承是机械设备的重要零部件之一。希尔伯特振动分解与经验模态分解同样存在着端点效应,针对于端点效应提出了镜像延拓的改进方法,该方法通过在信号左右两端分别延拓一定的数据长度,信号分解后再截去左右延拓的数据。较之传统的希尔伯特振动分解方法,该方法能有效的抑制分离出的分量两端发生发散的现象,将改进的HVD与包络谱结合能够有效的应用于轴承故障诊断,能够有效地提取出轴承故障特征频率。
针对旋转机械旋转部件可能出现的异常情况或者早期故障,提出了一种先利用总体局域均值分解(ELMD)分解振动信号,再结合包络谱分析进行故障识别的故障诊断方法。首先对故障振动信号进行ELMD分解,获得由纯调频信号和包络信号乘积构成的PF分量,并对其高频分量进行包络谱分析。通过包络谱和轴承故障特征频率结合分析轴承是否出现故障,实验结果分析表明,ELMD分解和包络谱分析结合的方法能有效地进行轴承故障诊断。
作者:梁昱; 李彬彬; 陈志高; 焦斌 期刊:《计算机应用与软件》 2019年第10期
目前在复杂系统的故障诊断中,故障特征与故障类型之间存在较强的非线性关系,且数据量较大,信号处理复杂,诊断效率不高,而深度学习在特征提取与模式识别方面显示出巨大潜力。针对此问题提出基于深度前馈网络的故障诊断模型,将其应用于复杂的轴承故障诊断。该方法直接将原始信号作为模型的输入特征量,然后利用谷歌开源深度学习框架TensorFlow建模,通过相关参数设置、梯度算法优化、正则化处理对网络进行优化设计。构建上万的9种轴承...
作者:王岩; 罗倩; 邓辉 期刊:《计算机科学》 2019年第11期
滚动轴承是旋转机械结构中常用的零件,如果发生故障,会造成极大的危害。随着大数据时代的到来,现代智能诊断方法已被广泛应用到轴承故障诊断中。针对目前智能诊断方法存在的问题,将统计模型引入轴承故障诊断中,提出了基于变分贝叶斯的轴承故障诊断方法。该方法对轴承振动信号进行局部特征尺度分解,得到若干个内禀尺度分量,并分别提取时域特征组成特征集,使用特征集训练产生基于变分贝叶斯的混合多维高斯分布模型,通过计算不同轴承...
作者:李伟伟; 王莉; 张琳; 刘进 期刊:《探测与控制学报》 2015年第03期
针对二叉树支持向量机(SVM)的结构设计会影响多类分类器精度的问题,提出了将层次分析法(AHP)和二叉树支持向量机相结合的多故障分类算法。该算法首先运用层次分析法建立评价体系模型,综合衡量多个影响因子确定各类故障的权重,然后根据权重大小对故障进行排序,由故障排列顺序设计二叉树支持向量机的结构,最后进行故障诊断分析。仿真验证表明:该算法适合进行多类故障诊断,相比其他算法诊断效率更高,诊断精度更好,推广应用前景较...
针对噪声环境下轴承故障微弱特征难以提取的问题,提出了一种基于迭代滤波和多点最优最小熵反褶积相结合的轴承故障特征提取方法。该方法首先运用迭代滤波分解方法将滚动轴承振动信号进行分解,得到多个本征模态分量,然后运用相关系数和峭度确定最能体现轴承故障信息的敏感分量,最后对敏感分量进行多点最优最小熵反褶积消噪处理后进行频谱分析,从而提取轴承故障特征。通过数值仿真信号的分析和内圈故障信号的分析验证了所提出方法的...
作者:陈涛; 王立勇; 唐长亮; 徐小力 期刊:《组合机床与自动化加工技术》 2019年第08期
为提取被噪声干扰的有效轴承故障特征信息,提出一种SVD归一化强度降噪方法,并对有效奇异值进行软阈值处理,降低噪声的干扰。轴承信号降噪结果表明,在不同的噪声强度干扰下,该降噪方法均能够保留源信号中的主要频率信息,大幅提高信噪比;该方法较SVD差分谱方法能够有效提取故障特征频率信息,避免信号的过降噪。SVD归一化强度软阈值降噪方法降噪原理清晰、计算简便,能够为轴承故障的精密诊断提供可靠的数据基础。
随着现代制造业朝着大型化、柔性化、智能化发展,保障生产设备的安全运转越发重要。提出了基于PCA-SVM算法的轴承故障诊断分析模型。该模型提取轴承振动信号的时域指标参数,并运用主成分分析法(PCA)对指标参数进行优化和选择,利用降维思想,将多参数转化为综合参数,将综合特征值作为支持向量机(SVM)分类器的输入向量训练分类模型,最后运用测试集进行故障诊断实验,实验表明PCA-SVM模型可以帮助提高模型分类效率和精度,快速排查定位轴...
作者:杜灿谊; 林祖胜; 张绍辉 期刊:《控制工程》 2019年第05期
稀疏自动编码(Sparse Auto Encoder, SAE)通过寻找一组"超完备"基向量用于挖掘输入数据的内在结构与模式,使得高层输出能够更好的表达输入样本的类别信息,其良好的降维性能受到广泛关注并逐渐应用在机械设备故障诊断中。然而,SAE模型中隐含层特征数直接影响高层输出对低层输入模式的表达效果,简单的设置隐含层特征数难以取得理想的识别效果,针对该问题,利用萤火虫寻优算法的优点,确定各个隐含层的最优特征数,从而确定最优的SAE模型...
作者:张淑清; 邢婷婷; 何红梅; 董玉兰; 张立国; 姜万录 期刊:《计量学报》 2017年第04期
提出基于变分模态分解及广义分形维数矩阵的滚动轴承故障诊断方法。对信号进行变分模态分解得到若干模态函数,根据不同权重因子计算得到每个模态函数的广义分形维数序列,排列构成广义分形维数矩阵,最后通过分析待测信号和各样本信号的广义分形维数矩阵的相关系数判断故障状态。实验结果表明该方法能精确、稳定提取故障特征,区分不同状态的信号。
作者:时培明; 孙鹏; 袁丹真 期刊:《计量学报》 2018年第03期
针对滚动轴承微弱故障信号难以检测的难题,提出一种基于新型非线性耦合双稳态随机共振模型的轴承微弱故障信号增强检测方法。噪声背景下,随机共振可以实现微弱信号的增强输出,提高微弱信号特征的检测。提出的非线性耦合双稳态系统是由两个单一双稳态系统经非线性方式耦合而成,通过分析耦合系数、阻尼系数随着噪声强度改变的信噪改善比响应特性曲线图研究了不同参数对随机共振现象的影响。结果表明,耦合双稳系统比单一双稳态系...
作者:时培明; 王敬; 温江涛; 田广军 期刊:《计量学报》 2016年第01期
针对经验模态分解(EMD)中包络线拟合算法存在的过冲/欠冲以及端点问题,提出采用分段三次Hermite插值解决包络线过冲/欠冲问题,并结合基于斜率再优化的极值点延拓加窗函数的端点效应抑制方法,来优化EMD分解中包络线拟合的结果,得到更准确内禀模态函数(IMF)的同时也可以通过Hilbert变换得到更准确的边界谱和Hilbert谱,提高EMD分解质量。通过仿真分析和滚动轴承内圈故障诊断实例研究表明,该方法有良好的效果,实现旋转机...
作者:孟宗; 闫晓丽 期刊:《计量学报》 2015年第05期
提出基于微分经验模式分解(DEMD)和隐马尔科夫模型(HMM)的旋转机械故障诊断方法,并应用到滚动轴承故障诊断中。首先,对故障信号进行基于微分的经验模式分解,提取瞬时能量作为故障特征向量;然后将故障特征向量输入HMM分类器进行模式识别,输出各状态似然概率值;以最大似然概率所对应的故障状态作为诊断结果,最终实现滚动轴承故障诊断。滚动轴承点蚀故障的诊断实验证明了该方法的有效性。与基于EMD-HMM的故障诊断方法相比...
作者:沈飞; 陈超; 徐佳文; 严如强 期刊:《仪器仪表学报》 2019年第05期
轴承故障诊断普遍存在需建立不同模型以适应变工况的问题,故提出一种谱质心迁移学习模型,通过将源工况领域迁移至目标工况领域减少后者的建模代价,并增强模型通用性。首先计算两工况领域间频谱相似度(FSSM)并排序选择近距离源工况领域为初始训练集。其次在迭代过程中剔除与训练集谱质心均值距离较远的样本,并加入同数量目标工况领域无标签样本,直至两者谱质心均值距离一致,模型故障类别取决于支持向量机(SVM)和逻辑回归(LR)基分类...
作者:朱敏; 段志善; 郭宝良; 王苗 期刊:《噪声与振动控制》 2018年第02期
针对在强噪声背景中提取有用信号的问题,结合完整集成经验模态分解(CEEMDAN)与自适应滤波中的最小均方算法(LMS)发展一种新的算法。先将信号进行CEEMDAN分解,分解为多个模态分量(IMF),然后再使用LMS对每一个分量进行降噪,最后将降噪后的分量重构。通过仿真实验,验证了该方法可以消除大部分的噪声和干扰信号,且易于实现。最终将其应用于振动筛轴承故障诊断中,验证了该方法的可行性。
作者:马小平; 李博华; 张旭; 吴新忠 期刊:《煤矿机械》 2019年第05期
灰狼算法(GWO)作为新型寻优算法,可用于轴承故障诊断。提出了采用GWO优化代价敏感支持向量机(CS-SVM)的诊断模型。通过经验模态分解(EMD)及主成分分析(PCA)进行特征提取并实现特征的降维,GWO优化CS-SVM参数来提升故障分类的准确率。以西储大学轴承数据为例,将比例为4∶1的训练样本和测试样本带入GWO优化的CS-SVM模型,诊断测试的准确率为96.67%,相比于传统PSO算法的准确率有所提升,收敛速度更快,表明了GWO优化的CS-SVM具有优越性。...
作者:陆思良; 苏云升; 赵吉文; 何清波; 刘方; 刘永斌 期刊:《振动与冲击》 2018年第04期
一维随机共振(One-Dimensional Stochastic Resonance,1DSR)被广泛用于轴承故障诊断中。针对传统1DSR对微弱信号的检测效果不够理想,输出信号噪声大,不能准确获得轴承故障特征频率(Fault Characteristic Frequency,FCF)等问题,提出一种新的二维互补随机共振(Two-Dimensional Complementary Stochastic Resonance,2DCSR)方法并应用于轴承故障诊断。将采集到的轴承故障信号根据共振带位置进行带通滤波并解调,随后将解调信...
作者:崔鹏宇; 王泽勇; 邱春蓉; 高晓蓉 期刊:《电子测量技术》 2019年第12期
以反向传播神经网络为基础,引入改进的蝙蝠算法对其初始阈值和权值进行优化处理,并针对滚动轴承信号的特征针对性构建了故障诊断系统。针对轴承数据的振动信号选取时、频、多尺度排列熵等提取方式进行多特征参量提取,构造了滚动轴承正常及故障状态下的特征样本并对优化后的神经网络进行训练。然后,使用训练完成的网络对各状态下的随机样本进行诊断测试,诊断结果表明,本文构建的神经网络系统与未优化的BP神经网络相比,可以更为准确...
作者:张西宁; 向宙; 唐春华 期刊:《西安交通大学学报》 2018年第07期
为了解决卷积神经网络权值往往只能随机初始化的问题,提出了一种卷积自编码器。以卷积池化过后的特征为权值,对反卷积核进行叠加,叠加步长为池化时的长度,将信号重构回原信号空间。以原信号与重构信号的差值最小为目标,对卷积核和反卷积核进行优化。进一步,编码特征可以作为新的输入,利用同样的方式进行编码,依次循环,最后给网络加上全连接网络和分类器,用少量带标签样本进行微调,形成具有复杂特征提取能力的深度卷积自...
作者:张西宁; 张雯雯; 周融通; 余迪 期刊:《西安交通大学学报》 2019年第08期
为快速准确识别轴承的运行状态,提出了一种基于多维缩放和随机森林的轴承故障诊断方法。该方法采用函数型数据分析,得到轴承振动信号自相关函数的拟合系数,构造故障特征集;使用网格搜索法优化随机森林参数,得到特征重要性排序;然后使用多维缩放方法对特征选择后的故障特征集进行降维;最后采用随机森林对降维后的故障特征进行诊断识别。为验证所提方法的有效性,开展了正常、内圈故障、外圈故障、滚子故障状态下的轴承振动实验,结果...