基于准滑模离散控制算法的旋转机械振动控制研究

为解决传统旋转机械振动控制方法内激励源振动响应性质分析不精确、振动信号分类控制准确率差等问题,引入准滑膜离散控制算法,提出了一种新的旋转机械振动控制方法。首先,对旋转机械振动形式进行分类,获取机械振动弹性转轴的弹性力;然后,采用准滑膜离散控制算法,计算旋转机械齿套振动角速度;最后,依据解调变换控制技术,全方位实现旋转机械振动控制的目标。分析实验可知,在旋转机械振动信号的网络识别准确率与振动信号分类控制的准确率方面,新的振动控制方法均高于传统控制方法,有效提升了旋转机械振动控制效率与效果,可行性较高。

基于VMD和马氏距离SVM的滚动轴承故障诊断

针对滚动轴承早期故障识别较困难的问题,提出一种基于变分模态分解(VMD)和马氏距离支持向量机(SVM)的诊断方法。首先,采用小波阀值法对原始振动信号进行去噪处理,获得有效的振动信号。其次,根据VMD分解后每个模态的中心频率大小不同,确定最终分解层数。同时,从分解后的变分模态分量中提取能量特征。最后,为了对样本间进行距离度量,将马氏距离引入SVM的高斯核函数计算中,建立了一个基于马氏距离的高斯函数核,用于支持向量机分类器。利用改进的SVM对轴承的运行状态进行识别,实验结果表明所提方法在识别轴承正常状态、内圈、外圈以及滚珠体故障时,具有较高的准确率。

飞机发动机常见故障及维修技术

主要介绍了飞机发动机的结构、工作原理以及常见的故障类型。通过对发动机的分析和研究,了解其基本的工作方式,并结合实际案例进行分析与总结,通过的研究,可以为今后从事相关工作的人员提供一定的参考依据。同时对于提高我国航空发动机维修水平也有一定意义,以期能够为以后在工作中提供一定的参考价值。

迭代辛几何模态分解的高速列车轴承故障诊断

针对传统的SGMD方法存在的端点效应抑制和分解终止约束问题,提出了一种新的信号分解算法迭代辛几何模态分解(Iteration Symplectic Geometry Mode Decomposition,ISGMD)。ISGMD在SGMD的基础上,将迭代的方法引入分解过程中,确保每个分量所提取的重构轨迹信号为独立分量,并提出了新的约束条件。ISGMD可以有效地分解时间序列信号并在没有任何定义参数的情况下消除噪声,抑制模态混叠与端点效应。数值仿真信号分析结果表明,所提出方法进行时间序列分解能够准确有效地分解分析信号。应用所提方法对高速列车轴承复合故障进行诊断,并与同类方法进行比较,结果表明所提方法可以更好地对轴承复合故障进行诊断。

基于SVDI的变工况旋转机械故障诊断方法

旋转机械设备变工况特点导致振动特征不稳定,给故障诊断带来很大困难这一问题。提出一种基于奇异值分解插值(Singular Value Decomposition Interpolation,SVDI)的变工况故障诊断方法,构建离散工况下的振动信号样本,通过奇异值分解将样本特征矩阵分解为奇异向量、旋转矩阵和特征均值,分别对奇异向量、旋转矩阵和特征均值进行插值,再重构实测工况下的特征矩阵,最后通过特征约简、模式识别方法进行故障诊断。该方法可在没有完备样本库的条件下估计出一定范围内任意工况的振动特征,能解决旋转机械设备变工况条件下的故障诊断难题。多种转速下的齿轮箱故障诊断实例证明了该方法的有效性。

基于卷积自编码器的旋转机械故障特征提取方法研究

滚动轴承作为旋转机械的关键部件,其健康状况对安全生产至关重要,对其未来健康状态以及剩余使用寿命的预测是实现故障智能诊断的主要挑战之一。为有效获得轴承退化过程,文章设计了一种改进损失函数的卷积自编码器(Convolutional Autoencode),使其可从多传感器采集的振动信号中提取轴承健康状态,避免局部信息丢失,并可得到更深层次的故障特征。同时,使用NASA的IMS数据集进行了验证和对比试验,得出本文所构建的卷积自编码器轴承健康预测模型相较于其他方法具有更准确的预测能力。

燃气轮机主轴承滚子表面裂纹分析

针对燃气轮机主轴承滚子工作表面裂纹,从故障滚子的宏观形貌、微观形貌、尺寸、硬度、能谱、金相等方面进行分析。结果表明,滚子裂纹为原材料在冶炼过程中产生的皮下气泡导致的缺陷,预防措施主要有改进冶炼工艺,加强原材料和成品涡流探伤检查。

基于动态变步长果蝇算法优化支持向量机的轴承故障诊断方法

针对果蝇算法(FOA)在优化支持向量机(SVM)参数时容易陷入局部最优而影响诊断精度的问题,对果蝇算法中固定步长这一缺点进行改进,提出了动态变步长果蝇算法(DCFOA)。利用该算法对支持向量机的参数进行优化,并对轴承的故障进行诊断,结果表明该算法获得了更优的支持向量机参数组合,相比于果蝇算法,显著提升了故障诊断精度,同时和其他一些优化算法的对比结果也表明动态变步长果蝇算法同样具有一定的优势。