汽车制动器系统稳定性响应的不确定性和相关性分析

在制动噪声现象中,汽车制动器系统参数不可避免地存在着不确定性和相关性,使得系统响应亦可能同时存在一定的不确定性和相关性,针对该问题开展了制动器系统稳定性响应的不确定性和相关性分析研究。采用多椭球凸模型描述系统参数的不确定性和相关性,以不稳定模态阻尼比表征系统稳定性响应。将多椭球凸模型分别与蒙特卡罗仿真、一阶摄动法和二阶摄动法相结合,提出了三种系统稳定性响应的不确定性分析方法;结合蒙特卡罗仿真和一阶摄动法,分别提出了两种系统不确定响应的相关性分析方法;基于不确定性和相关性分析方法,提出了建立系统响应椭球域的组合方法。通过算例分析验证了方法的有效性。分析结果表明,所提出的方法可有效地求得系统稳定性响应的边界区间、相关系数和椭球域,并且该方法具有较高的计算精度和效率。

一种基于经验模式分解与支持向量机的转子故障诊断方法

转子系统故障诊断的关键是故障特征提取和状态识别,在故障特征提取中,采用自回归(AR)模型参数作为特征向量来分析系统的状态变化是十分有效的,但AR模型只适用于平稳信号的分析,而转子系统的振动信号表现出非平稳特征;同时在状态识别中,支持向量机(SVM)有效地改善了传统分类方法的缺陷。针对这些问题,提出一种基于经验模态分解(empiricalmodedecomposition,EMD)和支持向量机的转子系统故障诊断方法。该方法对转子系统的振动信号进行经验模态分解,将其分解为若干个固有模态函数(intrinsicmodefunction,IMF);对每一个IMF分量建立AR模型,取模型的自回归参数和残差的方差作为故障特征向量,并以此作为输入来建立支持向量机分类器,判断转子系统的工作状态和故障类型。实验结果分析表明,文中提出的方法能有效地应用于转子系统的故障诊断。

基于EMD和AR模型的滚动轴承故障诊断方法

提出了基于 EMD(Em pirical Mode Decom position)和 AR模型的滚动轴承故障诊断方法。该方法用 EMD将滚动轴承振动信号分解成若干个平稳的 IMF(Intrinsic Mode Function)分量 ,对每一个 IMF分量建立 AR模型 ,以模型的自回归参数和残差的方差作为特征向量建立 Mahalanobis距离判别函数 ,进而判断滚动轴承的工作状态和故障类型。实验结果分析表明 ,该方法能有效地应用于滚动轴承的故障诊断。

一种基于SVM和EMD的齿轮故障诊断方法

支持矢量机(Support vector machine,SVM)有比神经网络更强的泛化能力,且能保证找到的极值解就是全局最优解,同时它还较好地解决了小样本的学习分类问题。针对齿轮振动信号的非平稳特征和现实中难以获得大量故障样本的实际情况,提出了一种基于经验模态分解(Empirical mode decomposition,EMD)和支持矢量机的齿轮故障诊断方法。首先对原始信号进行经验模态分解,将其分解为多个平稳的固有模态函数(Intrinsic mode function,IMF)之和,然后对每一个IMF分量建立AR模型,最后提取模型的自回归参数和残差的方差作为故障特征矢量,并以此作为SVM分类器的输入参数来识别齿轮的工作状态和故障类型。试验结果表明,在小样本情况下仍能准确、有效地对齿轮的工作状态和故障类型进行分类。

基于EMD的奇异值熵在转子系统故障诊断中的应用

提出了一种基于EMD(Empirical Mode Decomposition)和奇异值熵的转子系统故障诊断方法。该方法首先用EMD方法分解转子系统的振动信号,得到若干个基本内禀模式函数(Intrinsic Mode Function,简称IMF),然后利用IMF分量形成初始特征向量矩阵,并对初始特征向量矩阵求奇异值熵,奇异值熵的大小反映了转子系统运行状态的差别,从而可以通过奇异值熵的大小判断转子系统的工作状态和故障类型。对实验数据的分析结果证明了该方法的有效性。

Hilbert-Huang变换在齿轮故障诊断中的应用

为齿轮故障诊断提供了一种新的途径,将Hilbert-Huang变换引入齿轮故障诊断,提出了局部Hilbert能量谱的概念,同时根据齿轮故障振动信号的特点建立了两种基于Hilbert-Huang变换的齿轮故障诊断方法:基于EMD的频率族分离法和Hilbert能量谱方法。采用EMD(Empiricalmodedecomposition)方法对齿轮振动信号能有效地将各个频率族分离;局部Hilbert能量谱可以反映齿轮振动信号的能量随时间和频率的分布情况,从而可以提取齿轮振动信号的故障信息。将这两种方法应用于齿轮故障诊断中,结果表明,基于EMD的频率族分离法和Hilbert能量谱方法都能有效地提取齿轮故障特征信息。

基于EMD的时频熵在齿轮故障诊断中的应用

提出了一种基于EMD(EmpiricalModeDecomposition)方法的时频熵齿轮故障诊断方法。首先利用EMD方法分解齿轮振动信号,然后将得到的内禀模态分量进行Hilbert变换,以得到振动信号的时频分布,将信息熵理论引入时频分布,定量描述时频平面上不同时频段的能量分布,各时频段能量分布的均匀性可以反应齿轮的运行状态的差别,从而可以通过时频熵的大小判断齿轮的工作状态和故障类型。实验证明该方法能有效的判断齿轮故障特征,为齿轮故障诊断提供了新的思路。

Hilbert-Huang变换在滚动轴承故障诊断中的应用

提出了一种新的滚动轴承故障诊断方法——基于小波系数包络信号的局部Hilbert边际谱方法,在Hilbert—Huang变换的基础上介绍了局部Hilbert谱和局部Hilbert边际谱,并将它应用于滚动轴承的故障诊断中。用小波基将滚动轴承故障振动信号分解,对高频段的小波系数用Hilbert进行包络分析得到包络信号,再对包络信号进行Hilbert—Huang变换求出局部Hilbert边际谱,从局部Hilbert边际谱中就可以判断滚动轴承的故障部位和类型。通过对滚动轴承具有外圈缺陷、内圈缺陷的情况下的振动信号的分析,说明该方法比传统的包络分析方法更能有效地提取滚动轴承故障特征。

Hilbert能量谱及其在齿轮故障诊断中的应用

将Hilbert Huang变换引入齿轮故障诊断,提出了局部Hilbert能量谱的概念,同时建立了一种基于Hilbert Huang变换的齿轮故障诊断方法:Hilbert能量谱方法.该方法首先采用EMD方法将齿轮故障振动信号分解为若干个固有模态函数(IntrinsicModeFunc tion,简称IMF)之和,然后选择包含故障信息的IMF分量进行Hilbert变换得到局部Hilbert能量谱。在局部瞬时能量图中可以发现,齿轮故障振动信号具有明显的冲击特征,从而可进一步对齿轮故障进行诊断.

基于复解析小波变换的瞬时频率分析方法

提出了利用基于复解析小波变换的瞬时频率分析的新方法。复解析小波变换将Hilbert变换与小波分析紧密结合在一起 ,具有自适应分析能力。对信号作复小波解析变换得到信号的瞬时频率 ,通过瞬时频率的功率谱分析就可提取信号特征。通过对齿轮故障振动信号的分析 ,表明该方法能有效地诊断齿轮局部故障 ,且与传统的频域方法相比具有更好的分析效果。

基于BP神经网络与柔度变化的结构破损诊断

提出了一种基于 BP神经网络的结构破损诊断方法 ,该方法以结构破损前后柔度的变化作为破损诊断的网络输入 ,为了解决由于系统响应样本数据空间分布不均匀对网络收敛速度及网络诊断的影响问题 ,对网络训练样本采用广义空间格点进行了变换 ,模拟算例及应用实例均表明 ,本文方法能准确诊断结构破损位置与严重程度 ,是一种有效的结构破损诊断方法。

基于本体的故障诊断知识管理系统研究

针对目前企业内存在的故障诊断信息分散,不易共享和重用的问题,提出基于本体的故障诊断知识管理系统模型.根据故障诊断所涉及的源知识特点,建立了结构域、测试域和故障域3个异构领域本体模型,并根据各本体之间的连接关系给出了故障树生成算法,实现知识之间的共享和重用.以4L-20/8型两级空气压缩机为研究对象,开发了基于本体的故障诊断知识管理系统,该系统能为企业用户提供更精确的知识检索和诊断决策服务,为进一步的设备智能维护提供了条件.

EMD方法在齿轮故障诊断中的应用

将EMD(EmpiricalModeDecomposition)方法应用于机械故障诊断中,提出了一个新的齿轮故障诊断方法.EMD方法基于信号的局部特征时间尺度,能把复杂的信号分解为有限的内在模态函数(IntrinsicModeFunction)之和,这种自适应的分解方法非常适于非线性和非平稳过程的分析.用该方法对齿轮故障振动信号进行了分析,结果表明该方法能够有效地降低噪声,提高信噪比,突出齿轮故障振动信号的故障特征,从而提高齿轮故障诊断的准确性.

用拟合桩顶速度响应的方法估计桩身形状

本文提出了一种基桩桩身形状识别方法。该方法将桩身划分为若干个单元，然后基于杆的一维波动方程，通过拟合桩顶瞬态激励速度响应信号识别出桩身参数及桩周土性参数。应用实例表明，本文方法能定量确定桩身缺陷的位置，延伸范围以及严重程度，是一种有效的基桩质量无损检测手段。

基于本体故障树的关键机组诊断决策研究

为了满足石化企业连续性工作设备或机组在发生故障后对故障原因进行快速定位的要求,将本体先进的知识表示方法引入到成熟的故障树研究中,提出了基于本体的故障树构建方法,并通过对生成的故障树进行定量分析,计算出故障判明效时比,以其从大到小的顺序为依据找到故障诊断最优路径,实现了本体和故障树的优势结合.该方法在知识共享和重用的基础上,实现对故障的快速诊断定位,从而提高了故障诊断效率,减少了企业的生产维护成本.

一种基于支持向量机预测器模型的转子系统故障诊断方法

提出了一种基于支持向量机回归预测模型的转子系统故障诊断方法。分别对转子系统振动信号建立支持向量机回归预测模型,利用回归预测模型对振动测试信号进行预测,计算各支持向量机回归预测模型的预测信号与真实信号的误差并计算信噪比,通过比较各预测信号的信噪比来判断转子系统的工作状态和故障类型。实验结果表明,该方法能够有效地应用于转子系统的故障诊断。

高填石路堤模型密实度动测方法的研究

通过在高填石路堤模型上的密实度动测实验,提出了用修正单模态法测试衰减系数评价压实效果的方法,并将修正单模态法与冲击响应频谱法、动刚度法做了对比。试验结果表明,衰减系数基本能够反映路堤压实过程中的平均沉降量。此外,实验还进行了附加质量法测试,其结果表明附加质量法测得的参振质量也基本能够反映填石路堤修筑压实后达到的密度,最后还给出了参振质量与高填石路堤密度之间的回归公式。

基于小波变换的时-能密度分析

能量是信号分析的一个重要物理量 ,它随时间和频率的分布反映了信号的特征。本文在小波变换的基础上提出了时 -能密度分析的新方法 ,该方法能够分析信号在不同频带内的能量随时间的分布情况 ,从而能提取信号特征。滚动轴承故障信号的仿真和实际运用都能表明时

Sobol’法在非线性隔振系统灵敏度分析中的应用研究

将基于方差的全局灵敏度分析方法—— Sobol’法引用到结构动力分析中。 Sobol’方法利用积分将函数f(x)分解成递增项之和 ,通过采样计算 f(x)总方差及各项偏方差 ,从而求得灵敏度。与目前结构动力学广泛应用的局部灵敏度分析方法相比 ,该方法具有能考虑参数的随机分布、适用于参数不同的变化范围及参数同时变化情况等特点。以线性阻尼、立方刚度的非线性被动隔振体为对象 ,用 Sobol’法计算了传递率对结构参数的一阶及总灵敏度 ,得出了软、硬弹簧和线性阻尼对传递率的影响规律 。

基于复小波变换相位谱的齿轮故障诊断

提出了一种基于复小波变换诊断齿轮故障的新方法。利用 Mexican- hat调制复小波基函数对齿轮振动信号进行连续小波变换 ,再作相位的频谱分析 ,可以突出边频带结构 ,识别不同故障模式。试验数据的分析结果表明 ,该方法适用于齿轮故障诊断 ,与传统的自功率谱方法以及基于实值小波的小波变换方法相比 ,这种方法效果更好。