机器学习：一种新型免疫网络学习算法在故障诊断中的应用

【学术论文】旋翼飞行机器人故障诊断与容错控制技术综述（中国科学院：齐俊桐、韩建达）

上海交通大学：《电力系统自动化》课程教学资源（优秀论文）高压断路器的在线监测与故障诊断

《工程科学学报》：基于周期势系统随机共振的轴承故障诊断

《工程科学学报》：一种基于轻量级神经网络的高铁轮对轴承故障诊断方法（石家庄铁道大学）

兰州石化职业技术学院：《微机组装与维护技术》单元14 电脑维护及故障诊断与处理

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

为解决强背景信号下冲击特征的提取问题,提出了一种自适应多尺度形态学分析方法.对于实际的待分析信号,分别定义长度尺度和高度尺度来确定多尺度形态学分析的结构元素,并基于信号的局部峰值实现自适应多尺度形态学分析.数值仿真实验分析表明,自适应多尺度形态学分析方法较单尺度形态学分析方法更利于提取信号的形态特征,避免了单尺度形态学分析在结构元素选择时的盲目性和对相关先验知识的依赖性.本文所提出的方法应用于轴承故障诊断,结果表明这种方法可以清晰地提取出各种特征信号

短时Fourier变换(STFT)在分析非平稳信号的过程中,受调制系数的影响,时频分布图中的能量扩散至主导频率的周围,降低了时频分布的可读性.运用STFT分析瞬时频率缓变或恒定的信号时,调制系数的影响较小甚至可以忽略不计,而得到能量聚集程度很高的时频分布.根据这一特点,提出了迭代广义短时Fourier变换(IG-STFT),该方法有效改善了时频图的可读性.首先运用迭代广义解调分离出频率恒定的单分量成分,然后运用STFT分析信号的时频分布,最后依据STFT的分析结果和相位函数得到原信号的时频分布.通过行星齿轮箱仿真信号和实验信号分析,验证了该方法在分析非平稳信号中的有效性,准确诊断了齿轮故障

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