基于非线性谱分析的故障诊断理论及应用
非线性时序模型在机械系统故障诊断中的应用
关键词
非 线 性 系统 ；时 间 序 列 ；非 线 性 自 回归 时 间 序 列 模 型 ； 障诊 断 故
ＴＨ１ ７
中 图分 类 号
获 取 系统 状 态信 息 与故 障特 征信 息 ， 行状 态识 别 进
引 言
机 械设 备状 态识 别与 故 障诊断 技术 是保 证生 产 系统 安 全 、 定 运行 和提 高产 品质 量 的 重 要手 段 和 稳
（） １
展 ， 代 故 障诊 断 技 术 有 多 种理 论 与方 法 ［ ］在各 现 ２， 种 机械 系统 状态 监测 和故 障诊 断 中取得 了 良好 的效
果 ； 这些 方法 也 存 在一 些 缺点 ， ： Ｆ 谱 分析 只 但 如 ＦＴ
能 反 映 信号 整体 的统 计 特性 ； 自适 应 时 频 分析 法 的
五＝∑识 一∑ ㈠＋口
ｆ １ 一 兰１
（ ２ ）
无 可 比拟 的优势 ［ 。传 统 时 间序 列模 型是 以系统 的 １ ］
正 态性 和平 稳性 为前 提 ， 采用线 性 差分 方程 表示 ， 只
其 中 ： 了强 调模 型 的平稳 、 性 ， 观 测序 列 表示 为 线 将
关键 技 术Ｅ 随 着计算 机 、 ｕ。 测试 技术 和人 工智 能 的发
和故 障 判别 。
１ ＧＮＡＲ 模 型
根 据 时 间 序 列 的 建 模 策 略 ］观 测 序 列 Ｗ 可 ， 表示 为
Ｗｔ 厂 伽ｒ１Ｗｆ２… ， 一， １ａ 一， ，ｔｍ ＋口 ＝ （ － ， 一 ， Ｗ ＾ａ 一， ２… ａ－ ） ｆ ．
回归型 多 项式 逼 近 ， 获得 描 述非 线 性 系统 的多项 式
自回归 模 型 （ｕｏｅ ｒｓｉｅｍｏ ｅ， 称 ＡＲ 模 型 ） ａ ｔｒｇ ｅｓ ｄ ｌ简 ｖ
基于非线性几何不变量的轴承故障诊断方法研究
振 动 与 冲 击第28卷第11期J OURNAL OF V I BRATI O N AND S HOCKVol .28No .112009 基于非线性几何不变量的轴承故障诊断方法研究基金项目:国家自然科学基金资助项目(50775219)收稿日期 修改稿收到日期第一作者关贞珍女,博士生,5年生通讯作者郑海起男,教授,博士生导师关贞珍,郑海起,杨云涛,王彦刚(军械工程学院,石家庄 050003) 摘 要:针对轴承传动本身具有非线性而在传统故障诊断中又被忽略掉的问题,提出了基于分形和混沌等非线性几何不变量的轴承故障诊断方法。
该方法对测得的轴承振动时间序列去噪以后进行相空间重构,然后计算重构信号的分形维数、Ly p unove 指数、K 熵、关联距离熵等多个几何不变量,并以此作为轴承故障诊断特征量,输入到径向基神经网络,对轴承故障进行模式识别。
实验结果表明该方法能有效区别轴承各种故障状态,且为旋转机械的故障诊断提供了一种新方法。
关键词:轴承;故障诊断;非线性;混沌;分形中图分类号:T H133;TP274 文献标识码:A 在机械设备中滚动轴承是一种使用量大、应用广泛的基础性部件,其加工工艺复杂,装配精度高,又常常在高速、重载下连续工作,其状态往往直接影响到机械设备是否正常运行。
据统计,旋转机械的故障有30%是由轴承引起的,因而轴承的故障诊断和检测一直是故障诊断技术中的重点。
当前国内外传统的轴承故障诊断理论和技术基础是建立在线性理论的基础上。
其优点是分析和处理问题相对简单,对实际系统进行合理的线性化,能显著降低理论和技术上的难度并在一定范围内可以得到较满意的结果。
但是,轴承在工作过程中,由于噪声、摩擦力、间隙、油膜、外载荷等因素影响,其动力学特征常常表现出非线性。
此时基于线性化理论对轴承进行故障诊断,将不可避免地过滤掉许多重要的非线性信息,如稳态解对初始条件的依赖性,解的多样性与稳定性、振动突变与滞后等,这必然导致分析结果与系统的真实动力学特性有很大的差异,进而影响其故障诊断的精度。
基于非线性同伦LM算法的故障诊断方法
，维特 征 空 间 向量 ； ｚ Ａ为 描 述 某 一 故 障特 征 的参 数 或 属性 ； ｛ ， 一 为故 障集合 ， 含 有 限 Ｆ 一 Ｆ。…Ａ Ａ） 包 种 系统 具 体故 障状态 ； 为故 障 映射 关 系 ， Ｆ 分 Ａ，
。
Ｈａ ａ ｇ ｎ和 Ｍｅ ｈ ｊ 出 的 Ｌ 算 法 是 Ｇａ ｓ— ｎａ 提 Ｍ ｕ ｓ
（ 称 Ｌ ） 化方 法 结 合 ， 出 了 一 种 非 线 性 同 伦 Ｌ 神 经 网 络 学 习 算 法 用 于 神 经 网络 训 练 ， 决 了现 有 学 习 算 法 简 Ｍ 优 提 Ｍ 解
收敛速度慢 和局部极小值 的问题 ， 提高了神经 网络 的学 习效 率 。 将改进算 法用于建立神经网络故 障诊断模 型 ， 研制 出实时诊断 系统用于 电站 锅炉送风机在线故 障监测 与诊 断 。 应用结果 表明 ， 该诊 断方法在收敛速度 、 度和稳定性 精
基 于 非 线 性 同伦 Ｌ 算 法 的 故 障诊 断 方法 Ｍ
陈如 清
（ 兴 学 院机 电 工程 学 院 嘉 嘉 兴 ，３ ４ ０ ） １ ０ １
摘要
引入 同伦 理 论 并 定 义 了一 种 广 义 的 非 线 性 同 伦 映 射 ， 于 现 有 Ｂ 基 Ｐ算 法 ， 同伦 方 法 与Ｌ ｖ ｎ ｅｇＭａｑ ａｄ 将 ｅ ｅ ｂｒ — ｒ ｕｒ ｔ
１ 故 障诊 断 问题 描 述
故 障诊 断过 程 可视 为模 式 分 类 问 题 ， 障诊 断 故 的 模型可 以用三元 函数 （ ， ） Ｆ ， 未表示。其 中：
Ａ 一 ｛ 。 …Ａ ” 为 描 述 系统 早 期 故 障 的症状 的 Ａ， Ａ｝
２ 改进 的 非线 性 同伦 Ｌ Ｐ算 法 ＭＢ
非线性系统的故障诊断与故障控制
非线性系统的故障诊断与故障控制近年来，非线性系统越来越广泛地应用于各个领域，例如飞行器、机器人、工业生产等等。
然而，由于非线性系统的复杂性和不可预测性，故障诊断和故障控制成为了研究的热点与难点。
非线性系统故障诊断的基本思路是在系统运行时，通过对各项指标的监测和分析，判断系统是否存在故障，并找到故障发生的原因。
然而，非线性系统的复杂性使得传统的故障诊断方法变得困难，很多时候需要借助现代控制理论的工具和方法才能达到更好的效果。
针对非线性系统的故障诊断问题，现代控制理论提供了很多解决方法。
其中一种常用的方法是基于卡尔曼滤波的故障诊断技术。
该方法利用卡尔曼滤波的估计算法，对系统状态进行估计，将估计值与实际值相比较，从而判断是否存在故障。
同时，基于卡尔曼滤波的故障诊断技术还可以对系统的故障进行定位，从而更好地进行故障控制。
除此之外，非线性系统的故障诊断还可以通过神经网络进行。
神经网络是一种模仿生物神经网络结构和功能的计算模型，具有自适应性、自学习性和非线性映射性等特点，被广泛应用于非线性系统的建模和控制。
利用神经网络进行故障诊断的基本思路是将系统的运行数据输入神经网络模型中，通过对神经网络输出的结果进行分析，判断系统是否存在故障。
这种方法不仅可以判断系统是否存在故障，还可以定位故障发生的位置，并进一步进行故障控制。
故障控制是对故障进行修正和控制，保证系统的正常运行。
针对非线性系统的故障控制，现代控制理论也提供了许多有效的方法。
一种常用的故障控制方法是基于反馈线性化的控制技术。
该方法通过引入反馈线性化技术，将非线性系统转化为线性系统，从而利用线性系统的控制理论进行控制。
该方法不仅可以提高系统的控制性能，还可以实现对系统故障的控制。
此外，基于自适应控制的故障控制技术也是一种非常有效的方法。
该方法通过自适应算法不断地调节控制器的参数，使得控制器对系统的故障有更好的鲁棒性和敏感性，从而更好地进行故障控制。
综上所述，非线性系统的故障诊断和故障控制是一个非常重要且具有挑战性的问题，需要借助现代控制理论的工具和方法才能够更好地解决。
结合非线性频谱与贝叶斯网络的复杂装备传动系统故障诊断
Ｅｌ ｅ ｃ ｔ ｒ ｉ Ｃ Ｍａ ｃ ｈ ｉ ｎ ｅ ｓ ａ ｎ ｄ Ｃ ｏ ｎ ｔ ｒ ｏ ｌ
Ｖｏ 】 ．１ ８ Ｎｏ ． ３
Ｍａ ｒ ．２ ０１ ４
２ ０ １ ４年 ３月
结 合 非线 性 频 谱 与 贝 叶斯 网络 的 复杂 装 备 传 动 系统 故 障诊 断
２ ． Ｓ ｕ ｚ ｈ ｏ ｕ Ａ ｃ ａ ｄ ｅ ｍ ｙ ， Ｘ ｉ ’ ａ ｎ Ｊ ｉ ａ ｏ ｔ ｏ ｎ ｇ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｓ ｕ ｚ ｈ ｏ ｕ ２ １ ５ １ ２ ３ ， Ｃ ｈ ｉ ｎ ａ ）
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ａ ｆ ａ ｕ ｌ ｔ ｄ ｉ ａ ｇ ｎ ｏ ｓ ｉ ｓ ａ ｐ ｐ ｒ ｏ ａ ｃ ｈ ｉ ｓ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｎ ｏ ｎ ｌ ｉ ｎ ｅ ａ ｒ ｓ ｐ ｅ ｃ ｔ ｒ ｕ ｍ ｆ ｅ ａ ｔ ｕ ｒ ｅ ａ ｎ ｄ Ｂ ａ ｙ ｅ ｓ ｉ ａ ｎ ｎ ｅ ｔ —
Ｆａ ｕ ｌ ｔ ｄ ｉ ａ ｇ ｎｏ ｓ ｉ ｓ ｏ ｆ ｄ ｒ ｉ ｖ ｉ ｎ ｇ ｓ ｙ ｓ ｔ ｅ ｍ ｆ ｏ ｒ ｃ ｏ ｍｐ ｌ ｅ ｘ ｅ ｑ ｕ ｉ ｐ ｍｅ ｎ ｔ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｎ ｏ ｎ ｌ ｉ ｎ ｅ ａ ｒ ｓ ｐ ｅ ｃ ｔ ｒ ｕ ｍ ａ ｎ ｄ Ｂａ ｙ ｅ ｓ ｉ ａ ｎ ｎ ｅ ｔ ｗｏ ｒ ｋ
０． ２ ６ ｍｓ 。
关键 词 ： 非 线性 输 出频 率响应 函数 ；贝叶斯 网络 ；复 杂装备 ；传动 系统 ； 故 障诊 断
中图分类号 ： Ｔ Ｐ２ ７ ７ 文献标志码 ： Ａ 文章编号 ：１ ０ ０ ７ — ４ ４ ９ Ｘ（ ２ ０ １ ４ ） ０ ３ — ０ １ ０ ７ — ０ ６
（完整版）故障诊断技术研究及其应用
（完整版）故障诊断技术研究及其应用故障诊断技术研究及其应用1 引言以故障为研究对象是新一代系统可靠性理论研究的重要特色，也是过程系统自动化技术从实验室走向工程的重要一环。
最近二十多年来，以故障检测、故障定位、故障分离、故障辨识、故障模式识别、故障决策和容错处理为主要内容的故障诊断与处理技术，已成为机械设备维护、控制系统系统可靠性研究、复杂系统系统自动化、遥科学、复杂过程的异变分析、工程监控和容错信号处理等领域重点关注和广泛研究的问题。
诊断(Diagnostics)一词源于希腊文，含义为鉴别与判断，是指在对各种迹象和症状进行综合分析的基础上对研究对象及其所处状态进行鉴别和判断的一项技术活动[1]。
故障诊断学则是专门以考察和判断对象或系统是否存在缺陷或其运行过程中是否出现异常现象为主要研究对象的一门综合性技术学科。
它是诊断技术与具体工程学科相结合的产物，是一门新兴交叉学科。
故障诊断与处理技术，作为一门新兴技术学科，可划分为如下三个不同的研究层次：(1) 以设备或部件为研究对象，重点分析和诊断设备的缺陷、部件的缺损或机械运转失灵，这通常属于设备故障诊断的研究范畴；(2) 以系统为研究对象，重点检测和分析系统的功能不完善、功能异常或不能够完成预期功能，这属于系统故障检测与诊断的研究范畴；(3) 以系统运行过程为研究对象，考察运行过程出现的异常变化或系统状态的非预期改变，这属于过程故障诊断的研究范畴。
概而言之，故障诊断研究的是对象故障或其功能异常、动作失败等问题，寻求发现故障和甄别故障的理论与方法。
无论是设备故障诊断、系统故障诊断还是过程故障诊断，都有着广泛的研究对象、实在的问题背景和丰富的研究内容。
本文将从故障诊断与处理技术的研究内容、典型方法和应用情况等三个方面，对故障诊断及相关技术的发展状况做一综述，同时简要指出本研究方向的若干前沿。
2 故障诊断与处理的主要研究内容故障诊断与处理是一项系统工程，它包括故障分析、故障建模、故障检测、故障推断、故障决策和故障处理等五个方面的研究内容。
关于柴油机故障诊断的总结
关于柴油机故障诊断的总结关于柴油机故障诊断的阐发关于柴油机故障诊断的总结柴油发动机应用广泛，处在所属产业链的相对核心的位置。
其高速运行运行状态的好坏直接关系到成套设备的工作状态。
因此，对柴油机运行状态进行监测和故障诊断，确保其处于安全、可靠、高效率的组织工作状态，对提高整套设备的劳动效率，提高产品质量，降低生产成本和能耗具有历史性的意义。
柴油机故障诊断和其它类型的机械一样，首先作出必须对故障机理进行研究，以故障信号的检测技术及信号处理技术为基本，以故障信号处理和特征提取理论为基本理论，以基于信号处理和特征提取方法故障类型识别方法为基本的。
近年来，随着科学技术的健康发展，柴油机故障诊断技术也经历着从最初的事后维修到定时检测，再到现代故障诊断技术的视情维修。
传统的诊断方法虽然简单易行，但是由于其信息量小，精确度不高，成本较高且容易发生误判，故难以满足现代的需求。
20世纪80年代，邓聚龙教授提出了灰色系统理论，为研究少数据、贫信息不确定性问题提供了新方法，不足之处很好地解决了传统性方法的不足之处。
进入90年代后，随着人工智能技术的发展，柴油机故障诊断技术进入了智能化的阶段。
检测项目增强，软件功能增强，诊断的准确性大为提高。
基于专家系统和可视化的智能化诊断方法为柴油机故障诊断技术监视系统的发展提供了新的方向。
一、传统的故障诊断技术传统的柴油机故障诊断技术主要包括热力参数分析法、声振监测、磨粒监测分析法。
热力参数分析法中又可以分为通过测定柴油机工作过程的示功图对柴油机工作过程做综合性的监测的第十四条示功图法和利用瞬时转速波动信号对柴油机进行监测和故障诊断的方式。
1、热力参数分析法热力参数分析法是利用柴油机工作时热力参数的变化来判断其工作状态的。
这些参数包括气缸压力示功图、排气温度、转速、滑油温度、冷却水进出口温度及排放等。
由于这些参数能够很好的非常积极水解柴油机的工作情况以及故障特征，具有关联性强、直观且便于分析等缺点，因此此种方法得到了广泛的应用。
基于模糊神经网络的非线性系统故障诊断及应用
＊通 信 作 者 ： 志 飞 （ ９ ３ ） 男 ， 南 益 阳人 ， 山科 学 技 术 学 院 教 授 ， 士 生 导 师 。 张 １６ 一 ， 湖 佛 硕
３ ６
佛 山科 学技 术 学 院学报 （ 自然科 学版 ）
第２ ８卷
２ 构 建 模 糊 神 经 网络
２ １ 均 值 聚 类 ．
根据 系 统 内部 的连 接 情况 ， 系 统分 为 个 模块 （ 一１ ２ … ， ） 模 块 的连接 处 为测 试点 ， 把 走 ，， ，
设其 当前 的状 态 为 （ 一１ ２ … ， ） 于是 可知 该 非线性 系 统故 障 如表 １ 示 。 尼 ，， ， 所
表 １ 系 统 故 障 列表
。 … ，， 聚类 算法 把 ｚ ］用 组数 据优 化为 组样 本数据 ， 步骤 如下 。 其
（ ） 置初 始 中心 １设
为 了使 聚类过 程更加 快 速 ， 须对 初 始 中心 做最 优设 置 。在 输入 数据 。 ， 中 按值 的大小 平 均取 个 ， 记 为 ｃ ［。 ｒ … ｃ］ 由 Ｃ计 算 出各测 试点 的期 望值 ， 一 ｆ ， 组成矩 阵 ｃ “ 即Ｅ Ｃ … ｃ ］ ＋ ” ， ｃ ： 为初
设本 例 有 ＋１个 输入 ， 个输 出 ， 个 隐层 节 点 ， 中测试 点 数为 ， 其 样本 数 为 ， 已知 Ｒ。 由 、
计算 测试 点期 望数 据为 ∈
， 加入 输人 数据 。 到测试 点数 据矩 阵 得
，其 中每 一列 为一 组测 ，
试数 据 ， 为 ［ 记
触设 备诊 断技 术 ， Ｊ 目前 已广 泛应 用 于航 空航 天 、 化工 、 电力等 行业 。 随着 系统 的复杂化 以及对 系 统 的安 全性 和可靠 性 的要 求 越来 越 高 ， 故 障预 测诊 断技 术 的需 求 日趋 紧迫 。 对 现有 的故 障诊 断 与预 报有 代 表性 方法 主要 包 括基 于故 障树 、 糙集 理 论 、 间序列 、 粗 时 模糊 神 经 网络 。
基于非线性短时傅里叶变换阶次跟踪的变速行星齿轮箱故障诊断
0引言行星齿轮箱广泛用于直升机主减速器、风力发电机组等。
行星齿轮箱常工作在复杂多变的环境下，其太阳轮、行星轮、齿圈等部件的故障发生概率高、易损坏［1］。
行星齿轮箱发生故障时，振动信号的故障特征微弱、非平稳、有噪声与干扰，不仅受故障、多个传递路径引起的调频、调幅和调相作用，还受到转速变化引起的调制、多个激励振动源之间相互耦合作用，使得传统的信号频谱分析技术难以提取有效故障特征［2］。
变转速下旋转机械振动信号分析主要采用无键相阶次跟踪方法（non ⁃bonding phase order tracking method ，NPOTT ），通过角度域等间隔采样技术将时间域的非平稳信号转化为角度域的平稳或循环平稳信号，消除转速波动带来的频率模糊现象。
李蓉等［3］提出基于线调频小波路径追踪（chirplet path pursuit ，CPP ）算法［4］与总体平均经验模态分解（ensemble empirical mode decomposi⁃tion ，EEMD ）的齿轮箱复合故障诊断方法，用CPP 算法得到振动信号的转频曲线，对转频信息重采样基于非线性短时傅里叶变换阶次跟踪的变速行星齿轮箱故障诊断王友仁王俊黄海安南京航空航天大学自动化学院，南京，211106摘要：针对变速行星齿轮箱信号频率模糊且受噪声影响的问题，提出了基于非线性短时傅里叶变换（NLSTFT ）无键相阶次跟踪与变分模态分解的故障诊断方法。
用NLSTFT 算法估计信号瞬时频率，对其积分获得瞬时相位曲线，通过重采样得到角域信号；利用NCOGS 算法对角域信号降噪，采用VMD 算法进行角域信号模态分解，通过各模态分量信号包络谱解调实现故障诊断。
实验结果表明，新方法计算效率高、鲁棒性好，提高了变转速行星齿轮箱故障诊断性能。
关键词：行星齿轮箱；无键相阶次跟踪；变分模态分解；故障诊断；非线性短时傅里叶变换（NLSTFT ）中图分类号：TH113DOI ：10.3969/j.issn.1004⁃132X.2018.14.008开放科学(资源服务)标识码(OSID)：Fault Diagnosis of Planetary Gearboxes Based on NLSTFT OrderTracking under Variable Speed ConditionsWANG Youren WANG Jun HUANG HaianCollege of Automation Engineering ，Nanjing University of Aeronautics and Astronautics ，Nanjing ，211106Abstract ：Aiming at the problems that vibration signal frequencies of planetary gearboxs were fuzzy and interfered by strong noises under variable speed conditions ，a fault diagnosis method was proposed based on NLSTFT non⁃bonding phase order tracking and variational modal decomposition.Firstly ，NL⁃STFT was used to precisely estimate instantaneous frequency of vibration signals ，and then transformed into the instantaneous phase curves through integral operation.A smooth angular domain signal was ob⁃tained by signal resampling.Secondly ，NCOGS （non ⁃convex overlapping group shrinkage ）algorithm was used to de⁃noise the angular domain signals ，and VMD （variational mode decomposition ）algorithm was used to perform modal decomposition of the angular domain signals.Finally ，the fault diagnosis was realized through the demodulation analysis of the envelope spectrum of each modal component signal.The experimental results show that the new method may effectively promote the performances of fault diagnosis under variable speed conditions ，which has the high computational efficiency and strong noise robustness.Key words ：planetary gearbox ；non ⁃bonding phase order tracking ；variational mode decomposition (VMD)；fault diagnosis ；non⁃liner short⁃time Fourier transform （NLSTFT ）收稿日期：2017－06－19基金项目：航空科学基金资助项目（2013ZD52055）；国家商用飞机制造工程技术研究中心创新基金资助项目（SAMC14－JS －15－051）第29卷第14期2018年7月中国机械工程CHINA MECHANICAL ENGINEERINGVol.29No.14pp.1688⁃1695··1688基于非线性短时傅里叶变换阶次跟踪的变速行星齿轮箱故障诊断——王友仁王俊黄海安并进行EEMD分解，获得了变转速齿轮箱复合故障特征，但CPP算法复杂、效率低。
基于非线性滤波的智能故障诊断方法
《装备制造技术》2020年第02期传感器量测信息特征提取图1基于滤波技术的智能故障诊断框图大型运行设备在获取多个特征信息以后，如何 通过有效的非线性滤波方法对系统的状态进行精确 的滤波处理是混合智能诊断技术的关键一步。
目前， 在工程实际应用中的非线性滤波方法主要有：交互 式多模型（interacting multiple mode 丨，IMM )、序贯概 率比检验（sequential probahility rat io test , SPRT )、 强跟踪滤波（strength tracking filter ，STF )等几种方 法。
其中，IMM 是一种模型自适应滤波器，该方法缺 少对于模型参数的自适应能力，容易使得IMM 在模 型转换时刻出现较大的估计误差;SPRT 基于信息积 累的假设检验思想，在丰富的专家知识和充分先验■ u ■ ■ *0刖目2010年开始，随着大数据与人工智能技术的迅 猛发展,研究人员将专家系统、模糊逻辑、神经网络、 遗传算法等技术应用于大型复杂设备的故障诊断 中，实现了设备的混合智能故障诊断，大大提高了设 备故障诊断的精确度。
随着研究的不断深入，研究者发现，由于系统运 行的强扰动及应用环境中的复杂噪声影响，单一的 检测模型无法满足复杂工程应用中精确性与鲁棒性 的要求，急需一种新思路和新途径来解决这些问题。
因此，综合运用多种人工智能技术和现代智能信息 处理技术，结合复杂系统的非线性及故障的不确定 性特点，基于智能演化的滤波推理技术受到了研究 人员的青睐，用混合智能故障诊断与预测技术对大 型复杂关键设备进行状态监测、故障诊断与智能预 测处理，能够有效提高监测诊断系统的敏感性、鲁棒 性、精确性，降低误诊率和漏诊率，在不用理解系统 机理和分析数据的情况下，为一般的操作人员提供 了准确的诊断决策，对于提升智能诊断系统的精确 性和鲁棒性具有非常重要的理论价值和现实意义。
1基于滤波技术的智能故障诊断随着大型复杂机械设备对故障诊断精度要求的不断提高，从20世纪80年代开始，基于非线性滤波 技术的混合智能故障诊断与预测方法已经成为本领 域的研究热点。
非线性系统故障可诊断性评价及诊断方法研究
非线性系统故障可诊断性评价及诊断方法研究非线性系统故障可诊断性评价及诊断方法研究一、引言随着现代科学技术的不断发展，非线性系统在各个领域得到了广泛的应用。
由于非线性系统具有复杂性和高度非线性的特点，其故障诊断成为了研究人员关注的一个热点问题。
故障诊断是指通过对系统的工作状态进行监测和分析，判断系统是否存在故障，确定故障的类型、位置和原因，并提供相应的修复方案。
非线性系统故障的可诊断性评价及诊断方法研究对于确保系统的安全、稳定和可靠运行具有重要意义。
二、非线性系统故障可诊断性评价非线性系统的故障可诊断性评价是指对系统的可诊断性进行定量评估和分析。
评价系统的可诊断性需要考虑以下几个方面：故障判别能力、故障辨识能力和故障定位能力。
故障判别能力是指系统是否能够判断出故障的存在与否，故障辨识能力是指系统是否能够正确判断出故障的类型，故障定位能力是指系统是否能够确定故障的位置。
评价非线性系统的可诊断性需要选择合适的评价指标和方法。
评价指标可以采用霍普金斯故障诊断一致性系数、信噪比等指标。
其中，霍普金斯故障诊断一致性系数是一种常用的评价指标，反映了系统在不同故障模式下的检测结果与实际故障状态之间的一致性程度。
信噪比是指系统信号与噪声之比，反映了系统信号中包含的故障信息的能力。
评价方法可以采用模型基准法、数据驱动法和混合方法。
模型基准法是通过建立一个可靠的系统模型，利用模型推导出的预期故障特征与实际观测到的故障特征之间的差异来评估系统的可诊断性。
数据驱动法是通过对实际系统的运行数据进行分析和处理，提取出与故障有关的特征，并通过特征间的关系来评价系统的可诊断性。
混合方法是将模型基准法和数据驱动法相结合，综合考虑系统模型和实际数据的信息。
三、非线性系统故障诊断方法1. 基于模型的故障诊断方法基于模型的故障诊断方法是利用系统模型来推导出故障特征，并与实际观测到的故障特征进行比较，从而判断系统是否存在故障和故障的类型。
仿射非线性系统故障可诊断性分析与设计
针对存在噪声干扰的单输出仿射非线性系统,分析了扰动噪声的 能观性子系统与故障的能观性子系统的差异性,定义了空间相似 度、故障漏报率与故障可检பைடு நூலகம்性量化指标;分析对比了两个可检 测故障能观子空间之间的差异,定义了故障重复率与故障可分离 性量化指标。对于多输出系统,通过将其分解为多个单输出系统 进行可诊断性分析。
将上述理论分析与设计方法应用于点质量卫星控制系统的故障 可诊断性问题。再次对其理论推导的正确性和方法的有效性进 行验证。
仿射非线性系统故障可诊断性分析与 设计
实际系统大多是非线性的,难以利用线性系统理论建立故障可诊 断性的判别条件,再加上噪声干扰的存在,更是在可诊断性评价 中引入了随机影响。关于仿射非线性系统故障的可诊断性评价 与设计,还没有形成普遍适用的方法。
本文基于微分几何理论,针对仿射非线性系统、仿射非线性控制 系统以及噪声作用下的仿射非线性系统,对系统故障可诊断性分 析与设计方面进行研究,主要内容如下:定义了非线性系统关于 故障的能控性分布与能观性对偶分布。对于同一时间只有一个 故障发生的仿射非线性系统,从系统分解的角度给出了非线性系 统故障可诊断性的判定条件;在此基础上研究了控制输入对可诊 断故障可检测性的影响。
针对仿射非线性系统满足故障可诊断性的最小数量传感器优化 配置问题,提出了一种建立故障传播有向图的新方法,并对贪婪 算法进行改进以实现传感器一次故障仍然满足故障可诊断性。 以故障能控能观子空间最大为约束条件,建立了优化问题模型, 通过改进的PageRank算法全局评估各个测点的独立性,以实现测 点的传感器优化配置。
非线性频谱分析在故障诊断中的应用
非线性频谱分析在故障诊断中的应用
李湧;韩崇昭;徐为群;唐晓泉
【期刊名称】《西安交通大学学报》
【年(卷),期】2000(034)009
【摘要】提出了一种基于非线性频谱分析的故障诊断方法.针对测量信号不可避免的噪声干扰,采用总体最小二乘法辨识系统的频域传递特性,利用人工神经网络完成故障模式分类,构造了一种合理的特征提取方法,并给出了基于非线性频谱分析的故障诊断的完整方案.试验结果表明,该故障诊断方法准确率高,计算量小,可以应用于实际工程.
【总页数】3页(P103-105)
【作者】李湧;韩崇昭;徐为群;唐晓泉
【作者单位】西安交通大学,710049,西安;西安交通大学,710049,西安;西安交通大学,710049,西安;西安交通大学,710049,西安
【正文语种】中文
【中图分类】TP271.62
【相关文献】
1.非线性频谱分析理论在故障诊断与检测中的应用 [J], 韩德强;王立琦;李晨航
2.频谱分析法在齿轮故障诊断中的应用 [J], 潘林
3.在线监测与频谱分析在汽机故障诊断中的应用 [J], 宋太浩;许国胜
4.在线监测与频谱分析在汽机故障诊断中的应用 [J], 张殿树
5.频谱分析技术在海洋石油机泵设备常见故障诊断中的应用 [J], 李政
因版权原因，仅展示原文概要，查看原文内容请购买。
非线性理论对复杂机械的故障诊断与预测
非线性理论对复杂机械的故障诊断与预测一、机械的故障诊断的现状、趋势及诊断的理论方法所谓的机械故障诊断就是当机械在一定环境下工作时，通过获取机械系统运行产生的信号来诊断机械系统是否异常，并找出异常原因和部位以及对系统状态预测的一门技术。
现在的工业科学技术越来越发达，生产所需要的设备也越来越复杂化、巨大化，各零件之间关系也越来越紧密，那么如果在生产中机械系统发生了故障，那么对于工厂、企业的损失将是不言而喻的。
所以机械故障诊断这门技术越来越受到广泛的关注，并将其与理论结合，运用于实际生产中。
二、非线性问题与复杂机械故障的关系在当今复杂的机械系统中，包含着许多个子系统，除了各个子系统结构功能不一样外，它们之间还存在着非常繁杂的不确定性关系。
所以，在复杂的机械系统故障中就存在着许多非线性的问题。
由于复杂机械故障有着不确定性、未知性、和模糊性等，这就给我们对复杂机械故障的诊断带来的很大的难题。
不过随着非线性理论的发展，作为非线性重要理论基础的分形与混沌理论，对于机械故障出现的复杂现象起到了很大的帮助作用。
分形理论非线性科学的前沿和重要分支，既有着自相似性又有着无标度性等特征，大大简化了机械故障诊断的问题。
而混沌理论是一种既有质性思考和量化分析的理论方法，对于系统的无法描述的不确定问题有着很好的解决依据。
三、非线性理论在复杂机械故障诊断预测的应用（1）混沌理论在复杂机械故障诊断中的应用。
机械系统具有高度的复杂性和非线性，那么在复杂机械故障的诊断中，通过对非线性系统的分析，从理论上得出非线性复杂机械存在混沌的原因，并构造出相应的相空间维数和特征参数的计算方法，了解混沌系统中分维数、李雅普洛夫指数、柯氏熵等特征参数的意义，并将其量化，从而对机械系统做出识别，判断是否出现故障。
（2）利用分形理论在机械故障诊断中的应用。
利用分形理论，从复杂机械系统为出发点，探究复杂机械系统在运行中其分形参数变化对故障产生的敏感性，从而可以建立出系统阶段上的基于分形理论诊断的一般研究方法，并把它推广到滑动轴承和大型矿用汽车发动机的故障诊断中来。
故障诊断及相关应用-信号处理大论文
故障诊断及相关应用摘要故障诊断技术是一门以数学、计算机、自动控制、信号处理、仿真技术、可靠性理论等有关学科为基础的多学科交叉的边缘学科。
故障诊断技术发展至今，已提出了大量的方法，并发展成为一门独立的跨学科的综合信息处理技术，是目前热点研究领域之一。
我国的一些知名学者也在这方面取得了可喜的成果。
关键字：故障诊断，信息处理1故障诊断技术的原理及基本方法按照国际故障诊断权威，德国的Frank P M教授的观点，所有的故障诊断方法可以划分为3种：基于解析模型的方法、基于信号处理的方法和基于知识的方法。
1.1基于解析模型的故障诊断方法基于解析模型的方法是发展最早、研究最系统的一种故障诊断方法。
所谓基于解析模型的方法，是在明确了诊断对象数学模型的基础上，按一定的数学方法对被测信息进行诊断处理。
其优点是对未知故障有固有的敏感性；缺点是通常难以获得系统模型，且由于建模误差、扰动及噪声的存在，使得鲁棒性问题日益突出。
基于解析模型的方法可以进一步分为参数估计方法、状态估计方法和等价空间方法。
这3种方法虽然是独立发展起来的，但它们之间存在一定的了解。
现已证明：基于观测器的状态估计方法与等价空间方法是等价的。
相比之下，参数估计方法比状态估计方法更适合于非线性系统，因为非线性系统状态观测器的设计有很大困难，通常，等价空间方法仅适用于线性系统。
1.1.1参数估计方法1984年，Iserman对于参数估计的故障诊断方法作了完整的描述。
这种故障诊断方法的思路是：由机理分析确定系统的模型参数和物理元器件参数之间的关系方程，由实时辨识求得系统的实际模型参数，进而由关系方程求解实际的物理元器件参数，将其与标称值比较，从而得知系统是否有故障与故障的程度。
但有时关系方程并不是双射的，这时，通过模型参数并不能求得物理参数，这是该方法最大的缺点。
目前，非线性系统故障诊断技术的参数估计方法主要有强跟踪滤波方法。
在实际应用中，经常将参数估计方法与其他的基于解析模型的方法结合起来使用，以便获得更好的故障检测和分离性能。
基于Lyapunov指数的非线性模拟电路故障诊断方法
2004 年8月 JOURNAL OF CIRCUITS AND SYSTEMS August，2004 文章编号：1007-0249 (2004) 04-0071-06 基于Lyapunov指数的非线性模拟电路故障诊断方法*马红光1,2，韩崇昭1，孔祥玉1，王国华2，许剑锋2，朱小菲2（1. 西安交通大学电信学院，陕西西安710049；2.西安高科技研究所，陕西西安 710025）摘要：本文介绍一种基于计算最大Lyapunov指数的非线性模拟电路故障诊断方法，它应用混沌方法对一个变周期的多谐振荡器的输出信号进行处理，利用数据替代法生成电路故障数据，借助于小数据量法计算相应的最大Lyapunov 指数，将这种混沌特性分析应用于强非线性模拟电路的故障诊断，并对混沌时间序列相空间重构中的延迟时间间隔和嵌入维数的选取方法进行了讨论；结合实例对该方法进行了计算验证。
关键词：故障诊断；Lyapunov指数；嵌入维；时间延迟中图分类号：TN751 文献标识码：A1 引言随着电子技术的飞速发展，电子设备的组成和结构变得越来越复杂，大多数的复杂电子设备由模拟和数字电路混合构成，因此，对复杂电路可测性设计及分析的要求日益迫切，然而，现实中有关模拟电路故障诊断的理论与方法远落后于数字电路的故障诊断，主要原因是模拟电路的非线性特性、连续性和元器件的容差等因素给故障的建模分析造成诸多的不确定因素，出现了对模拟电路的设计能力远大于对其故障诊断的能力[1]。
有人曾形象地将模拟电路的故障诊断与数字电路的故障诊断做了比较：假如数字电路的故障诊断技术处于20世纪，则模拟电路的故障诊断尚处在石器时代。
由此可见，模拟电路故障诊断的理论与技术是急待发展和解决的重要研究课题。
模拟电路故障诊断是微电子技术中的一个重要课题，同时也是网络理论的一个重要课题。
早期的模拟电路故障诊断方法主要有三种：1）用网络分扯法作故障定位：即用Kron的分扯法将模拟电路构成的网络分解成若干子网络，通过检测子网络中的电流、电压与原设计网络中的电流、电压有无偏移将所有子网络分为两类：正常子网络和故障子网络；2）用伴随网络法作故障定位：根据原始网络的拓扑结构作一个伴随网络和一个故障网络，依据特勒根定律，当原始网络发生故障时，网络中的元件参数的变化值与伴随网络中的诸物理量之间具有特定的关系，在设法做出若干个独立模拟的条件下，把元件的变化值作为未知量，把原始网络和伴随网络的端口上可测的物理量作为已知量，求解故障定位方程组而得到故障所在的位置；3）用故障诊断定理作故障定位：这一方法的特点是不必知道网络中各节点的电压数值，只要知道各节点电位的涨落，在故障激励参考极性一致的条件下，判断故障在网络中的位置。
非线性故障诊断.docx
非线性故障诊断中的应用Volterra级数及其在转子系统中的应用I.摘要Volterra级数理论是一种描述非线性系统的方法。
由于充分考虑其非线性因素，Volterra级数体现非线性系统的本质特征。
本文首先简要介绍Volterra 级数的基本理论。
然后，广义脉冲响应的功能（GIRF）确定采用遗传算法（GA）。
最后，采用此方法运用于rotorbearing系统的故障诊断。
我们调查的变化GIRF 转子信号在不同的条件下运行阶段。
通过实验验证该方法的有效性。
本研究为机械系统的故障诊断提供了新的途径。
II.引言于1880年由意大利数学家维托沃尔泰拉首次提出Volterra级数。
泰勒级数的扩展，被广泛应用于Volterra级数的非线性系统的分析。
它可以用来描述一个大的类别的非线性现象GIRF，有明确的物理意义。
由于这些原因，非线性Volterra理论很快得到了很大的注意，在电气工程领域，在生物领域，作为一种强大的方法的非线性系统的建模行为。
本文尝试用Volterra级数的转子 - 轴承系统建立一个模型。
GIRF之间的变化被认为是正常和摩擦条件的转子系统在运行阶段期间。
从传统的诊断方法是基于信号处理的不同，所提出的方法确定系统通过跟踪的变化GIRF的状态。
因此，这是一个典型的基于系统模型的故障诊断方法。
GA方法和良好的识别结果，最后实现确定的GIRF。
它是一种新型的机械系统的故障诊断方法。
本文其余部分安排如下：在第2节将描述Volterra级数理论的简要回顾。
在第3节中阐述使用GA的识别方法GIRF。
在第4和5节给出的一些实验。
最后，给出结论在第6节。
Volterra级数理论在现实世界中，大部分系统是非线性的。
由于线性系统模型无法描述的非线性系统的动态特性，重要的是做一些研究非线性系统的识别方法。
Volterra级数理论[1] - [3]具有坚实的数学理论基础在非线性系统的分析中起着重要的作用。
Volterra级数描述的动态系统是一种广义的传递函数的概念，这对线性系统的分析和设计起非常重要作用。
基于解轨迹多项式分解的非线性电路故障诊断研究的开题报告
基于解轨迹多项式分解的非线性电路故障诊断研究的开题报告一、选题背景与研究意义非线性电路是大部分现代电子设备中重要的构成要素，它们的性能和稳定性对整个系统的性能和稳定性有着至关重要的影响。
然而，非线性电路的故障诊断是一个挑战性的问题，因为在现实情况下，故障往往会引起电路行为的非线性变化，从而增加了故障的复杂性。
因此，如何快速准确地诊断非线性电路故障一直是电子工程研究的热点问题。
目前，非线性电路故障诊断的主要方法是利用信号处理技术和数学模型来分析和推断故障位置和类型。
然而，传统的方法需要复杂的计算和较长的诊断时间，而且对于复杂的非线性电路，精度和鲁棒性也难以保证。
为了解决这个问题，本课题将提出一种基于解轨迹多项式分解的非线性电路故障诊断方法。
该方法可以通过分析电路的解轨迹来提取有用的特征信息，并利用多项式分解技术对故障进行定位和判断。
与传统方法相比，该方法具有准确、高效和鲁棒性强的优点，可以快速有效地诊断出电路中的故障点。
二、研究内容与方法本研究的主要内容包括以下几个方面：1. 建立非线性电路模型：根据实际电路的特征和性质，建立电路的数学模型，并将其转化为常微分方程组形式。
2. 分析非线性电路的解轨迹：通过充分利用常微分方程组的解轨迹信息，把电路行为从相空间映射到实空间中，从而获得有用的特征信息。
3. 解轨迹多项式分解：利用多项式分解的方法对解轨迹进行分析和处理，提取出电路中的异常状态和故障特征，实现对电路故障的定位和判断。
4. 验证与分析：通过实例仿真和实验验证，对所提出的方法进行评估和分析，证明其在准确度、效率和鲁棒性等方面的优势。
在研究方法上，本课题采用的是理论分析和实验仿真相结合的方法，通过对电路模型和解轨迹的分析，建立相应的分析算法和系统，并通过实验验证和分析来评估算法的性能和有效性。
三、预期研究成果本课题主要预期的研究成果如下：1. 提出一种基于解轨迹多项式分解的非线性电路故障诊断方法，该方法可以通过解轨迹分析电路的特征信息，进而定位和判断电路故障。