提高大型复杂机电系统故障诊断质量的几种新方法

摘要

分析了大型复杂机电系统故障的可诊断性问题,探讨了影响故障可诊断性的主要因素及其评价标准,研究了HHT(Hilbert/Huang transform)时频分析方法在提高大型复杂机电系统诊断信息质量中的应用。为了进一步提高诊断系统对未知故障的诊断质量,分析讨论了自组织特征映射、生成拓扑映射,以及曲元分析等无监督机器学习算法在大型复杂机电系统故障诊断中的应用。针对故障信号的非线性特征以及多类复杂故障的线性不可分问题,结合机器学习领域的最新研究成果,探讨了基于核的机械故障特征提取方法与基于核的故障模式分类方法,并对采用核方法分析设备运行状态的趋势变化作了初步探讨。