确定中心惯量主轴的几种方法

本文提出了三种确定惯量主轴的方法：一．算出惯性积并令其等于零以确定中心惯量主轴的方向．二．建立过惯量椭球上Ｐ１点的切平面方程，令切平面上过Ｐ１点的法线和ＣＰ１重合（Ｃ为质心），则ＣＰ１即为中心惯量椭球的主轴．三．求解特征方程的本征值．

基于CMSE的随钻脉冲信号提取算法研究

为了更加准确高效地提取原始随钻钻井液脉冲信号,提出了一种基于互补集合经验模态分解(CEEMD)与平波整形算法的提取算法。采用基于固定'筛'数量停止准则的CEEMD对含噪信号进行分解,以连续均方误差(CMSE)指标为理论判据,重构信号的低频分量;提出平波预处理策略改进现行的脉冲整形算法,对重构后的信号进行整形处理,即可获得准确的钻井液脉冲信号。进行了仿真分析和实验研究,结果表明,该算法可以准确提取原始脉冲信号,提高了系统的实时性,且更加符合工程实际使用要求。

滚动轴承实时智能故障诊断算法研究

为了能够对滚动轴承进行实时智能故障诊断,提出一种基于互补集合经验模态分解(CEEMD)和反向传播算法(BP)神经网络的实时智能故障诊断算法。采用基于固定'筛'数量停止准则的CEEMD方法,对采集到的滚动轴承振动信号进行分解处理,结合相关性分析及能量特征参数,构建特征向量,利用BP神经网络进行智能故障识别。该方法将210个采样点的信号分解效率提升了90倍;以CEEMD作为分解工具的算法故障识别率为100%,小波包为97.5%。说明该算法可以准确有效地对滚动轴承进行智能故障诊断,较小波包处理方法更加准确,且大大提升了算法的实时性。