基于分形的柴油机故障诊断技术

实测了S195型柴油机正常状态及处于不同故障状态的缸体表面振动信号，利用分形理论对数据进行分析，计算了不同工况下振动曲线样本的分形维数，将其用于描述缸体在不同状态时表现的非线性行为。结果表明，当柴油机处于不同状态时缸体振动信号的分形维数是不同的，可以将其作为故障分析与诊断的依据之一。     

基于分形理论的柴油机故障诊断分析

针对柴油机系统故障信号的分形特点,介绍了分形理论在柴油机故障诊断中的应用方法,并对关联维数计算过程中参数的选取做了详细的论述,最后通过对实际测量的发动机振动信号进行分析,结果显示,应用该方法能较准确地判别柴油机系统工作状态正常与否。     

路表不平的分形特征

介绍了分形及分形维数的基本概念,用分形方法对道路表面进行了分析,并提出了表观分形维数的概念。分析表明,道路表面具有不规则性和统计自相似性,即每一部分都可视为整体缩小尺度之后的相似形。以现有的道路表现功率谱数据为例,根据频谱方法对其分形进行计算,表明测度（功率谱）与尺度（频率）在双对数坐标上呈线性关系,即具有标度不变性,呈现明显的分形特征。道路表现越平坦,其分形维数值越高。表观分形维数结合分形维数的     

滚动轴承故障诊断及其维护

滚动轴承作为旋转机械的关键零件,对其故障诊断及维护来减小经济损失、延长使用寿命具有十分重要的意义。以故障检测确定失效模式,针对其失效模式的特点提出解决方案使轴承正常工作。同时做好滚动轴承的维护,提高其使用价值,将为机械制造业带来巨大的经济效益和低风险的保障。     

滚动轴承故障诊断技术研究

滚动轴承是机器的易损件之一.滚动轴承故障诊断的传统方法和现代方法有冲击脉冲法、共振解调法、小波分析法等.滚动轴承诊断技术的发展方向为非线性理论、现代信号处理技术与智能诊断技术的融合、信号处理技术之间的相互融合.     

滚动轴承失效的机理及故障诊断分析

由于滚动轴承的结构和使用不同,导致其失效原因的多样化。主要有装配不当、润滑不良、过载、冲击、振动、磨料或有害液体的侵入、环境温度过高或过低、材质缺陷、制造精度低和杂散电流的作用等。文章将对滚动轴承失效的机理及故障诊断进行分析。     

车削加工表面的分形特性研究

利用触针式轮廓仪对车削加工的表面轮廓进行了测量，分析了不同工艺参数对表面分形维数D和表面粗糙度参数Ra的影响。研究结果表明，分形维数D与表面粗糙度参数Ra有一定的对应关系，但线性关系并不明显，D与Ra反映了表面质量的不同方面；车削时，进给量对分形维数的影响较大，而切削速度的影响不明显；碳钢的分形维数比铝合金的要小。     

基于RBF神经网络的滚动轴承故障诊断方法

应用径向基函数(RBF)神经网络建立特征向量与故障模式之间的映射关系。采用小波包分析技术构造滚动轴承特征向量。采用脉冲放电加工技术模拟滚动轴承早期单点故障,试验结果表明,采用小波包分析和神经网络结合的方法可以准确地实现滚动轴承的故障诊断。     

基于AsyLnCPSO-SVM的滚动轴承故障诊断研究

针对时域故障诊断效率不高,而且在对SVM超参数寻优时原始PSO以及部分改进PSO容易陷入局部最小值,使得收敛效果较差的问题,提出一种AsyLnCPSO-SVM的滚动轴承故障诊断方法。提取信号的时域特征,构建故障诊断数据集,运用AsyLnCPSO-SVM模型对故障进行诊断,在诊断过程中动态调节学习因子c₁和c₂的值,使得c₁呈非线性异步递减,而c₂呈非线性异步递增,从而达到良好的故障诊断效果。实验结果表明,设计的模型具有较快的收敛性,仅需4次迭代便可收敛,并且准确率可达98.87%。     

局域波分形动力学在旋转机械故障诊断中的应用

根据局域波分解原理，分析了旋转机械常见故障信号局域波分解后的各模式分量的分形特性，提出了一种应用局域波分解和分形技术对旋转机械进行故障诊断的新方法。分析结果表明，由于不同故障的动力学产生机制不同，相应的关联维数具有明显的可分性。关联维数可作为旋转机械非线性故障的特征提取。     

分形理论在机械加工表面分析中的应用

随着分形理论的完善与发展,机械加工表面的分析研究日益广泛.笔者综述了分形维数的计算及分形理论在工程粗糙表面分析中的应用.     

分形理论在农田土壤风蚀研究中的应用现状及其展望

土壤是一种由不同颗粒组成的具有不规则形状和自相似结构的多孔介质,具有分形特征。本文在对分形理论进行简要阐述的基础上,介绍了分形理论在农田土壤风蚀研究中取得的成果,应用分形理论研究风蚀土壤的性质是一种新的途径和具有广泛代表性的方法,最后对分形理论在农田土壤风蚀研究中的应用前景作了展望。     

基于小波包能量法的滚动轴承故障诊断

阐述了故障轴承振动与信号的关系,小波包的原理以及BP神经网络的工作原理和实现过程,并以滚动轴承故障诊断为例,提取了小波包节点能量作为振动信号特征参数,并训练BP神经网络,对故障模式进行识别。结果表明,如果神经网络设计合理,训练适当,则具有很强的故障识别能力。说明利用小波包能量法和BP神经网络进行滚动轴承振动诊断是可行、有效的。     

基于EMD和Teager能量的滚动轴承故障诊断

对滚动轴承故障信号进行Teager能量谱分析是一种有效的方法,但是Teager能量算子使用对象为单分量信号.根据EMD （Empirical Mode Decomposition）能够自适应地把信号分解成单分量调制信号IMF（Intrinsic Mode Function）的特点,提出了一种基于EMD和Teager能量的故障诊断方法.通过对EMD分解出的与原信号互相关系数最大的分量作Teager能量谱分析进行诊断.分析了滚动轴承故障实验信号,并与信号的直接Teager 能量谱作了比较,验证了该方法的有效性.     

滚动轴承的振动故障诊断

轴承是机械转动中常用的零件,其工作状态的好坏直接影响整个机械车辆的正常运转,许多机械车辆的故障都与轴承有关。滚动轴承又是机械车辆中易损元件,轴承的缺陷如装配不当、润滑不良、水分和异物入侵、腐蚀都会导致机器剧烈振动和产生噪声,甚至损坏。即使在一切都正常的情况下,经过一段时间的运转,轴承也会因出现疲劳剥落和磨损而不能正常工作。     

土壤表面不平度分形特性的图像分析方法

研究了分形几何理论和图像处理技术在土壤表面不平度分形维数计算方法中的应用。利用分形几何的相关理论针对图像预处理后的表面形貌的图像数据建立数学模型,得到可以表征土壤表面不平度的分形参数。为此,共选择了3种不同耕作方式的土壤表面作为研究对象,运用自行设计的程序进行了表面分形维数的计算。结果表明:不同类型表面的分形维数相差较大,利用分形维数能够进行土壤表面不平度的有效表征,同时能对不同类型的土壤表面进行准确分类。     

半干旱草地土壤特性空间变异性与分形特征

为定量化土壤变量空间变异复杂程度,以半干旱区草地土壤为研究对象,应用分形与地质统计学理论,分析2个试验区(600 m×800 m、280 m×200 m)内的土壤含水量、电导率EC、有机质的空间变异性及其分形维数.结果显示,土壤变量的均值、标准差、变异系数,C0/(C0+C)值只能在一定程度上反映总体的变异.     

杨凌包气带深层黄土颗粒分形特性的实验研究

通过对包气带深层黄土土壤样品颗粒组成的分析,研究了土壤颗粒体积分形维数与土壤各粒级含量的关系.同时利用实测的土壤水分特征曲线,拟合得到其分形模型中的孔隙大小分形维数,最后对颗粒体积分形维数与拟合的孔隙大小分形维数的关系进行了对比研究.结果表明:体积分形维数介于2.577～2.748之间,且随包气带层深度的增加分形维数呈减小趋势;体积分形维数与0.5～0.25 mIn、0.02～0.002 mm颗粒含量呈显著负相关,与0.25～0.05 mm、＜0.002 mm颗粒含量呈显著正相关,所建立的多元回归方程拟合的体积分形维数相对误差限为0～0.42%,具有较高的精度;同一质地的颗粒体积分形维数与土壤水分特征曲线分形模型中的孔隙大小分形维数呈良好的线性关系.     

基于小波分析和BP神经网络的滚动轴承的故障诊断

提出了一种基于小波分析和BP神经网络的滚动轴承故障诊断方法,首先采用小波包对滚动轴承振动信号进行分解与重构,然后提取重构后振动信号的峭度值,将峭度值作为特征参数输入神经网络,进行故障模式识别。通过对实验数据的分析信号表明,能有效地识别滚动轴承工作状态与故障类型。