基于EEMD能量矩和改进量子粒子群神经网络的滚动轴承故障诊断

针对滚动轴承故障振动信号的非线性和周期性冲击特征,提出一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)能量矩和改进量子粒子群神经网络的特征提取方法.基于小波去噪对滚动轴承原始信号进行预处理,对重构的故障信号进行EEMD并得到多个本征模态函数分量.利用能量矩方法计算出所需分量的能量矩并归一化,将归一化后的能量特征参数作为量子粒子群BP神经网络的参数输入,根据加速度传感器信号实现滚动轴承故障诊断.分别在不同转速(载荷)下采集驱动端轴承的振动信号,获取200个训练样本和80个测试样本,并建立故障诊断模型.基于文中模型对实际滚动轴承数据进行诊断,实验结果表明,不同转速(载荷)下测试的80个样本故障诊断准确率达到100%.

OCP-60E型机械压力机隔振系统设计

由于机械压力机的曲柄滑块机构的工作特性,机械压力机在冲压过程中不可避免的会产生振动。以OCP-60E型机械压力机为例,提出了压力机的减振与抑振方法。首先建立了机械压力机振动力学模型,将其简化为一个双自由度有阻尼力学模型。然后通过控制单一变量的方法,分析不同压力机质量、安装平台质量、隔振器刚度与阻尼、地基的刚度和阻尼对压力机和平台振幅影响。最后利用优化工具对影响压力机振幅最大的隔振器刚度和阻尼参数进行优化设计,得到最优的隔振器参数。