基于分数阶滤波的全息阶比解调谱及齿轮早期故障诊断

为提高变速器齿轮早期故障诊断的准确性和可靠性,提出了一种基于分数阶傅里叶变换(fractional Fourier transform,FRFT)滤波的全息阶比解调谱方法。对变速器变转速过程的水平与垂直测点振动包络信号进行分数阶滤波,分离出调制频率分量,再对分离后信号进行全息阶比谱分析,得到调制分量的全息阶比解调谱,并对齿轮早期点蚀故障进行故障诊断。试验结果表明,基于分数阶滤波的全息阶比解调谱,兼具分数阶滤波分离频率变化分量的特点与全息阶比谱融合多维特征的优势,既能有效分离变转速过程的调制分量,隔离其他分量和噪声干扰,又能有效融合两个方向的关键特征信息,有效诊断出单测点单特征方法难以识别的齿轮早期故障。

基于VMD的发动机气门故障特征提取

针对柴油发动机气门间隙故障诊断中故障特征提取难、易受噪声影响、诊断准确率低的问题,提出一种基于变分模态分解(VMD)算法和排列熵相结合的柴油机故障特征提取方法。首先,采用不同算法对仿真信号进行分解和比较分析,证明VMD方法在分解非平稳信号方面的优越性;然后,利用VMD对气门故障实测信号进行分解,并用排列熵值作为依据优化选择故障分量;最后,通过时频分析和能量分析验证所选择信号的准确性。实验结果表明,提出的方法能有效提取柴油机气门故障特征。

基于CUM3-CNN的柴油机高压油路故障诊断

针对柴油机故障诊断中噪声干扰强、人工确定特征主观影响大、自动识别准确率低的问题,提出了一种利用卷积神经网络(CNN)识别振动信号三阶累积量灰度图的柴油机故障诊断方法。首先利用三阶累积量抑制高斯噪声的先天特点对缸盖振动信号进行分析,生成抑制噪声后的灰度图像,作为卷积神经网络的输入;用具有动量的随机梯度下降优化算法和学习率退火方法训练卷积神经网络,通过遗传算法优化训练参数,用训练好的网络对柴油机高压油路的5种工况进行故障诊断。试验结果表明:三阶累积量生成的灰度图像既能有效抑制噪声又能全面表现特征信息;用学习率退火方法和遗传算法改进优化的卷积神经网络有良好的泛化能力,相比于传统方法具有更高的准确率和抗噪能力。

提升部队装备建设科学发展能力的对策

针对当前部队装备建设工作中的陈旧思想认识和僵化经验做法,提出以改革创新的政治勇气和实践魄力,转变传统思维观念,从破除背离规律的思想盲点、摆脱传统的思维定势、跳出程式化的工作方法、运用转型建设的实践成果、适应信息化建设的发展需求、扭住战斗力生成的根本环节等6个方面,全面提升装备建设科学发展能力。

柴油机高压油路信号检测与分析

为提高柴油发动机工作的安全性和可靠性,防止突发事故和提高维修效率,通过检测分析柴油机燃油压力信号进行常见油路故障的不解体诊断。首先,设计柴油机燃油压力信号的采集方案,针对柴油机几种常见的油路故障,采集高压油管油压信号;然后,通过喷油时标信号截取喷油时刻近似脉冲信号;最后,通过时域和频域分析获得其能量分布、幅值变化以及特征频带等与故障有关的特征信息,提取时域和频域故障特征参数,实现柴油机油路几种常见故障的特征提取与诊断,为柴油机油路故障的早期发现和智能诊断提供技术支持。

基于VMD和一维卷积神经网络的缸压识别

为提高发动机气缸压力的识别精度,提出一种基于VMD和一维卷积神经网络的缸压识别新方法。首先采集缸盖振动信号和缸内压力信号,利用VMD对振动信号进行降噪,然后将降噪后的信号和缸压信号输入到一维卷积神经网络进行训练,最后将测试集中的振动信号输入到训练好的网络,来识别缸压信号。结果表明,基于VMD降噪和一维卷积神经网络的缸压识别精度更高。

数控车床在轴承环加工中的应用

简述了使用数控车床过程中的几个关键点的应用,及加工程序实例。