提出了一种基于免疫原理的故障检测及诊断系统模型.通过对检测对象正常工作状态下获得的自己模式串的阴性选择,随机产生初始检测器;利用基于人工免疫的进化学习机制,实现对检测对象异常工作状态下获得的非己模式串进行学习和记忆;利用进化学习结果和系统故障信息库知识,区分和标记不同故障在状态空间上对应的区域.将抗原学习过程中抗体集合变异所产生的各代抗体集合看作随机序列,给出了序列的收敛条件及证明,证明了所提出的动态免疫进化学习算法是概率弱收敛.应用于机床齿轮箱故障检测和诊断问题的实验结果表明了所提出方法的有效性

将分形维数用于刻划滚动轴承在不同故障状态下表现的非线性行为,进而对轴承的运行状态进行判别.实验结果表明,滚动轴承振动信号在不同运行状态下的分形维数是不同的,可以将分形维数做为识别滚动轴承故障的特征量

对测取的齿轮箱振动信号进行了离散小波变换,提取了齿轮箱螺栓拉断的故障信息.结果表明,小波变换或小波分析为判断、预防同类事故提供了一种有效的分析手段

针对大型齿轮箱低速轴故障信息难以提取的问题,采用小波分析方法对故障数据进行处理以实现信号在时/频域的局域性分析,将其无冗余、无泄漏地分解到一组具有紧支撑性的小波基上.文中采用小波分层突变系数作为判别故障隐患的特征值,并对该特征值进行趋势分析.结果表明:小波变换能有效捕捉冲击信号的时域特征和故障发生的时间历程,用小波分层突变系数所做的趋势图能有效地预测故障发展趋势,避免突发故障

完成了一个故障模糊诊断专家系统(Fault Fuzzy Diagnose Expert System).FFDES由知识库维护、故障诊断、诊断解释、列表打印4个基本模块组成,此系统基于模糊数学中的模糊变换的原理建立推理诊断机制,经实例考察,结果满意

提出一种基于峭度能量的谱相关分析方法.它利用每个循环频率切片的峭度值来衡量该循环频率的调制能力,并以此作为加权因子进行循环频率的能量累积,最终实现故障特征的有效提取.相对于传统的谱相关分析方法,本文方法降低了信号中多倍频谐波对故障特征频率的干扰,能更清晰准确地提取出故障频率特征.利用传统的谱相关分析方法、本文方法和共振解调三种方法对仿真信号、低速重载试验台的滚动轴承外圈故障信号进行分析,证明了本文方法的有效性

简述了滚动轴承运转中时域序列所表现出的自相似性,重构了振动信号对应的嵌入相空间的序列,计算得出分维数,实验结果表明,振动时域序列的分维数在不同工况、不同间隙下是有差别的,可以做为识别轴承故障的特征量

从高梯度磁力分离的理论基础入手,根据机械设备发生磨损时产物——磨粒的形态与磁性特点,首次较完整地提出了将高磁力分离技术应用于设备磨损监测和故障诊断中的思想方法,并在此基础上开发研制了油液磨粒监测仪WPM

介绍了一种多输入、多输出系统的故障诊断参数选择方法,该方法以可观参数集的信息熵为标准,进行启发性诊断参数集的划分,先以系统状态决定的启发性诊断多数子集作为驱动数据,实施正向推理,缩小目标集合;再以故障目标集合为对象,进行反向推理以确定最终故障集合;最后将故障集合的元素所对应的可测诊断参数作为系统的诊断参数进行测量。该方法构成了诊断型专家系统的一子部分

在深入研究APT-2神经网络结构的基础上,提出了一种基于神经网络的自适应故障模式分类方法,并应用在轴承故障诊断中,结果表明:该方法对轴承故障模式具有自学习、快速稳定的识别能力