转子系统不平衡-轴承耦合故障下,不平衡故障特征与轴承故障相互调制,弱故障特征易被强故障特征和强噪声成分淹没。通过稀疏表示最优参数的选取,减少稀疏重构误差,提出一种多步网格搜索优化稀疏诊断方法,进一步提高了稀疏表示算法的抗干扰能力。首先,基于多步网格搜索理论,建立多步网格搜索优化稀疏表示方法模型,实现计算精度的提高;其次,通过优化位移因子和频率因子,实现基于自适应Gabor原子字典正交匹配追踪算法的信号重构;最后,对不同信噪比的耦合仿真故障数据进行分析。结果表明,随噪声干扰增大,所提方法的抗干扰能力增强。不同实验案例进一步验证了所提方法的准确性和适用性。

针对单源信号对回转机组电机多点复合故障信息表征不充分及复合故障信号小样本问题,提出一种小样本下电机复合故障的多头卷积神经网络迁移学习模型,实现小样本下电机复合故障的多源异构迁移诊断。将动力装置中电流、振动等多源原始数据作为输入,构造超参数优化的多头卷积神经网络模型。将大样本单故障的原始数据集作为源域,构建目标域下以原始数据为输入的电机小样本复合故障迁移网络模型。将正则化惩罚项应用到迁移学习模型中,构建模型目标函数参数更新准则,实现模型对源域与目标域参数的自适应更新配适。试验结果表明:单源信息的诊断可靠性依赖于数据源的选取,多源信号的多头卷积神经网络模型可有效融合电流、振动信号并实现特征提取。通过与多个模型比对,所提方法在小样本下对电机复合故障的识别精度显著提升,且收敛时间缩

对一种液压泵在寿命服从对数正态分布时给出了失效概率的Bayes估计在引进失效信息后给出了失效概率的Bayes估计和综合估计并给出了该液压泵在无失效数据情形可靠度的综合估计.