三线圈式电磁磨粒传感器结构优化及信号增强

【目的】为提高电磁磨粒传感器对微小颗粒的检测精度,对一激两感三线圈式电磁磨粒传感器感应信号的影响因素进行了研究,提出结构优化和信号增强的措施。【方法】首先建立了一激两感三线圈式电磁磨粒传感器的数学模型并对该模型进行了仿真和验证;其次对不同大小的磨粒和磨粒的不同径向位置进行了实验研究,分别得出磨粒尺寸和径向位置与输出信号的关系;最后通过有限元分析研究了不同结构参数下输出信号的变化规律,提出传感器的参数优化方案并进行验证,同时设计了传感器的屏蔽结构。【结果】结果表明,优化后的传感器输出信号的强度比优化前提高了13.75倍,可以检测到的铁磁磨粒最小直径为82.26μm,非铁磁磨粒最小直径为294.38μm.研究结果有助于提高电磁磨粒传感器对微小磨粒的检测精度。

贵阳药用植物园康复中心加固设计

本文以贵阳药用植物园康复中心项目为例,介绍了结构加固设计的整个流程。首先介绍了项目概况,然后对加固设计前采取措施、加固设计以及采取的加固措施进行了详细介绍,为相关结构设计工程师提供参考。

基于AWMMD的柴油机气缸故障特征提取方法研究

针对柴油机气缸故障诊断时的噪声干扰问题,提出一种自适应加权多尺度形态分解(adaptive weighted multi-scale morphological decomposing, AWMMD)方法,从各个缸盖表面振动信号中提取故障特征。基于三种组合算子构造一种新的组合差值形态滤波器,用于对振动信号进行多尺度分解;以Teager能量峭度作为评判指标,设计基于遗传算法的各尺度形态模式分量(morphological mode component, MMC)权值自适应分配算法,提出加权多尺度形态分解方法;将自适应权值与多尺度分解的形态模式分量进行绑定,得到优化的故障特征提取结果。仿真信号测试与柴油机故障模拟信号分析结果表明,该方法能有效抑制噪声干扰并提取故障特征。

变速机械振动信号的伪同步重采样技术——Ⅰ速度与角位置的瞬时估计方法

在机械的变速运行过程中,由于存在非平稳性,使得大部分等时间间隔采样的传统方法无法适用。利用光电编码器进行角域采样虽可以快速跟踪转速的变化,但其使用安装却要受机械装置结构的限制。为解决机械变速过程状态信号的解调和特征提取问题,本文提出了一种新的数据获取和预处理方法——伪同步信号重采样技术。该技术通过对瞬时转速和角位置的估计以及对非平稳信号的自适应重采样,获取了与转速有关的信息并应用常规的信号处理方法进行特征提取。 本文主要探讨转速和角位置的瞬时估计。计算机仿真和实验验证的结果表明,改进型三次样条函数插值可以给出足够精度的估计结果。

变速机械振动信号的伪同步重采样技术——Ⅱ滤波器设计与信号重采样

在变速回转机械信号等转角采样过程中，采样频率随着机械转速的变化而变化，同时，为防止信号频谱混迭，抗频混滤波器的截止频率必须满足采样定理。而对于伪同步信号重采样，由于重采样频率（瞬时转速）和重采样时刻均为连续时变函数，因此，信号的重采样比也应为连续时变函数。本文将探讨重采样滤波器（自适应信号滤波器）的设计问题，并给出信号重采样公式及其数字阶比谱算例。

氢泄漏稳定扩散场数值模拟与回归建模研究

研究了室外无风环境下高压储氢容器泄漏稳定扩散问题。首先应用组分传输模型以及计算流体力学软件FULENT的Realizable湍动能-耗散率(k-ε)模型对泄漏扩散过程进行模拟和数值仿真,得出了泄漏口附近稳定扩散对称面氢气浓度分布图。在此基础上,对仿真获得的扩散浓度数据,采用依次针对射流方向和射流垂直方向进行回归分析的方法,建立了10MPa压力储氢容器漏孔直径为1mm时泄漏稳定扩散场的参数模型。结果表明,数值模拟计算与理论预测的流场基本吻合,而稳定扩散场的参数模型反映了数值仿真结果,并具有一定的推广能力。

混合气体识别的响应等效性与瞬态信号正交分解模型

针对目前混合气体识别大多采用传感器稳态响应信号、基于线性混合假设或大量样本学习,而瞬态响应信号特征分析主要应用非正交分解的问题,提出一种基于响应等效性与瞬态信号正交分解的混合气体识别模型。分析金属氧化物半导体传感器对混合气体的响应特性,建立基于气体响应成分等效性假设的气体非线性混合模型,在此基础上,提出并应用一种新的正交基函数——扩展类Legendre正交基,对气体传感器瞬态响应信号进行分解;通过对正交分解系数与气体浓度的回归分析,验证二者之间的指数型关联关系,并以正交分解系数为特征参数,利用气体非线性等效混合模型对混合气体分解与辨识。实验结果表明,尽管这种混合气体识别模型仅用单一气体检测的先验知识,对混合气体的识别误差仍可达到15%以内。

军校机电工程专业研究生创新能力与综合素质影响因素分析

科技进步和军事现代化水平的提高,对军队院校机电工程专业研究生的创新能力和综合素质提出了更高的要求,本文从理论学习、学术兴趣、实践能力、军事养成、心理素质等角度,分析了影响该专业研究生创新能力和综合素质的主要因素,并对提高研究生综合能力的若干途径进行了分析和探讨。

一种自生成基函数模糊神经元故障诊断模型及其应用

在分析自生成基函数（SGRBF）模糊神经元模型基础上，提出了一种新的故障诊断网络模型及其学习算法，并将其应用到轴承、齿轮的故障诊断中，给出两个应用实例及分析结果。最后，文章将得出一定的结论。

涡轮泵实时故障检测的时间编码信号处理方法研究

为了提高液体火箭发动机涡轮泵实时故障检测的有效性,通过取消对胞元长度限制和提出新的编码计算方法,提出了一种改进的时间编码信号处理方法,并将其应用于涡轮泵振动信号的实时特征提取。通过正常和异常涡轮泵历史试车稳态过程的振动数据对该方法的稳定性和故障检测有效性进行了验证,结果表明,基于时间序列编码的信号处理方法可以有效提取故障特征,可用于涡轮泵故障的实时检测。

滚动轴承含噪声谐波信号的欠确定盲源分离方法研究

目前使用的大多数盲源分离方法都依赖于观测传感器数量大于或等于信号源数目这样一个基本假设。算法主要针对传感器数量m小于源信号数量n(欠确定)情况下旋转机械含噪声谐波信号的盲源分离问题展开研究。它在输入信号频域稀疏性假设和源信号之间线性混合假设的前提下,提出了一种势函数聚类的源数目估计方法,并对通道衰减和延时进行了计算。实验信号仿真结果证明了该方法的可行性和可靠性。

政治教育与科研相结合 提高军校博士生培养管理水平

针对军校博士研究生的思想特点,在问卷调查的基础上,分析了学业、婚恋和就业三大主要思想困惑产生的原因及其对博士生培养的影响;分别从发挥导师和导师组教师思想指导作用,解开学生心理困惑,以及发挥培养单位政治工作优势,提高思想教育效果两个方面,探讨通过政治教育与科研过程相结合,提高博士生培养管理水平的途径与方法。

基于微机电的智能振动传感器设计与实现

详细论述了一种基于微机械传感器与AT89C2 0 51单片机的智能振动传感器。该传感器可对机械振动信号进行测量、简单分析和超限报警 ,具有成本低、易操作、反应灵敏等特点 ,而且系统具有计算机通信接口 ,可通过联网构成复杂的监控系统。

《状态监控与故障诊断技术》课程改革实践与思考

针对机械状态监控与故障诊断方向研究生核心课程——《状态监控与故障诊断技术》的持续建设问题,在分析装备保障需求的基础上,从国内外相关科学研究前沿和研究生创新所需知识基础出发,结合十余年课程建设和教学经验,分析了该课程教学内容历史沿革与建设所面临的主要矛盾,介绍了最新的课程内容,并对持续改革所应采取的对策和措施进行思考。

贝叶斯网络理论及其在设备故障诊断中的应用

在分析机电设备故障诊断技术中广泛存在的不确定性和复杂关联关系的基础上 ,指出目前的故障诊断方法在处理不确定性和关联性问题时存在的局限性 ,提出了应用基于概率理论和图论的贝叶斯网络作为设备故障诊断模型具有很好前景的观点。阐述了贝叶斯网络的提出与发展、模型数学描述及研究现状 ,讨论了贝叶斯网络在故障诊断领域应用的可能方式及其应用情况。指出贝叶斯网络技术在故障诊断领域中的应用将进一步得到推广 ,提出了将贝叶斯网络广泛应用到故障诊断领域中需要解决的关键技术。

神经网络学习算法的过拟合问题及解决方法

针对反向传播学习算法及其改进算法中出现的过拟合问题 ,探讨了三种解决方法 :调整法、提前停止法和隐层节点自生成法 ,并用实例对三种方法进行了验证和比较。其中 ,调整法和提前停止法针对一个较大的网络可以解决过拟合问题 ,而隐层节点自生成法的提出既能避免过拟合问题 ,又能获得最少神经元网络结构。这三种方法有效地解决了在神经网络学习过程中的过拟合问题 ,提高了网络的适应性。它们不仅适合于函数逼近 。

参数调节随机共振在机械系统早期故障检测中的应用

随机共振是一种利用噪声使微弱信号增强传输的非线性现象,与线性方法相比能够检测更低信噪比的信号。为了准确捕捉表征机械早期故障的特征信号,在分析双稳系统参数及检测信号幅值对随机共振检测性能影响规律基础上,以输入信噪比为变量、信噪比增益为信号增强程度衡量指标,提出一种自适应调节系统参数的随机共振微弱信号检测新方法,讨论了该方法的基本原理及实现步骤。将该方法用于转子碰摩故障早期检测,结果表明该方法简单稳健、实时性好,在短数据条件下能把信噪比较低的周期信号从强背景噪声中可靠地提取出来。

基于贝叶斯网络的故障诊断策略优化方法

通过分析设备故障诊断与维修所面临的主要问题以及当前常用诊断策略存在的局限性,研究基于贝叶斯网络的故障诊断策略优化方法。提出了适合于表达诊断问题的基于故障假设-观测-维修操作节点的贝叶斯网络结构,阐述了基于贝叶斯网络的故障诊断策略优化方法的基本思想和优化算法。该方法综合考虑了多故障、有观测操作以及操作之间有依赖关系等情况。最后通过应用实例,证实了该方法在信息不确定条件下进行诊断与维修决策的有效性。

基于故障树的贝叶斯网络建造方法与故障诊断应用

文章首先指出应用贝叶斯网络模型进行设备故障诊断具有的优势,提出了由常用的故障树模型建造贝叶斯网络的方法。然后详细比较了故障树与贝叶斯网络在诊断推理和模型表达方面的特点,并以实例进行说明。

基于隐半Markov模型的故障诊断和故障预测方法研究

隐半Markov模型(HSMM)是隐Markov模型(HMM)的一种扩展形式,通过在HMM结构中加入状态驻留时间分布参数,克服了HMM假设状态驻留时间服从指数分布的不足。HSMM不仅具有较强的模式分类能力,而且能对实际问题中的状态驻留时间进行合理建模,故既可用于故障诊断,又可用于故障预测。分析了利用HSMM进行故障诊断和预测的框架;并针对传统HSMM建模算法计算量和存储空间都比较大的缺点,引入并改进了一种快速递推算法,降低了计算复杂度和存储空间要求;最后将HSMM应用于直升机齿轮箱轴承故障诊断和GaAs激光器剩余使用寿命(RUL)预测,试验结果证明了这种方法的有效性。