文档介绍：万方数据
‘杨涛,黄树红,陈非,张燕平,李建兰,高伟言谑奔湫畔⑷诤系墓收险锒戏椒振动、测试与诊断引传感器藕糯鞨特征征兆卜一属压制成形过程中摩擦源的定位识别。文献按照融合方法的特征,信息融合算法可分为类】:概率模型方法、基于最小二乘理论的方法和智能融合方法。小波变换具有用多重分辨率来刻划信号局部特征的能力,被广泛应用于信息融合故障诊断当中。文献美肷⑿〔ū浠欢园沧霸诮鹗舫形机床上的錾⑸浯ǜ衅餍藕沤薪翟氪砗特征提取,并通过所构建的位置信息数据库实现金小波包的分类能力确定最佳小波包基,通过小波包变换技术提取信号特征,通过贝叶斯方法进行局部决策,采用加权平均方法实现全局决策,最后将该方法应用于滚动轴承的故障识别中。文献眯巢ㄐ波时频图、等高线图表示谐波小波分解结果,分析了某旋转机械的振动数据,有效提取了信号的微弱奇异特征。文献—利用小波包原理对一组仿真信号及滚动轴承的实测振动信号进行研究,对能量较为集中的频带进行重构,运用循环谱密度法解调出信号中的所有调制源频率,有效减少噪声和干扰信号对解调结果的影响。对信息融合的研究主要集中在对多传感器同一时刻的信息融合上,而对单一传感器随时间发展的多个状态信息融合的研究很少。实际故障在某一时刻或某一状态下引起的振动表现具有一定的分散性和随机性,但在~个沿时间变化的过程中却有其规律性。因此,单纯依靠一个状态的数据进行融合诊断存在误诊和漏诊的可能。为了解决上述问题,本文依据小波理论和概率模型提出一种基于时间信息融合的故障诊断方法。故障诊断内容可以概括为诊断信息的获取和信息的处理两大部分,传统的故障诊断流程如图示。可以看出,传统的故障诊断流程不论采用何种信号处理算法,其信号对象总是特定传感器在某一瞬间采集的波形,若该时刻原始振动信息中故障特征不是绝对清晰,则不论采用何种信号处理算法也很难区分故障。但是如果故障发生,一定会有所表现,在一种状态下不明显,在其他状态下可能很明显。观察一段较长时间的过程,则发现故障的机会大幅度增加。因此,若能汇集较长时间段内的所用原始信息,对其进行信号处理和融合可增加故障诊断的正确性。基于时间信息融合的故障诊断方法的流程图如图示。图中灰色模块是基于时间信息融合的故障诊断方法与传统故障诊断方法的不同之处,主要有两点:淼男藕挪皇悄骋皇笨痰囊惶醪ㄐ危浅时间范围内的振动波形;孕藕糯硪院蟮拇罅特征征兆进行信息融合,得到故障诊断结果。第卷第琈&,以小波分析和概率模型为分析手段,给出了基于时间信息融合的具体算法,并定义了故障定量判别的指标——故障度。通过转子故障模拟试验得到了大量数据,对故障实例的计算以及振动信号的分析结果表明,故障度能够有效地区分故障类别,提高了诊断的准确性。:—一;修改稿收到日期:一一图车墓收险锒狭鞒掏年摘要中图分类号.‘
万方数据
甄サ吧七赶阳邗其中:权值/傲烁缮昼鹞TK仡庞朐K乜其中:靠啤瓶凇#了可;〔ǚ质背叨染《躬谑奔湫畔⑷诤系墓收险锒纤惴恻器为了对各种故障的差异进行定量识别,文献盖了不同故障的灰度分布异同,但文献皇前闯的胛组振动波形,分