码盘偏心对编码器测量的影响

本文从莫尔条纹的测量原理出发,讨论了码盘偏心时莫尔条纹分布图样的特征。通过码盘与读数头位置的图样模型,再经由对莫尔条纹原理公式的讨论,从实际情况出发分析码盘偏心对信号稳定的影响。条纹的宽度随码盘的偏心程度的变化而变化,偏心程度越小,所读条纹越宽,占空比越大;偏心程度越大,所读条纹越窄,占空比越小。通过对三种不同型号的光学编码器进行测试,对比光学编码器输出信号的占空比范围,印证理论分析。

混沌量子粒子群算法在模型修正中的应用

混沌粒子群算法和量子粒子群算法在一定程度上改进了标准粒子群算法的搜索质量,但两者仍存在收敛速度慢、易陷入局部极小等问题。混沌量子粒子群算法将混沌搜索机制引入量子粒子群算法,提高了搜索效率和计算质量。用粒子群算法、混沌粒子群算法、量子粒子群算法和混沌量子粒子群算法对一平板结构进行模型修正,结果表明,混沌量子粒子群算法具有较高的搜索效率和避免陷入局部最优的能力,修正后的模型比单独采用混沌或者量子粒子群算法具有更高的修正精度。

基于Elman神经网络的电机故障诊断

通过Elman神经网络训练采集到的电机特征频率振动信号,建立电机故障的模型。并以转子故障为对象,在电机实验台上分别采集水平和垂直方向上的振动信号,通过放大、滤波和A/D转换后,进行频谱分析。为验证网络对故障判断的效果,对故障电机采集振动信号后,代入网络检验。验证表明该网络模型可有效识别电机常见故障。

基于参数优化变分模态分解的滚动轴承微弱故障诊断研究

为了提高变分模态分解(VMD)对滚动轴承微弱故障特征提取的准确性,提出了一种基于参数优化VMD与奇异值分量及其熵相结合的滚动轴承故障诊断方法。该方法通过寻优算法确定VMD的模态数K和二次惩罚因子α;根据余弦-标准差指标提取VMD典型本征模态分量(IMF);计算IMF奇异值及其熵,并利用计算结果分别判断滚动轴承的不同故障状态。结合美国西储大学轴承振动信号数据,实验结果表明:相比经验模态分解奇异值故障诊断方法,基于参数优化VMD奇异值故障诊断方法能更明显地识别滚动轴承的不同故障类型,为区分滚动轴承微弱故障提供了一种可行的诊断思路。