复合故障

摘要： 针对角接触球轴承内外圈同时发生故障情况下故障大小难以评估的问题,本文提出了一种评估角接触球轴承内外圈复合故障尺寸的方法。建立了角接触球轴承内外圈复合故障的动力学模型,获得了复合故障振动信号对复合故障信号进行分解与重构,得到与复合故障对应的单点故障信号。基于单点故障信号,研究了故障尺寸与振动信号统计特征(均方根、峭度和电平通过率)之间的关系,并进行了试验验证。结果表明:相比均方根和峭度,电平通过率与故障尺寸之间存在较强的线性关系,最小R^(2)为0.991 3,可以用来评估轴承复合故障尺寸的变化。

摘要： 当前对轴承进行健康度评估和剩余寿命预测时通常采用共振解调、包络分析等方法,但仍存在健康度提取困难、故障预测种类单一、缺乏可靠模型等问题。针对这些不足,文章提出一种基于级联长短期记忆(LSTM)神经网络轴承复合故障预测的方法,其通过两级级联LSTM神经网络实现轴承的健康度评估和剩余寿命预测。文中采用西安交通大学的轴承数据集进行实验对比,结果表明,相比共振解调法,采用本方法在单一故障数据的健康度评估中,健康度曲线的单调性、鲁棒性和趋势性综合评价指标分别提升了12%、24.8%和5%;在复合故障数据的健康度评估中,综合评价指标提升了15.1%;并根据健康度评估曲线实现了剩余使用寿命预测,证明了该方法在健康度评估和剩余寿命预测方面的有效性。

摘要： 齿轮箱发生故障时,因振源耦合等因素,各类单一故障和复合故障间具有一定共性特征,造成传统的基于卷积神经网络(convolutional neural network,简称CNN)的智能诊断方法准确率下降和诊断性能鲁棒性差。针对上述问题,提出一种新的基于一维卷积神经网络(one-dimensional CNN,简称1DCNN)的齿轮箱故障智能识别方法。该网络引入LeakyRelu激活函数替代原网络结构卷积层中的激活函数,防止训练时的神经元失效;利用LookAhead优化器,避免反向参数优化时训练结果收敛于局部极值;提出相似性损失度量函数,最小化同类样本序列间距的同时最大化不同类样本序列间距,以强化网络结构的标签识别能力和分类稳定性。将上述网络命名为sLL-1DCNN,利用齿轮箱故障模拟试验台信号对网络进行训练并识别各类故障,结果表明,该网络在训练集样本序列数量较少时具有更好的特征提取和泛化能力,且在训练集样本序列数量增加时,具备优于其他3种CNN的分类能力和分类稳定性。

摘要： 为了诊断齿轮箱复合故障并缩短检验时间,将VB调用MATLAB的方法应用到齿轮箱的复合故障诊断系统中。通过对诊断系统功能需求的分析,以及采用ActiveX技术实现VB调用MATLAB编程的详细介绍,在VB中对该诊断系统的主界面以及各个功能模块进行了编写。该诊断系统的设计能够缩短程序开发周期,提高工作效率,对于现场的故障诊断具有一定的指导意义。

摘要： 针对滚动轴承复合故障特征难以分离的问题,提出了一种基于Infogram和参数优化最大二阶循环平稳盲解卷积(maximum second-order cyclostationarity blind deconvolution,CYCBD)的复合故障特征分离方法。首先,采用Infogram方法分析故障信号,选取最优带通滤波器,获得冲击性和循环平稳性最强的频带信号;其次,根据理论故障频率,设定CYCBD的循环频率集,并以包络谱稀疏度为依据,自适应选择CYCBD的滤波器长度;再次,对获得的频带信号进行解卷积运算,提取不同频率的故障冲击成分,实现故障分离;最后,对分离出的各故障成分进行包络解调分析,根据故障特征频率,识别故障类型。通过对仿真信号、西安交大-昇阳科技联合实验室(Xi’an Jiaotong University-Changxing Sumyoung Technology,XJTU-SY)的轴承试验数据分析,证明了所提方法可以有效实现故障特征分离。在此基础上,通过自制试验平台实测数据,进一步论证了该方法的可行性。

摘要： 柴油机是船舶核心组件,一旦出现复合故障便直接降低船舶运行能力,甚至导致船舶无法正常工作,而人工智能算法的出现与发展则为处理柴油机复合故障提供了一个新的工作思路。基于此,文章立足于个人工作经验,从船舶柴油机复合故障数据获取、复合故障设置、样本数据、诊断流程、数据预处理、机制设计、方法验证角度系统分析船舶柴油机复合故障智能诊断机制,为高效率、高质量处理复合故障提供必要的指导。

摘要： 针对齿轮-转子-轴承系统发生复合故障时齿轮副振动响应,结合齿轮副模型和滚子轴承模型,基于拉格朗日方程建立了36自由度的齿轮-转子-轴承系统耦合振型,设定齿轮副主动轮剥落和轴承表面损伤复合故障,研究了复合故障下齿轮副的振动响应。结果表明,在健康的齿轮-转子-轴承系统振动响应下,系统振动时域幅值较为均匀,振动频谱主要为轴承外圈特征频率和齿轮副啮合频率;当齿轮副发生剥落单故障时,系统振动频谱上出现啮合频率与转轴频率调制生成的边频带;当齿轮-转子-轴承系统发生复合故障时,系统振动时域上的振动幅值增大,振动愈加复杂,频域信号调制现象严重,而且调制生成的信号幅值增大,但在其振动频域上可以找到其故障频率以及调制生成的谐波频率,以此可以判断系统的故障类型。

摘要： 针对滚动轴承复合故障特征存在交叉影响又受环境噪声干扰、分离诊断困难问题,提出一种基于改进奇异谱分解(SSD)和多点最优最小熵解卷积调整(MOMEDA)的滚动轴承复合故障分离诊断方法。首先,为了克服SSD分解层数需要凭经验设定而难以选到最优分量的缺点,提出相关峭度图方式优选复合故障中不同故障各自最优分解层数的改进SSD方法;其次,对选出的各最优分量,利用MOMEDA能够降噪、增强冲击特征的优点,进一步削弱其中残存的交叉及干扰成分;最后,由包络分析诊断出复合故障。实验信号分析结果表明:改进SSD方法能准确确定复合故障中不同故障的各自最优分解层数,经MOMEDA处理后的故障特征更明确、诊断更可靠,实现了轴承复合故障的有效分离和故障类型的准确诊断,为轴承复合故障的分离诊断提供了一条途径。

摘要： 相比于单部件复合故障,多部件复合故障中故障信息分散在多个域中和特征间相互耦合影响等情况更为严重,导致构造的特征集中往往存在着大量冗余或无关的特征。针对此问题,提出一种三阶段混合式特征选择方法,用于从特征集中筛选敏感特征,提升故障分类准确率。首先,使用4种过滤式模型对故障特征进行评价,然后基于分类错误率对评价结果加权排序,最后结合3种启发式搜索方法按照加权排序结果筛选最优子集。通过一组包含11种故障类别的齿轮–轴承复合故障数据集进行试验,试验结果表明该方法可以在降低特征集维数的同时显著提升分类准确率。

摘要： 本文以一台300Mvar同步调相机为研究对象,首先,分析了同步调相机单一故障时的磁场及电磁力的变化特征;其次,研究了偏心与转子绕组短路复合故障对调相机磁场以及电磁力的影响;最后,采用非线性Newmark隐式积分法计算了调相机正常与不同类型故障时在变化激振力作用下的非线性动力响应,通过对比正常运行和故障运行时的振幅曲线,定性分析不同故障对调相机转子振动的影响。结果表明:该振动特性可为调相机偏心与转子绕组匝间短路故障的诊断提供参考。

摘要： 径向载荷作用下滚动轴承内部的复合故障激励的振动信号比较复杂,为了揭示内外圈两点故障所诱发的振动机理,建立了多点复合故障滚动轴承动力学模型.考虑轴、轴承座、谐振的集中质量对轴承振动的影响,加入滚动体经过缺陷引起的时变位移和轴承变刚度振动引起的时变位移,结合赫兹接触理论,建立了一个5自由度复合故障的滚动轴承动力学模型,并使用Runge-Kutta法求解方程.对滚动轴承内外圈两点故障所引起的振动信号进行分析,得到了复合故障激励的轴承系统动态响应特性,通过对比仿真和试验结果,验证了所建模型的正确性和可靠性.

摘要： 为提取多源故障信号特征,实现复合故障诊断,提出了一种基于改进的形态学滤波算法和独立分量分析的信号分离及特征提取方法.首先,通过自适应形态学滤波算法处理故障信号,降低噪声,提取故障信号特征;然后,通过局域均值分解使单通道信号分解成多个特征信号;最后,运用独立分量分析对多个特征信号进行盲源分离,实现故障识别和分离.以轴承复合故障为研究对象进行验证,分析结果表明:所提方法可以有效分离滚动轴承外圈与滚动体复合故障信号,实现了复合故障诊断.

摘要： 大型机械系统的失效机理较为复杂,目前缺乏对复合故障的严重度评估的理论研究和实验验证.为了探究复杂机械系统的失效特性,寻找机械系统易失效的薄弱环节,本文提出了一种基于软件故障注入及Gini系数的机械系统复合故障严重度评价方法.该方法利用软件故障注入技术将故障添加到仿真系统中,得到复合故障情况下的动力学特性.利用Gini系数对故障信号进行相合度计算,评价不同故障的严重度进而给出抗失效设计方法.以太阳电池阵可展机构为案例,通过理论仿真探究了复合故障情况下的动力学特性以及故障严重度.最后,根据故障严重度排序给出了抗失效设计方法.

摘要： 提出了一种基于冗余第二代小波包变换与滑动窗降噪技术相结合的旋转机械复合故障诊断新方法。首先利用频谱分析观察振动信号基本特征，然后采用第二代小波包变换确定故障敏感频带，最后利用滑动窗降噪技术再现了故障特征波形，有效诊断出某离心式压缩机的轴瓦碰摩、破碎以及齿轮断齿等复合故障特征。经停机检查，验证了诊断结论的正确性。

摘要： 本发明属于光电复合海缆故障测距技术领域，具体地说，涉及一种光电复合海缆故障测距系统，包括：第一电流行波传感器，用于实时采集任一故障点的故障电流行波信号，获得任一故障点的故障数据；第二电流传感器，用于判断第一电流行波传感器采集的故障点是否在预先设定的区内故障段内；并根据判断结果，获取与第一电流行波传感器采集的相同故障点的故障行波的波速度；故障行波采集器，用于根据预先设定的区内故障段，采集每一个故障点的故障数据和对应的故障行波的波速度，并将其通过数据传输网络，传送至故障行波综合分析处理器；故障行波综合分析处理器，用于采用FAVMD算法，获得该故障点的故障初始行波和故障反射行波波头到达时间差，获取该故障点的位置。

摘要： 一种故障语义空间内嵌的滚动轴承复合故障诊断方法，首先获取滚动轴承在各健康状态下的振动信号样本，利用特征提取降维模块自动获取振动信号样本的特征并降维；然后使用高斯‑伯努利受限玻尔兹曼机计算样本的能量函数值，并对样本是否属于复合故障进行区分；最后分别通过多元分类器和线性监督自动编码机，完成对单一故障样本与复合故障进行健康状态识别；本发明考虑到了复合故障与单一故障之间的联系，能够有效克服带标签复合故障样本难以获取对诊断的不利影响，可以直接使用单一健康状态样本完成对模型的训练，实现了对滚动轴承单一故障诊断以及复合故障的诊断。

摘要： 本发明提供了一种全电磁暂态故障扫描中复合故障元件建模方法与系统，通过扩展电力元件参数信息，对电力元件基本参数和故障信息进行封装，形成复合故障元件，实现多种故障类型设置和对应电力元件的封装，并提供便捷的操作和量测设置接口，从而方便对电力元件进行单一或复杂故障的设置，解决了大规模电网故障电磁暂态扫描电网建模效率低下，各类信号、控制元件不断增加、删除拓扑困难、易出错等问题，对于大规模电网的电磁暂态模型可实现含故障元件替换和相应故障设置，非常适用于大规模电网全电磁暂态故障扫描的应用场景。

摘要： 本发明涉及一种齿轮系统复合故障特征提取方法及故障试验装置，属于机械设备故障诊断领域。通过布置在齿轮箱体表面的加速度传感器，采集得到时域上的齿轮系统振动信号f，应用自适应优化的变分模态分解方法对采集的齿轮系统振动信号f进行分解；对分解后得到的所有子信号进行包络功率谱分析，将所有子信号从时域转换到频域，得到所有子信号在包络功率谱上的频率分布情况，从而实现故障特征的提取。本发明克服了现行VMD方法难以确定最佳参数的不足，可更为有效地提取齿轮系统复合故障特征，能够极大地节省试验的经济成本和时间成本，实现在不便于进行工业现场实测的情况下，为齿轮系统故障诊断提供替代试验条件。

摘要： 一种基于故障特征的零空间轴承复合故障诊断方法，该方法包括根据轴承故障机理建立轴承故障振动模型，依据故障振动模型利用Matlab编程构造基于轴承故障特征的微分算子、对轴承故障非平稳信号进行基于故障特征的零空间微分算子的自适应分解、提取包含故障特征的局部窄带信号、解调得到故障特征。基于轴承故障的零空间微分算子是依据轴承的故障振动模型构造的且不同的故障特征对应算法中的参数不同，进一步对局部窄带信号进行解调便可以提取出不同的轴承故障特征进而实现轴承的复合故障诊断。

摘要： 本发明公开了基于故障标签信息向量的轴承复合故障诊断方法，构建零样本学习模型，利用零样本学习模型进行复合故障诊断；零样本学习模型中，数据预处理模块将原始故障数据转换为故障图像；标签信息定义模块用于根据原始故障数据构建故障标签信息向量，包括单故障标签信息向量和复合故障标签信息向量；特征提取模块用于对故障图像提取故障特征向量；生成对抗模块学习故障特征空间与故障标签信息空间之间的映射关系；分类模块根据故障特征空间与故障标签信息空间之间的映射关系，以及根据单故障标签信息向量和复合故障标签信息向量之间的关联关系，利用复合故障标签信息向量进行复合故障诊断。

摘要： 一种故障语义空间内嵌的滚动轴承复合故障诊断方法，首先获取滚动轴承在各健康状态下的振动信号样本，利用特征提取降维模块自动获取振动信号样本的特征并降维；然后使用高斯‑伯努利受限玻尔兹曼机计算样本的能量函数值，并对样本是否属于复合故障进行区分；最后分别通过多元分类器和线性监督自动编码机，完成对单一故障样本与复合故障进行健康状态识别；本发明考虑到了复合故障与单一故障之间的联系，能够有效克服带标签复合故障样本难以获取对诊断的不利影响，可以直接使用单一健康状态样本完成对模型的训练，实现了对滚动轴承单一故障诊断以及复合故障的诊断。

摘要： 本发明提供了一种全电磁暂态故障扫描中复合故障元件建模方法与系统，通过扩展电力元件参数信息，对电力元件基本参数和故障信息进行封装，形成复合故障元件，实现多种故障类型设置和对应电力元件的封装，并提供便捷的操作和量测设置接口，从而方便对电力元件进行单一或复杂故障的设置，解决了大规模电网故障电磁暂态扫描电网建模效率低下，各类信号、控制元件不断增加、删除拓扑困难、易出错等问题，对于大规模电网的电磁暂态模型可实现含故障元件替换和相应故障设置，非常适用于大规模电网全电磁暂态故障扫描的应用场景。

摘要： 本发明涉及一种齿轮系统复合故障特征提取方法及故障试验装置，属于机械设备故障诊断领域。通过布置在齿轮箱体表面的加速度传感器，采集得到时域上的齿轮系统振动信号f，应用自适应优化的变分模态分解方法对采集的齿轮系统振动信号f进行分解；对分解后得到的所有子信号进行包络功率谱分析，将所有子信号从时域转换到频域，得到所有子信号在包络功率谱上的频率分布情况，从而实现故障特征的提取。本发明克服了现行VMD方法难以确定最佳参数的不足，可更为有效地提取齿轮系统复合故障特征，能够极大地节省试验的经济成本和时间成本，实现在不便于进行工业现场实测的情况下，为齿轮系统故障诊断提供替代试验条件。

摘要： 一种基于故障特征的零空间轴承复合故障诊断方法，该方法包括根据轴承故障机理建立轴承故障振动模型，依据故障振动模型利用Matlab编程构造基于轴承故障特征的微分算子、对轴承故障非平稳信号进行基于故障特征的零空间微分算子的自适应分解、提取包含故障特征的局部窄带信号、解调得到故障特征。基于轴承故障的零空间微分算子是依据轴承的故障振动模型构造的且不同的故障特征对应算法中的参数不同，进一步对局部窄带信号进行解调便可以提取出不同的轴承故障特征进而实现轴承的复合故障诊断。