一种MIMO非高斯振动的逆多步预测法

为了实现多输入多输出(multi-input-multi-output,简称MIMO)非高斯振动试验控制,提出了一种MIMO非高斯振动逆多步预测法。首先,该方法基于广义高斯分布构造零记忆非线性变换,并使用该变换生成非高斯参考信号;其次,推导系统的逆多步预测模型,将参考信号作为该模型的输入,生成试验所需的驱动信号;然后,在控制过程中分别根据控制点的功率谱密度和峭度与相应控制目标之间的误差,对参考非高斯信号进行调整,并利用逆多步预测模型对驱动信号进行更新,以实现非高斯振动控制;最后,进行三轴振动台试验。试验结果表明,该方法对功率谱与峭度都取得了良好的控制效果,验证了其可行性。     

汽车多轴振动试验台系统集成设计

汽车多轴振动台是进行汽车零部件及总成振动环境试验的重要设备,全面分析了其基本组成结构、工作原理,并就其核心控制策略、软件设计方案进行了深入阐述.     

柔性结构振动跟踪控制H∞混合灵敏度法

基于H∞混合灵敏度控制算法,提出了一种将H∞混合灵敏度控制应用于高阶柔性结构振动跟踪控制的加权函数选择方法.该方法能够快速地使输出信号跟踪到参考信号.首先,建立了振动系统的多输入多输出跟踪控制模型;然后选择合适的性能加权函数和限幅加权函数,引入了模型的不确定性扰动,给出了一种针对高阶柔性控制系统的加权函数选择方法,利用混合灵敏度H∞控制设计方法,将鲁棒反馈控制器设计转化为标准H∞控制问题求解;最后,以一悬臂梁为研究对象,完成了两输入两输出结构振动控制的控制器设计和算法仿真.仿真结果表明,针对高阶柔性结构系统设计的控制器,在保证稳定性的前提下,输出信号对参考信号的跟踪结果满足了预定指标要求.     

多输入多输出柔顺机构几何非线性拓扑优化

多自由度柔顺机构在微动精密定位和精密操作等领域有广泛的应用,柔顺机构拓扑实际上是一个几何非线性问题,因而研究多自由度柔顺机构几何非线性拓扑优化就显得十分必要.基于此,给出一种多输入多输出柔顺机构几何非线性拓扑优化设计的新方法.首先,建立增量形式平衡方程,采用Total-Lagrange描述方法和Newton-Raphson载荷增量求解技术获得几何非线性的结构响应.其次,推导描述多输入多输出柔顺机构柔性的几何增益公式和描述机构刚性的应变能公式,研究抑制耦合输出策略,给出描述输出耦合效应的计算公式,在此基础上建立考虑抑制输出耦合效应时多输入多输出柔顺机构的多目标几何非线性拓扑优化数学模型.目标函数敏度分析采用伴随求解技术,拓扑优化采用固体各向同性材料插值方法,并用移动近似算法进行迭代求解.最后,通过算例说明以上方法的正确性和有效性.研究结果表明,拓扑优化后柔顺机构可以按照预定要求运动,输出耦合现象得到了有效抑制,同时也说明了对柔顺机构进行几何非线性拓扑优化的必要性.     

MIMO随机加正弦振动试验J-阻抗复合控制算法

以多输入多输出(multiple-input multiple-output,简称MIMO)随机加正弦混合试验控制系统中信号分离方法、控制策略及试验为研究对象,提出了针对混合型振动试验的分离控制策略,采用相关积分法分离混合信号中的正弦信号与随机信号成分。推导了MIMO线性随机振动系统的反馈控制方程,提出了控制目标针对性更强的Jacobi控制算法。分析了多点正弦振动试验中存在的过修正问题,基于压缩因子修正提出阻抗控制方法,并将其与Jacobi算法共同应用于混合试验系统。以悬臂梁为试验对象,开展J-阻抗复合控制算法在两输入两输出随机加正弦混合试验系统中应用验证。结果表明,算法可以有效地抑制超标谱线,并将结果控制在容差带内,为混合振动试验控制提供有力的理论支撑。     

六自由度振动试验系统运动极限

针对六自由度振动试验系统的试验能力问题,对试验系统台面的运动极限情况进行分析.研究的振动试验系统由8个独立的电动振动台和一个台面组成,振动台和台面之间通过静压球形接头进行机械解耦.建立该振动试验系统的几何模型,采用斯图尔特平台分析方法,推导出台面位移和各振动台位移之间的关系.建立了一种优化计算方法,根据振动试验系统的参数计算出台面的极限位移,得到振动试验系统的最大试验能力;也可根据给定的试验条件要求计算出各振动台应具有的试验能力.此工作为此类型振动试验的实施提供了判断依据.     

利用DCNN融合多传感器特征的故障诊断方法

缘于多传感器信号的融合能够更加准确地诊断机械故障,针对传统浅层融合模型对复杂数据非线性映射与特征表示能力较弱的问题,提出一种利用深度卷积神经网络(deep convolutional neural network,简称DCNN)融合多传感器信号特征的机械故障诊断方法。首先,对多传感器振动信号分别进行特征提取,将获得特征向量作为一维特征面构造多传感器特征面集合,将该集合作为深度卷积神经网络的输入;其次,利用深度网络结构实现对多通道特征面的自适应层级化融合与提取;最后,由softmax回归分类器输出诊断结果。实验结果表明,该方法具有更高的故障分类与辨识能力,良好的鲁棒性和自适应性。本方法可为解决复杂机械系统故障诊断的多传感器信息融合问题,提供理论参考依据。     

激光测振方法在振动试验中的应用

研究了用速度响应完成以加速度为试验条件的振动环境试验,以及对速度信号进行数值微分的方法,分析了数值计算误差和采样参数之间的关系,编制了两输入两输出振动试验控制程序.以悬臂梁为试验对象,一个测点处用加速度传感器采集加速度响应信号,另一个测点处用激光测振仪采集速度响应信号,用速度和加速度联合控制完成给定加速度参考谱的随机振动试验.     

飞行器虚拟振动试验平台构建

针对用振动台进行飞行器振动环境试验时存在试验周期长、耗费高及易发生过试验或欠试验等问题,采用虚拟现实技术建立了飞行器虚拟振动试验平台.采用系统仿真软件LMS AMESim建立了电振动台正弦振动控制仪模型;通过多学科系统仿真软件LMS Virtual.Lab建立了振动台的多体系统动力学模型,进行了振动台多体动力学模型与电磁作动系统模型的机电联合仿真;实现了振动控制系统、电磁作动系统、振动台与试件机械系统的闭环仿真,构建了飞行器虚拟振动试验平台.利用该虚拟振动试验平台系统进行了盒式试件的正弦振动试验.结果表明,采用机电耦合建模方法构建的虚拟振动试验平台综合考虑了试件、振动台机械系统、控制系统及电气系统的耦合效应,可为飞行器的试前分析和虚拟振动试验提供试验环境.     

基于多输出支持向量回归的声发射源平面定位

为了解决直升机动部件疲劳损伤定位问题,提出了基于多输出支持向量回归算法的声发射源平面定位方法.以声发射信号的多个时域参数作为输入,破损点的平面坐标(x,y)作为输出,用支持向量回归机逼近输入输出之间的非线性映射关系,然后利用支持向量回归机的泛化推广能力,实现声发射源的平面定位.通过碳纤维材料试件断铅定位试验结果表明:该方法有效的实现了声发射源的平面定位,并且在收敛速度和定位精度上优于RBF神经网络.     

面向故障诊断的行星齿轮扭振信号测量与分析

行星齿轮箱的运行状态对直升机飞行安全非常重要。行星齿轮箱常工作在恶劣的条件下,容易出现磨损或疲劳裂纹等故障。为实现基于扭振信号的行星齿轮传动故障诊断,采用基于增量式编码器的扭振信号测量方法,分别测量了输入轴和输出轴的扭振信号,并分析对比了信号对齿轮故障的敏感性,结果表明,输入轴信号较输出轴信号能更准确地诊断故障。分析比较了负载对信号的影响,认为在重载情况下输出轴扭振信号比输入轴扭振信号对故障特征更加敏感。     

短路条件下变压器振动特性研究

利用振动法对运行中的变压器进行诊断是一种新的趋势,但是到目前为止,振动法的效果仍然不够理想。变压器表面振动信号比较复杂,如何得到一个能正确反映实际振动的模型是研究的关键,针对如何简化模型的问题,提出了短路条件下变压器油箱表面的振动模型,该模型基于振动的产生和传递过程。该模型的参数由单相短路实验得到的数据计算得到。利用得到的模型,只需要根据输入电流值即可计算振动估计值。最后,采用三相短路实验验证了模型的正确性。实验结果表明,估计信号和实测信号基本一致,利用简化的绕组模型和传递模型是完全可行的。     

永磁型电主轴多频率振动的主动控制

为了有效抑制由砂轮质量不平衡及外部干扰引起的永磁型电主轴转子系统砂轮端的多频率成分振动,在无轴承永磁电机径向磁悬浮力产生原理的基础上,提出了一种基于最小方差快捷分块(FBLMS)的自适应滤波的永磁型双绕组电主轴柔性转子系统砂轮端多频率成分振动的主动控制方案。首先研究了双绕组永磁型电主轴结构及工作原理和径向控制力的模型,借助有限元法建立了永磁型电主轴柔性转子系统的动力学模型,分析了控制电流的不同成分对永磁体涡流损耗及电机定子铁损的影响,设计了永磁型电主轴柔性转子系统砂轮端多频率成分振动的主动控制系统,结果表明,提出的永磁型电主轴柔性转子系统砂轮端多频率成分振动控制方案具有明显的控制效果。     

基于粒子滤波与负向选择算法的GIS设备故障检测

为了及早发现故障合理安排设备检修计划，提出一种基于粒子滤波与负向选择算法的GIS故障检测方法。首先，选取GIS设备金属外壳振动信号分形维数作为特征变量，有效削弱了设备负载变化对外壳振动的影响。同时，基于粒子滤波及支持向量回归算法处理设备正常状态下的振动信号分形维数特征样本，建立GIS设备振动特征估计器。将实时测量的振动特征输入特征估计器，计算估计器输入值与输出值之间的残差并作为检测指标。最后，利用负向选择算法处理正常状态下检测指标数据，间接获取GIS故障状态下检测指标区间，进而实现设备故障的检测。通过对现场实际测量数据的仿真分析，验证了所提方法的可行性。     

ICA在航空发动机振动信号盲源分离中的应用

研究了基于独立分量分析(independent component analysis,简称ICA)的发动机振动信号盲源分离技术,旨在将发动机振动信号按照不同的激振源进行分离。首先阐述了基于最大信噪比的盲源分离算法原理,通过对仿真信号进行分离,判断了分离输出信号与仿真信号的一致性,验证了该算法的可行性;然后将该算法与FFT分离法相结合,应用于某型双转子航空发动机高、低压转子实测振动信号盲源分离中,取得了很好的分离效果,表明应用ICA技术建立的基于最大信噪比的盲源分离算法具有迭代次数少、计算复杂度低、效果好及稳定等优点。     

基于CMAC网络的主动隔振控制技术

针对主动隔振系统存在非线性,提出一种基于CMAC神经网络控制器的主动控制方法。由于系统的次通道使得控制器参数无法直接利用振动误差信号来调整,提出一种改进的同时扰动自适应算法,并证明该算法在数学期望上是一种随机梯度法。针对系统的非线性情况进行了仿真和试验研究,结果表明:与传统的FXLMS自适应前馈控制方法相比,所提出的方法对于存在非线性的周期性振动的隔振效果明显。     

基于摩擦纳米发电机的自供能低频振动传感器研究

设计了一种基于摩擦纳米发电机(Triboelectric nanogenerator, TENG)的自供能低频振动传感器(Low-frequency sensor, LV-TENG)，结合TENG发电理论和电学仿真阐明了该传感器电信号产生的基本原理，证明了LV-TENG在无需外接电源情况下即可实现对二维振动的监测。COMSOL软件仿真分析表明，基于TENG独立层工作模式，当带电聚四氟乙烯(PTFE)小球振动时，两侧电极输出电信号与小球振幅存在较强的线性关系。通过传感器振动特性试验，定量分析了不同振动角度下LV-TENG输出电信号与外部振动参数之间的关系。根据输出电信号特征量，所设计的LV-TENG可实现振动状态的精准判断。     

基于多特征参数和概率神经网络的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的非平稳特性,提出了一种基于多特征参数和概率神经网络的滚动轴承故障诊断方法。首先利用经验模态分解（EMD）方法将采集到的滚动轴承原始振动信号分解为有限个固有模式函数（IMF）之和,然后提取表征故障信息的若干个IMF的能量、峭度和偏度作为概率神经网络的输入参数来进行故障分类。试验结果表明,该方法可以准确、有效地识别滚动轴承的工作状态和故障类型,是一种可行的滚动轴承故障诊断方法。     

Vibration component separation by iteratively using stochastic resonance with different frequency-scale ratios

It is well-known that stochastic resonance (SR) is mainly used for signal denoising and weak signal detection. In this paper, we firstly find the frequency range selection characteristic (filtering characteristic) of re-scaling frequency SR (RFSR) caused by the driving frequency limitation of bistable SR. It then follows that a novel approach to separate vibration components with different frequencies by iteratively using SR is explored. The frequencies of most vibration signals exceed the driving frequency limitation, thus by use of different frequency-scale ratios, the vibration signals with different frequency range can be extracted by RFSR. Firstly, a small frequency-scale ratio is used to obtain the vibration signal with a narrow frequency range, i.e. low frequency vibration. As the output of SR may have a phase lag, a simple phase-shift correction method is proposed to improve the accuracy of signal component separation. The phase-shift corrected signal of RFSR output is separated from the original vibration signal and the residue is treated as the new vibration signal. Then, increasing the frequency-scale ratio according to a searching algorithm, the vibration signal with higher frequency can be obtained by RFSR. Through this iterative process, several harmonic vibration components can be separated from the original noisy vibration signal. The proposed method, empirical mode decomposition (EMD) and Hilbert vibration decomposition (HVD) are respectively applied to analyzing a simulated vibration signal and extracting the fault feature of a rotor system. The contrastive results show that this proposed method has good frequency resolution and can successfully separate monocomponent harmonic signals from a strongly noisy multicomponent harmonic vibration signal while EMD and HVD cannot.