连接界面黏滑摩擦行为的非线性载荷重构方法

提出一种连接界面黏滑摩擦行为的非线性载荷重构方法。基于非线性动力学子结构建模方法,将复杂连接结构视作线性子结构和非线性连接两部分,通过虚拟非线性激励载荷进行关联。以线性子结构为研究对象,采用两次动刚度矩阵求逆的反转技术消除传递函数的病态奇异性,建立观测点自由度和非线性连接自由度之间的传递关系。考虑连接界面黏滑摩擦行为的影响,将观测的非线性动力响应进行谐波级数展开,直接辨识连接界面的局部非线性接触载荷。利用螺栓连接梁结构的数值仿真和实验结果进行验证。结果表明:重构的虚拟非线性激励载荷能够直接反映连接界面黏滑摩擦行为的影响,并且能够有效地识别螺栓连接界面预紧性能的变化。

基于支持向量机的机械故障诊断方法研究

针对因缺少大量故障数据样本而制约机械故障智能诊断发展的问题,提出了一种基于支持向量机的机械故障诊断新方法,介绍了该方法的原理和算法,并利用模拟故障数据建立了多故障分类器.这种诊断方法只需要少量的时域故障数据样本来训练故障分类器,不必进行信号预处理以提取特征量,便可实现多故障的识别和诊断.测试结果表明,当数据样本中含有26%的噪声时,故障分类器仍然能正确分类多种故障.这种诊断方法具有算法简单、可对故障在线分类和故障分类能力强的优点.

新型高速机车轴温监测系统的研究与开发

介绍了一种新型高速机车轴温监测系统 .该系统采用新型数字式温度传感器 ,利用单根串行总线传输数字信号等新技术 ,具有测温精度高、抗干扰能力强、工作稳定可靠的特点 .在SS7D型高速机车上的运行结果证明 ,该系统测温误差小于 1 5℃ ,没有误报警和漏报警现象 ,是可行的和实用的 ,能满足高速机车的要求 ,对保障高速机车的安全运行具有重要作用 .

应用粒计算的混合智能故障诊断技术研究

针对现有的混合智能故障诊断模型缺乏通用方法和混合框架,未能实现不同智能诊断方法的实质性融合和优势互补的问题,提出并构建了一种基于粒计算的混合智能故障诊断模型.该模型的核心是在邻域粗糙集中求取不同的邻域值,对故障特征集进行分层粒化,在不同粒度下获得核属性集.利用核属性集在相应粒度下构建人工神经网络和支持向量机子分类器,通过评估矩阵算法对所有粒度下全部子分类器的诊断结果进行融合集成.模型应用结果表明,分类精度随着粒度层的增加而不断提高,集成后的分类精度高于不同粒度下的所有子分类器,从而体现了粒化分层的优势和不同智能诊断方法的优势互补,为混合智能诊断提供了一种新途径.

基于支持向量机的多故障分类器及应用

针对因缺少大量故障数据样本而制约机械故障智能诊断的问题 ,本文改进了支持向量机多故障分类算法 ,依据此算法建立了多故障分类器 ,并应用于汽轮发电机组的故障诊断。应用结果表明 ,不必进行信号预处理以提取特征量 ,只需要用少量的时域故障数据样本建立故障分类器。该故障分类器可实现多故障的识别和诊断 ,并且具有算法简单。

基于支持向量机故障分类器的参数优化研究

针对基于支持向量机故障分类器的参数优化问题,讨论了以半径-间距上界(RM界)最小化为目标的支持向量机参数优化的原理,提出了一种简化算法.针对梯度下降算法计算复杂和在梯度无法求出时不能实现优化的不足,简化算法不需计算梯度,而是利用固定的迭代步长来实现核函数一个参数的优化.依据简化算法实现了二分类故障分类器的参数优化,并应用于汽轮发电机组的蒸汽激励和轴瓦松动故障的分类器中.测试结果表明,通过参数优化可提高故障分类器的分类能力.

粒计算及其在机械故障智能诊断中的应用

为了更好地揭示原发性、早期微弱以及复合故障的发生发展规律,以粒计算理论为基础,提出了基于相容粒度空间模型的智能故障诊断方法.该方法通过层次化和粒度化来表示原始数据中蕴涵的不同设备运行状态的信息,使得不同故障状态被高效地映射到粒结构的不同层次上,达到正确区分各类故障的目的.利用得到的约简属性集构建相容粒度空间模型,对电力机车轮对轴承的早期微弱故障、严重故障以及复合故障进行诊断,取得了较高的分类精度.实验结果表明,与RBF神经网络方法相比,模型有着很高的分类性能,对9类故障状态的分类准确率达到了91.11%,说明相容粒度空间模型在机械故障诊断方面具有很好的分类性能.由于约简方法可以弥补特征评估技术不能直接获得最优特征组合的不足,因此提高了模型的工作效率.

汽轮发电机组分布式在线监测与故障诊断网络系统的开发研究

以兰州西固热电厂的 4台汽轮机发电机组为监测诊断对象 ,研究开发了分布式在线监测与故障诊断网络系统 ,己应用于生产实际 ,在汽轮发电机组的运行和维修中发挥了重要作用。该文还介绍了该系统的硬件构成、软件功能、网络技术及其它们的特点 ,并给出应用实例说明了其实用性和有效性。图 5参

转辙机振动加速度的试验研究

为了评价、改进现有转辙机对工作环境振动的适应性 ,并为研制新型转辙机提供环境振动的参数 ,以适应火车高速重载的需要。本文对牵引不同道岔、不同列车通过时的几种转辙机实际振动加速度进行了测试 ,从时域和频域进行了统计、计算和分析 ,给出测试和分析结果。结果表明 ,列车通过时转辙机竖向振动加速度最大 ,最大值范围为 11～38g ,转辙机振动加速度主频在 40 0～ 80 0Hz之间。本文还建立了轮轨—转辙机的简化动力学模型 ,定性分析了转辙机安装对振动加速度的影响 ,并描述了转辙机的振型。文中测试分析得出的结果、结论和建议 ,对于评价和提高转辙机对环境振动的适应能力 。

基于数据分布的故障分类器核函数参数优化

针对基于支持向量机的故障分类器的参数优化问题,研究了基于数据分布的支持向量机核函数参数优化的基本原理,提出了一种简化算法。依据该简化算法,实现了故障分类器的参数优化,并应用于汽轮发电机组的故障分类。测试结果表明,该参数优化方法可以提高故障分类器的分类能力,具有算法简单、优化效率高等优点,但其通用性有待进一步提高。

基于状态信息的航空发动机运行可靠性评估

航空发动机是飞机的'心脏',其运行可靠性评估对保障飞行安全具有重要意义。受不同运行状况的影响,航空发动机退化程度和失效时间具有较大的离散性。针对单台航空发动机运行可靠性评估难以运用基于大样本统计的传统可靠性方法的问题,提出基于状态信息的航空发动机运行可靠性评估方法。该方法利用核主成分分析建立状态子空间,描述航空发动机状态性能的变化;计算正常状态与当前状态子空间基矢量的主夹角,利用映射函数将主夹角转化为运行可靠度。采用美国国家航空航天局提供的航空发动机全寿命仿真数据和某维修厂现场实测数据对所提出的方法进行验证,结果表明该方法能够合理地评估单台航空发动机的运行可靠性,为小样本条件下航空发动机运行可靠性评估提供有效手段。

基于提升小波包变换和集成支持矢量机的早期故障智能诊断

为了解决机电设备早期故障难以正确识别的问题,有效地提高分类的准确率,提出一种基于提升小波包变换和集成支持矢量机的早期故障智能诊断新方法。首先,该方法采用提升策略构造基于冲击故障信号特征的双正交小波,借助提升小波包变换提取信号的敏感频带特征,从而通过对敏感频带中的小波包系数进行包络解调分析检测出故障特征频率。其次,通过距离评估技术从原始信号和小波包系数的统计特征中选取最优特征集。最后,将最优特征输入到集成支持矢量机中,实现对不同故障类型的识别。将该方法应用于滚动轴承的早期故障诊断中,测试结果表明,该方法能够有效地提取故障特征,具有比单一支持矢量机更好的分类性能,故障诊断准确率更高。

大型机械设备变工况非平稳动态分析与监测诊断关键技术

介绍适用于大型机械设备变工况非平稳在线和离线动态分析与监测诊断的关键技术：小波包频带能量监测、小波包自回归谱分析、谐波小波分析、小波分形分析、广义自适应小波分析、主分量自回归谱模糊识别、小波包模糊聚类网络分类、机械设备监测诊断装置与系统等。举例说明了这些技术在工程中的应用，成功地诊断出松动、喘振、轴承缺陷、摩擦、不对中、失衡等多种机械故障。

基于支持向量机的机械系统多故障分类方法

提出了一种利用支持向量机 (SVM)对机械系统故障进行分类的新方法 ;以二值分类为基础 ,开发了基于支持向量机的多值分类器。并以齿轮的多种故障分类为例 ,进行了实际应用验证。结果表明 ,该方法具有很好的分类能力和较高的计算效率 ,不需要对原始数据进行预处理就可达到满意的效果 ,可以满足在线诊断的要求 ,适合于机械故障诊断中的多故障分类。该方法的应用 ,为故障诊断技术向智能化方向发展提供了新的途径。

基于独立分量分析的潜艇振源贡献量定量计算方法

振动噪声控制对于潜艇具有重要意义。常用的振动噪声分析方法仅分析了噪声的来源,而未对振动噪声源对总振动噪声的贡献量进行定量计算。介绍盲源分离基本模型,以及基于独立分量分析理论和聚类评价方法提高盲分离性能的改进固定点算法,并基于该算法和先验信息理论提出一种定量计算振源贡献量的新方法。通过仿真试验分析基于两种不同分离准则算法的分离性能以及振源贡献量计算结果。将该方法应用于某型号潜艇缩比模型振源贡献量的定量计算中,对比分析表明该方法具有很高的计算精度。研究结论可为振动噪声的主动控制提供可靠的依据。

小波分形技术及其在非平稳故障诊断中的应用

根据小波变换和分形理论在多尺度分析和自相似本质上的一致性 ,提出了小波分形技术 .为了克服目前离散信号盒维数计算方法的不足 ,推导出了确定周期或准周期振动信号无标度区的经验公式 ,使盒维数的改进算法具有简单、准确和实用的特点 .通过汽轮发电机组轴瓦松动故障的成功诊断案例表明 ,小波分形技术为非平稳故障诊断提供了一种有效的新技术 .

基于支持向量数据描述的机械故障诊断研究

为了解决在机械智能监测与诊断中缺少故障样本的问题,提出了一种机械故障单值分类的新方法———支持向量数据描述法.该方法只需要一类目标样本作为学习样本,而不需要其他非目标样本,就可以建立起单值分类器,从而区分了非目标样本和目标样本.将这种方法应用在机械故障诊断和状态监测中,仅仅依靠正常运行时的数据信号,而不需要故障数据,就可以监测机器的运行状态,且不需要对原始数据进行特征提取.实验结果表明,支持向量数据描述法与传统的神经网络方法相比,具有较好的分类能力和较高的计算效率.

支持向量机在机械故障诊断中的应用研究

在机械故障诊断中,通常不具备有大量的故障样本,因此,制约了故障诊断技术向智能化方向发展。而基于统计学习理论(SLT)的支持向量机(SVM)方法正好克服了这方面的不足。统计学习理论是专门研究少样本情况下的统计规律及学习方法的理论。SLT理论和SVM方法为故障诊断技术向智能化发展提供了新的途径。该文讨论了支持向量机在故障诊断领域中应用的分类算法。并以滚动轴承的振动信号为例进行了试验论证。试验表明:SVM方法对具有少样本的故障诊断领域具有很强的适应性。

多元消减约束独立分量分析及其在振源贡献量计算中的应用

为寻找机械系统的主要振源,提出一种利用多元消减约束独立分量分析(Multi-unit deflation constraint independent component analysis,MDcICA)估计振源贡献量的方法。约束独立分量分析(Constraint independent component analysis,cICA)在经典独立分量分析(Independent component analysis,ICA)算法的对照函数中利用约束的形式引入源信号先验知识,提高独立分量的精度和算法的稳定性,并能够得到独立分量和振源信号的对应关系。在cICA中引入多元消减技术,去除混合信号中每次迭代被提取的独立分量的成分。多元消减过程中混合信号能量的减少量等于被提取独立分量对混合信号的贡献量。将提出的算法引入到壳体激励试验台和圆筒结构试验台中,成功地完成了试验台机械振源的分离和贡献量的计算。

双树复小波时频构造在齿轮系装配间隙检测的应用

为优化离散小波变换在机械设备非平稳周期性故障特征提取的时频局部化能力,研究了一种时频域的双树复小波构造方法。通过调整复尺度函数滤波器的频率响应函数,获得初始滤波器的冲击响应向量,然后从时域上利用迭代优化算法增强构造结果的正交性,来进一步抑制能量泄漏,从而可在零消失矩下保证构造结果的正则性。数值仿真表明,时频域构造方法具有低能量泄漏的特性,在重型车床主轴箱齿轮系的振动信号应用中,可有效地提取由滑移齿轮装配间隙引起的微弱周期性调制特征,提取效果明显优于经典Daubechies规范正交小波,以及纯粹时域构造的双树复小波。