矿用通风机叶片线激光测量数据优化方法研究

测量模型的提取是矿用通风机叶片几何变形检测的关键,为了提高叶片测量模型的精度,提出一种基于最小二乘准则的线激光测量数据优化方法。首先,利用卡尔曼滤波算法实时处理线激光传感器原始测量数据,提高坐标测量精度,为后续模型构建提供精准数据;然后,采用三次多项式法、三次B样条法、高阶贝塞尔法分别拟合求解三个测量模型,并基于最小二乘准则评价各模型的显著性水平,从而优选出适合通风机叶片几何特征的测量模型;最后,进行了实验研究。结果表明,采用三次B样条函数构建叶片测量模型可以获得最佳的拟合效果,其显著性评价因子最小(小于0.05),本方法通过数据优化有效提高了叶片测量模型的精度,为后续通风机叶片几何评价提供一种有效的技术解决方案。

基于2D激光技术的轴径在线精密测量方法

针对轴径测量方法在精度、可靠性和适应性等方面存在的问题,提出一种基于2D激光测量和全量程标定校准的轴径精密在线测量方法。采用2D激光轮廓传感器同步采集检验剖面的二维坐标数据,基于采集的坐标数据和最小二乘拟合算法求解被测轴的半径,基于最小区域原则优选检验剖面,采用全量程标定校准方法建立轴径测量误差模型,利用误差补偿算法实时补偿系统的非线性误差,提高轴径测量的精度。研究结果表明,该方法测量相对误差小于1%,实现了免拆卸情况下的轴径非接触、在线、高精度测量。

旋转设备故障特征提取的研究

旋转设备包括滚动轴承等设备,是工业生产中的核心设备之一,长期工作在重荷、高温等环境下,是故障发生率较高的设备类型。任何微弱故障的发生都可能会对设备的可靠运行与安全生产造成恶劣影响,因此针对旋转设备进行故障诊断研究十分重要。而对旋转设备的振动信号进行分析处理,提取其故障特征是目前对其进行故障诊断的重要途径。首先将故障特征提取方法划分为时域、频域、时频域分析和人工智能几个部分,分别详细阐述了国内外对旋转机械的故障特征提取方法,并对其基本理论与优缺点进行了分析,最后总结了各种故障特征提取方法的优点与局限性,并对故障特征提取领域未来发展趋势进行了展望,旨为研究人员带来新的启发。