基于声音信号的结构损伤识别方法

随着对设备可靠性要求的提高,在生产过程中需要对关键设备的重要零部件在主要工序之后全部进行结构损伤检测,在服役过程中需要对关键设备重要零部件定期在线进行无损检测。为了克服现有的结构损伤检测方法的不足,满足工程实际的迫切需要,利用基于声音信号的结构损伤检测具有非接触测量、高效、可在线检测等优点,构建了一种基于声音信号的结构损伤识别模型。该模型的核心包括信号降噪、特征提取、基于距离评估的损伤敏感特征选择以及基于支持向量机的状态识别。将该模型应用于实验悬臂梁和铁路转辙机动作杆的裂纹损伤识别,结果表明,识别准确率均为100%,且识别过程仅需几秒,验证了该模型的有效性和可行性。

基于多尺度排列熵和支持向量机的轴承故障诊断

针对轴承振动信号非线性、非平稳性和故障特征微弱性的特点,以及工程实际中难以获得大量故障样本的情况,提出了一种基于多尺度排列熵和支持向量机的轴承故障诊断新方法。该方法首先对轴承不同运行状态下的振动信号进行多尺度排列熵特征提取,然后通过距离评估技术从原始多尺度排列熵特征中选取敏感特征,最后将敏感特征输入到采用遗传算法优化的支持向量机中,实现对轴承不同运行状态的自动识别。对实验数据分析的结果表明,该方法可以精细地获取故障信息,从大量原始特征中选择出敏感特征,有效地实现滚动轴承故障状态的诊断。