3.4.1 基于信号本身的数据延拓研究概述

    为了减少能量泄漏,傅里叶变换时多采用加窗的方法,但这种方法会在端点处误删掉有效数据,因此,N.E.Huang建议在HHT变换时采用信号延拓的方法来抑制端点效应。延拓的思路是原数据序列经数据延拓后,分解后形成的固有模态分量也就包......查看详细>>

标签:基于核主元模糊聚类的旋转机械故障

3.4.2 数据对称延拓方法

    赵进平等人提出了数据镜像延拓的算法。镜像延拓算法是以假设的镜子为中心,形成原数据序列与数据序列影响相对称,并且首尾相连,构成一条连续、封闭的曲线环,如图3-6(a)所示,镜面上下分别为原始序列和延拓所得序列。镜像延拓必......查看详细>>

标签:基于核主元模糊聚类的旋转机械故障

3.4.3 基于数据预测的延拓方法

    镜像延拓法以及极值点对称延拓法均是比较机械地克隆了原始信号中的极值点位置,不可避免地难以还原实际的非线性信号趋势特征,因此从时间序列数据的预测角度出发,陆续出现了基于神经网络的数据序列预测、基于支持向量机的......查看详细>>

标签:基于核主元模糊聚类的旋转机械故障

3.5.1 ARMA预测模型

    ARMA模型可表述为对于一个平稳、零均值的时间序列{xt},t=1,2,…,N,可拟合如下形式的随机差分方程:式中,φi(i=1,2,…,n)为自回归(Autoregressive)参数;θj(j=1,2,…,m)为滑动平均(MovingAverage)参数;序列{at}为残差序列,当这一方程准确地反映了数据......查看详细>>

标签:基于核主元模糊聚类的旋转机械故障

3.5.2 基于粒子熵的参数自适应变异粒子群算法

    3.5.2.1PSO算法粒子群优化算法是一种种群行为的智能随机优化技术,由Eberhart和Kennedy于1995年提出。粒子群算法模仿昆虫、鸟群和鱼群等的群集行为,主要用于解决非线性优化问题、多目标约束优化问题、动态优化问题等。由于PSO算法简......查看详细>>

标签:基于核主元模糊聚类的旋转机械故障

3.5.3 模型参数估计

    ARMA模型在实际应用中的阶数(n,m)一般较低。在ARMA(n,m)中共有n+m+1个待估参数:φi(i=1,2,…,n),θj(j=1,2,…,m)以及残差方差σ2a。3.5.3.1参数估计步骤潘迪特-吴贤铭建模方法[96]表明,当以残差方差作为适应度函数时,用ARMA(2n,2n-1)作为模型来拟合......查看详细>>

标签:基于核主元模糊聚类的旋转机械故障

3.6 预测验证实验

    以齿轮箱故障诊断实验台架为研究对象,采用上面所述方法建立ARMA模型,对齿轮箱轴承的输出扭矩进行短期预测。扭矩信号是判别齿轮箱的联轴器不对中、外圈剥落、齿轮断齿等多个故障的重要要素之一,预测数据对于在线故障诊断具......查看详细>>

标签:基于核主元模糊聚类的旋转机械故障

3.7 基于PSO-ARMA预测模型的端点效应抑制仿真

    仿真试验数据由下式产生:x(t)=4sin(20πt)sin(0.2πt)+sin(10πt)(3-34)其中,x(t)的幅度为4,t∈[0.15,2.15],该信号由一个载波频率为10Hz的调幅信号(设为x1)和一个频率为5Hz的正弦信号(设为x2)组成,式(3-34)所产生的信号如图3-15所示。图3-15原始信号利用......查看详细>>

标签:基于核主元模糊聚类的旋转机械故障

3.8 本章小结

    本章针对HHT方法在处理非线性、非平稳信号中存在的端点效应、频谱泄漏等现象,研究了基于自回归移动平均模型的波形预测延拓方法,具体工作如下:(1)对常规HHT方法中的端点效应现象进行了详细分析,指出由于曲线拟合误差较大导致......查看详细>>

标签:基于核主元模糊聚类的旋转机械故障

4.1 引言

    测试信号中携带着人们所需要的有用信息,也常常含有人们不感兴趣的其他信号,后者被称为干扰噪声,由于机械系统的复杂性以及周围噪声的影响,干扰噪声是在测试过程中不可避免地渗入测试系统中的,因此信号分析处理的第一步就是......查看详细>>

标签:基于核主元模糊聚类的旋转机械故障