基于多加速度传感器的动态检重秤抗振方法研究

针对检重秤测量过程中受振动干扰影响严重的问题,提出一种基于外部输入非线性自回归模型(NARX)的动态神经网络系统辨识的抗振新方法。通过加速度传感器的冗余分布,对检重秤系统的振动特性进行估计,结合空载传送情况下称重传感器由振动干扰产生的误差,利用动态神经网络对振动干扰信号进行自动辨识,建立振动信号分析模型,用以匹配消除动态检重信号中的振动扰动。在共振状态下,与滑窗滤波、自适应陷波等传统抗振方法进行的仿真与测试实验对比,证明基于多加速度传感器的动态称重抗振性能更优,最终实现运行速度达2 m/s,最大秤量200.0 g,满足国家标准《GB/T 27739-2011自动分检衡器》XIII级要求的检重秤搭建。     

微机械加速度传感器性能的等效电学模拟

建立了微机械电容式加速度传感器的等效电学模型,通过振动特性的等效电路模型分析了加速度传感器对正弦加速度信号,阶跃加速度信号,及存在反馈时的直流加速度信号的振动位移响应情况;利用压控电容模型分析了加速度传感器检测正弦加速度信号时的小电容检测电路的性能。模拟结果表明采用反馈可以拓宽加速度传感器的测量范围,利用等效电学模型可以优化接口电路的整体性能。     

用模型输入方法控制柔性臂的振动

采用模型输入控制方法进行柔性臂残余振动控制研究,在对实际实验系统建模和仿真的基础上,进行了实验研究,采用压电加速度传感器和集成半导体激光与光敏位置传感器测量振动信号,结果表明模型输入控制方法可以有效控制柔性臂运行结束后的残余振动。     

神经网络加速度传感器在振动压实中应用研究

在车载式振动压路机压实度检测中利用加速度传感器对信号的检测,由于加速度传感器受自身性能、安装位置、方向、土壤压实度和振动压路机振动轮振动量等随机性、不确定性和模糊性的环境因素的影响。使得加速度传感器的信号输出是一种典型的非线性系统。RBF神经网络因具有较强的自组织性、自学习能力和自适应性等优势,更适合对加速度传感器的输出进行仿真与预测。基于Matlab程序建立了加速度传感器的神经网络模型,通过神经网络的优势性能对加速度传感器在信号检测中进行预测。     

积分补偿随机共振在盾构机轴承故障检测中的应用

针对盾构机轴承早期故障微弱信号难以检测识别以及小参数随机共振系统难以检测大参数输入信号的问题,提出了一种积分补偿法调节大参数以实现随机共振。首先利用积分补偿的方式将输入大频率信号频率乘以二倍圆周率得到补偿系数;其次对小频率参数系统进行相应的积分补偿,即对模型中的非线性方程进行变换并乘以补偿系数,抵消阻尼对输入信号的衰减作用,并由积分补偿方程建立新的非线性共振系统模型;最后将高频信号输入新建立的系统模型产生随机共振动态响应,并对其进行FFT变换,获得输出信号的故障信息。由此通过对振动加速度传感器采集的轴承径向振动信号分析,可以有效获得轴承故障特征频率,仿真与实验验证了理论方法的正确性。     

基于ARM架构的多通道振动信号采集与故障诊断系统设计

针对传统采集模块动态范围小、采样精度低、采样通道少等问题，设计了一套基于ARM架构的多通道振动信号采集与故障诊断系统。该系统硬件部分由STM32核心控制单元、压电式加速度传感器、信号调理模块和A/D转换模块组成，软件部分采用Visual Studio进行上位机设计。传感器采集振动信号数据，经A/D转换后传输至STM32微控制器，STM32通过网口模块将数据发送至PC。将振动信号通过传感器采集上来，对振动信号小波去噪然后进行时域和频域分析，分析获取传感器信号特征，根据振动信号振幅的有效值以及振动信号的频谱来实现故障诊断。并与普通得数据采集卡做了误差对比，实验结果表明：本文设计的系统可以达到97 dB的大动态范围信号采样，精度更好，有良好的实际应用价值。     

皮带伸缩机动态称重数据处理优化算法研究

针对皮带伸缩机包裹传输过程中设备振动干扰等问题，提出利用粒子群(PSO)算法优化径向基(RBF)神经网络的动态称重数据处理算法。使用倾角传感器检测到的称重段三轴加速度信号，与称重传感器检测到的包裹动态质量信号一起作为特征变量，通过低通滤波处理后，分别输入到RBF以及优化的PSO-RBF预测模型中。与前述各阶段数据处理结果相比，优化后的PSO-RBF算法的预测结果相对误差更小。在验证中，分别取1、5、10 kg等载荷下的测量数据进行预测，该优化算法预测结果的误差均在0.9%以内。     

基于多传感器数据融合和深度残差收缩网络的轴向柱塞泵故障诊断

为了解决单传感器振动信息不能全面表达柱塞泵故障特征信息的问题，提出了一种基于多传感器数据融合深度残差收缩网络学习的轴向柱塞泵故障诊断方法。首先，采用多传感器对振动信号进行采集，完善振动信号的故障特征信息。其次，针对振动信号的非平稳、非线性等特征，提出基于多元多尺度散布熵的多通道融合方法，获取一维故障特征向量，从而达到增强故障冲击特征的目的。然后，将故障特征向量输入到深度残差收缩网络模型，通过注意力机制，利用软阈值函数降低样本噪声及无关特征干扰，实现轴向柱塞泵故障特征识别。最后，通过轴向柱塞泵故障诊断试验验证所提方法的有效性。试验结果表明，该方法可有效提取振动信号的故障特征，识别正确率明显高于典型的深度学习方法。     

基于预测误差法的加速度传感器动态模型参数辨识

加速度传感器动态模型对研究与分析加速度传感器的动态特性与动态误差补偿具有重要作用。针对加速度传感器动态模型的参数辨识,提出了一种基于预测误差法的加速度传感器动态模型参数辨识方法,该方法将加速度传感器的状态空间模型转化为线性带外生输入的自回归滑动平均(ARMAX)模型,获得其最优一步预测输出的表达式,并通过求解加速度传感器最优一步预测输出极小化误差准则函数,实现加速度传感器动态模型参数的最优辨识。实验结果表明,该方法有效地实现了加速度传感器动态模型的参数辨识,所得加速度传感器动态模型具有较高的精度,能描述加速度传感器的动态特性。     

轿车电动座盆振动测试系统研究

提出基于加速度传感器的轿车电动座盆的振动测试系统方案,座盆在设备上夹紧后,采用大功率直流电源通过接触器给座盆电机供电,用PLC控制接触器的通断和电机的供电电流方向,使座盆能够在水平、垂直、仰角三个方向上进行正反转,在座盆运动前将加速度传感器紧贴与座盆滑轨下方正中位置.在座盆运动过程中采集加速度传感器的信号,并用LabVIEW编程软件对信号进行处理,从而获得滑轨振动的峭度、峰值、峰峰值、均方根幅值等参数,将这些参数与要求的合格范围进行比较判断合格与否.实验研究表明:系统的振动动态检测范围0-120dB,分辨率为0.0005g,并可以长期稳定运行.     

调谐质量阻振变刚度控制器设计及其效果研究

提出了一种新的变刚度半主动控制方法,输入随机波面特征信息,得到平台甲板加速度响应谱,经计算机处理后得到实时控制信号。达到控制装置对系统最优状态的跟踪。给出基于调谐质量阻尼器变刚度半主动振动控制的控制器设计方案,验证了以平台甲板加速度信号为输入时控制系统对平台振动的抑制效果,该控制方案可克服数据处理系统和作动器的延时带来的系统稳定性问题。计算结果表明,平台甲板加速度振动控制效果可达20％以上。该方案具有实用前景。     

基于微机电惯性传感器的四足机器人姿态检测

提出了一种基于微机电惯性传感器的四足机器人姿态检测系统和方法,由加速度传感器和角速度传感器模块组成,经数据计算可获取静态姿态、动态加速度、静态欧拉角和动态欧拉角检测等。对加速度传感器和角速度传感器参数标定和信号调理,建立了四足机器人姿态检测模块的硬件系统。通过在四足机器人上进行了姿态检测模块的测试,表明该姿态检测系统能有效检测到四足机器人的关键姿态特征量,为四足机器人的姿态稳定性控制提供设备保障。     

动态秤安装环境振动测试与隔振系统设计

动态秤是现代智慧物流的关键设备,能够在分拣包裹或货物的同时对它们进行动态称重。因节约空间和物流产线功能实现的需求,物流分拣线中的动态秤多与传送模块一同安装在单层或多层钢架平台上。传送电机在启动和服役过程中会不可避免地产生振动,振动通过钢架平台传递至动态秤,严重影响动态秤的称重精度,降低动态秤的工作效率。该文详细阐述了物流分拣线中动态秤支脚处安装环境振动的测试方法,分析了振动频谱信息;针对现场测试的振动信号,创新设计了动态秤隔振系统,建立了动态秤-隔振系统二自由度振动数学模型,并获得了动态秤称重传感器相对位移响应的幅频响应关系,评估了隔振系统对钢架平台振动的隔振效果,发展了动态秤安装环境振动控制方法。该文为控制环境振动对动态秤的影响,提高动态秤的称重精度和运行效率提供了理论基础和技术支持。     

机械故障信息监测MEMS高频加速度传感器

结合机械故障信息监测的需求,将微机电系统(micro electro-mechanical system,简称MEMS)传感器技术引入到机械装备的振动测量中,介绍了压阻式MEMS加速度传感器的检测原理、结构设计、微加工工艺及其关键技术。以"小变形-大应力"为敏感结构设计思路,研制了梁膜结构、孔缝双桥结构以及复合多梁结构3种高频加速度传感器,以满足高速制造装备的振动信号监测对传感器的需求。通过静态、动态性能测试实验可以看出,3种结构均在一定程度上提升了传感器的测量性能,实际测振实验也说明所研制的MEMS加速度传感器具备了装备振动信号检测所需的功能。具有微型化、低成本以及可大规模生产潜力的MEMS传感器的发展为高端机械制造装备的发展提供了新的器件支持,推动主轴部件等的智能化、一体化发展。     

基于优化CNN与信息融合的地铁牵引电机轴承故障诊断

针对在单一传感器下轴承故障识别率低的问题,提出一种基于优化CNN与信息融合的地铁牵引电机轴承故障智能检测方法。首先,选取NU216轴承为研究对象,预制故障缺陷;然后,采用正交试验法设计试验方案,采集NU216轴承的振动信号和声发射信号;其次,将原始数据通过连续小波变换,分别提取轴承的振动和声发射信号的时频域特征,并将2类单通道数据进行融合,得到双通道融合数据集;最后,将得到的3类数据集分别划分为训练集和测试集,输入优化后的卷积神经网络模型进行训练、测试。试验结果表明,基于振动信号的故障诊断准确率为95.76%,基于声发射信号的故障诊断准确率为92.33%,基于融合信号的故障诊断准确率为98.59%。     

基于动态压力信号的管道泄漏检测技术研究

本文提出基于压电传感器信号特征的管道泄漏检测方法。比较了基于压电传感器和压力传感器的管道泄漏检测的优缺点，介绍了基于压电式动态压力变送器的管道泄漏检测的系统结构、压电式动态压力变送器的外形特征和内部结构，分析了基于压电式动态压力变送器的管道泄漏信号的时、频域特征，给出了相应的检测和定位方法。实际应用表明，这种方法可以快速、准确地进行泄漏检测和定位，并能可靠地工作。     

NiCr合金薄膜测力传感器设计制作与力学标定

为了满足切削力信号精确测量的要求,制作了两种结构的切削力测量用镍铬合金薄膜传感器样品、可调式改良应变测试仪桥盒,进行了传感器静力学标定与实际切削力测量试验。使用DASP 36通道振动与噪声信号采集分析系统与YD-15型动态电阻应变仪进行采集与读取测量时的电压信号与应变信号,将采集的应变信号经MATLAB转换为压力应变曲线图,将传感器应变、输出电压值与其对应的理论仿真值进行对比,结果表明测量值与其误差较小,两种传感器的力学测量性能良好。     

基于惯性基准法地铁钢轨波磨检测方法研究

为了检测钢轨波磨,不同于传统波磨检测方法,在MATLAB环境下处理车辆轴箱振动信号得到钢轨波磨波形。对传统惯性基准法原理做出改进,提出一种新的信号处理计算方法。在列车轴箱上安装加速度传感器,采集北京地铁波磨轨道轴箱垂向振动加速度信号,针对轨道振动信号非平稳、非线性的特点,提出运用EMD与小波阈值去噪方法相联合对振动加速度进行降噪处理,然后设计积分器对重构振动信号进行积分,为保证检测精度,再将积分结果通过一高通滤波器。结果显示,该检测计算方法能准确有效地计算出钢轨波磨。     

基于残差胶囊网络的滚动轴承故障诊断研究

采用传统的滚动轴承故障诊断方法对时域信号进行特征提取时,过分依赖于专家知识,而且提取到的特征对故障信息表达不充分,针对这一问题,提出了一种基于残差网络和胶囊网络的滚动轴承智能故障诊断方法。首先,以原始振动信号作为输入,使用一维卷积神经网络对其时域信号进行了全局特征提取;然后,利用残差网络提取了数据的低层特征,并将其输入到胶囊网络中,进行了低层特征矢量化处理;随后,采用模糊聚类改进的动态路由方法完成了低层特征到高层特征的聚合,并进行了特征分类;最后,为了验证该方法的有效性,采用滚动轴承数据集对所提出的方法进行了试验验证,并将该方法诊断结果与其他深度学习方法诊断结果进行了比较。研究结果表明:残差胶囊网络在分类精度上达到了99.95%,并且在收敛速度方面得到了提高,通过t-sne可视化分析进一步证明了该网络模型具有自适应挖掘高层特征的能力;残差胶囊网络在滚动轴承故障诊断中具有良好的精确性和泛化性。     

自适应随机共振算法的立铣刀磨损信号检测

在对刀具磨损信号的检测过程中,强噪加工环境使得所需特征信号显得非常微弱,给提取微弱特征信号带来了难题,基于此问题提出了利用自适应随机共振算法对立铣刀在磨损过程中产生的磨损信号进行检测,用加速度传感器和力传感器采集振动信号和切削力信号,再将提取的信号进行时频域的特征值提取,以此来分别建立遗传算法和粒子群算法优化的自适应随机共振模型,最后将这两种模型都用在对立铣刀的磨损检测中。实验结果表明,遗传算法和粒子群算法均可检测出立铣刀转动频率和刀齿切入频率,以及这两种频率下所对应的立铣刀磨损信号,为日后立铣刀磨损状态在线监测系统的建立奠定了基础。