提出了一种基于变分模态分解（VMD）和支持向量数据描述（SVDD）相结合的滚动轴承性能退化程度定量评估方法.针对采样时间长、采集到的信号数据点多时,信号中某些部分可能受到异常信号干扰的问题,首先提出了一种基于VMD和SVDD结合的特征提取新方法,将长信号分为多帧短信号,分别使用VMD方法分解短信号并提取各分量的奇异值组成特征向量,得到一组特征向量集,然后使用SVDD方法找到并剔除其中的异常样本点,求出剩余特征向量的平均值便可作为原信号的特征.特征提取完毕后,使用SVDD方法进行性能退化评估,以待检样本到训练得到的超球体模型球心的距离描述性能退化程度,并使用隶属函数将距离指标转化为与正常状态的隶属度作为性能退化指标,实现设备的性能退化程度的定量评估.使用轴承全寿命数据,并与以传统时域无量纲指标作为特征的分析结果进...

针对液压泵性能退化过程定量评估,提出了变分模态分解(VMD)和支持向量数据描述(SVDD)相结合的综合评估方法。利用VMD方法将信号分解成一系列不同频率成分的BIMF分量,并用SVDD方法对异常点进行剔除;使用SVDD方法对正常状态样本进行训练得到超球体模型,并计算各样本到球心的距离;再将各样本到球心的距离转化为隶属度,作为性能退化指标。通过对轴向柱塞泵滑靴磨损和松靴故障实验数据分析,验证了该性能退化评估方法的有效性。

当机械设备多故障并发时，在每个测点测得的信号往往是多个故障信号的叠加，傅里叶变换、小波变换等传统方法都难以有效地分离故障特征。为了克服上述方法的缺陷，利用基于峭度的独立成分分析算法RobustICA对复合故障信息进行分离，提取故障特征。对4种不同信号进行随机混叠而生成的混合信号进行分离，仿真验证了RobustICA算法的有效性。最后，对轴向柱塞泵出现滑靴与斜盘磨损时的复合故障振动信号进行了分离实验，达到了良好的分离效果，证明了该方法对于液压泵复合故障振动信号进行分离的有效性。

提出了一种基于变分模态分解（VMD）消噪和核模糊C均值（KFCM）聚类相结合的滚动轴承早期故障识别方法。首先提出一种通过综合运用泄漏能量和互相关系数函数确定VMD预设尺度数K的新方法，弥补了VMD方法通常按经验选取预设尺度数方法的不足；然后对振动信号进行VMD分解得到K个限带的内禀模态函数（BIMF）分量，利用归一化的自相关系数函数能量集中比大于0．9的原则确定含有噪声的BIMF分量，并剔除这些含噪BIMF分量，再将剩余的BIMF分量叠加进行信号重构，实现了信号的消噪；最后计算各样本重构信号的均方根值和归一化能量值得到二维特征向量样本集，并输入到KFCM聚类器进行故障诊断。利用实测轴承故障数据进行验证，结果表明与经验模态分解（EMD）方法相比，可以有效地实现滚动轴承早期故障诊断。

针对冷连轧机液压AGC系统轧制力的精确设定问题，提出了一种基于差分进化算法优化支持向量机的轧制力精确设定方法。该方法在支持向量机预测模型的基础上，引入差分进化算法对支持向量机的训练参数进行优化，提高支持向量机的预测精度。之后，利用海量生产数据对支持向量机进行训练并进行轧制力偏差的预测，最后将预测结果用于修正轧制力模型设定计算值。通过预测结果和实际数据的对比表明，利用该方法能够有效地提高冷连轧机AGC系统轧制力的设定精度，使设定的相对误差从单纯模型计算的15％降到6％，为进一步提高冷连轧机的设定计算精度提供了一种有效可行的方法。

提出了一种局部投影消噪和递归定量分析相结合的轴向柱塞泵故障识别方法。以轴向柱塞泵故障振动信号为研究对象,首先用局部投影消噪方法对振动信号进行消噪;其次对消噪后的振动信号绘制递归图,进而通过递归定量分析对递归图所反映出的系统动力学信息进行特征提取,选择确定率(DET)和递归熵(ENTR)2个特征构成特征向量,构成故障特征样本;然后通过核模糊C均值聚类(KFCMC)方法对训练样本进行聚类,进而依据最小欧氏距离准则对测试样本进行故障识别;最后,将递归定量分析方法和相空间复杂网络定量特征方法进行对比。结果表明,基于递归定量分析的轴向柱塞泵故障识别方法具有更高的故障确诊率。

为保证洒布车的洒布性能及工作的可靠性，以半智能型沥青洒布车液压驱动系统的核心元件——轴向柱塞泵为实验对象，对其中心弹簧失效故障的振动信号进行了分析，并提出了利用主元分析Q统计中平方预报误差的变化对该故障进行检测的实验方法。该方法首先通过滤波消噪和包络解调的信号处理方法，从包络谱图中分析出故障的特征频率，再通过小波包能量法进行特征提取，得到特征向量样本，然后利用泵正常工作样本建立的主元模型进行故障检测，最后根据中心弹簧失效三种不同失效程度的故障检测实验来验证该方法的有效性。

针对液压泵故障检测手段的不完善性、信号获取装置的不稳定性等原因造成的诊断信息不完备性，提出一种基于灰靶理论的液压系统健康状态方法。该方法首先利用小波包消噪和Hilbert变换对信号进行预处理，然后提取液压泵故障信号特征，对不同严重程度的液压泵复合故障进行分析，将信号幅值域特征作为特征向量，最后通过建立标准故障模式，利用靶心度计算确定故障等级。实验研究表明，采用灰靶理论对液压泵进行故障程度分级是有效可行的。