粒子群结合形态学滤波的滚动轴承故障诊断

针对形态学滤波方法在提取轴承故障特征过程中对滤波效果评价的不足,提出以峭度和故障特征频率能量比值组成的复合评价指标来评价,通过粒子群算法对滤波器长度L进行自适应寻优,并通过最优参数L对信号进行处理,提取出信号中的冲击成分和故障特征。通过对比可以发现该方法明显比其他方法更准确、更快速。     

基于自适应最优Morlet小波的滚动轴承故障诊断

滚动轴承早期故障信号中故障信息比较微弱常常被强噪声所掩盖,增加了对滚动轴承故障诊断的难度。针对这一问题,笔者提出了基于自适应最优Morlet小波变换的滚动轴承故障诊断方法。首先,利用粒子群优化算法对Morlet小波变换的核心参数进行自适应寻优,在获得最优Morlet小波的同时保证了良好的带通滤波性能;然后,将最优Morlet小波对滚动轴承早期故障信号进行滤波去噪,提高信号的信噪比;最后,对最优Morlet小波滤波信号进行包络谱分析,通过包络谱中的主导频率成分与滚动轴承各元件的故障特征频率对比从而判断轴承的故障位置。仿真数据和实测数据分析结果证明,笔者所提方法能够有效提取故障信号中的特征信息,具有一定的有效性。     

基于粒子群优化的形态学滤波器消噪方法

为了有效地消除信号的噪声,提出了基于粒子群优化的数学形态滤波器构造方法。首先,根据数学形态学算法的特性构造了形态学滤波器;然后,对于形态学滤波运算中的重要参数形态结构算子,采用具有全局优化性能的粒子群算法自适应选取,以最大信噪比作为整个优化过程的判定标准,从而实现了最优滤波器的构造;最后,通过仿真实验和轴承故障信号的分析表明,该形态学滤波器能够实现较好的滤波效果,可以有效地对机械设备的故障信号进行消噪。     

基于SK-NLM包络的滚动轴承故障冲击特征增强

非局部均值算法(NLM)是活跃于图像信号处理领域的一种新方法,因其良好的去噪特性,近几年来在滚动轴承故障诊断领域也开始获得应用。NLM利用样本点邻域窗口包含的局部结构为基本单元,通过对相似成分加权运算后取其平均值以达到抑制噪声干扰、突出故障冲击特征的目的。但对于强噪声条件下的低信噪比信号而言,NLM滤波效果并不理想。提出一种结合谱峭度(SK)和NLM权重包络谱的故障诊断方法,首先对原始信号进行SK分析得到最优中心频率及带宽构成最优滤波器,初步消除环境干扰及测量噪声;其次对NLM算法进行改进,不再以滤波信号为分析对象,而是直接利用NLM加权运算得到的信号样本点权值分布曲线作为预处理信号的包络信号,从权重角度使故障冲击得到二次增强,消除SK带通滤波器的带内噪声;最后对权值分布曲线进行包络谱分析,进而得到诊断结果。通过仿真信号、实验室信号及工程实际信号分析对所提方法进行了验证,并与最小熵解卷积(MED)进行了对比。     

基于ACPSO-SVDD的齿轮箱故障异常检测方法研究

针对设备关键部件异常检测中故障数据缺失以及故障程度划分问题,对齿轮箱的各种类型故障进行了异常检测研究,提出了基于自适应混沌粒子群优化的支持向量数据描述方法。该方法引入了自适应混沌理论,对传统粒子群优化算法进行了改进,增强了粒子跳出局部最优解的能力,提高了粒子群体对最优解的全局搜索能力;采用ACPSO对SVDD的惩罚因子以及核参数进行了参数寻优,并应用于齿轮箱减速器的异常检测中。研究结果表明:ACPSO-SVDD异常检测方法不仅能够对不同类型的故障异常进行准确检测,而且能够对故障损伤程度进行量化分析。     

强噪声下工程装备轴承信号的稀疏重构研究

工程装备轴承故障工况特征常被外在信息淹没,为了对故障数据有效提取,提出了粒子群寻优与稀疏重构相结合的降噪滤波方法,选取Laplace小波基进行参数寻优与字典预构,进而对轴承的振动信号进行稀疏重构.通过对实验数据施加2 dB的高斯白噪声模拟工程环境下的轴承信号,将优化的稀疏重构算法与巴特沃斯滤波器、小波阈值去噪算法进行对比.结果显示:在峰值信噪比与波形相似性等参数上,所提方法的效果更优,所得的重构信号内外圈故障特征频率与理论特征频率相接近,在充分过滤噪声后,可保留原始特征信息,为后期的故障诊断提供良好的数据基础.     

基于传感器数据融合的倾斜角度测量方法研究

倾斜角度的测量精度直接决定了状态控制系统的工作效果。在单一传感器测量倾斜角度的研究基础上,探讨了传感器数据融合技术用于倾斜角度测量的方法。首先分析基于加速度计和陀螺仪测量倾斜角度的原理,并研究加速度计和陀螺仪测量结果的频率特性;然后根据加速度计和陀螺仪测量结果的频率特性选定互补滤波器作为数据融合的方法;最后选定量子粒子优化群(QPSO)算法作为互补滤波器的参数寻优方法,并对比量子粒子优化群算法和粒子群优化算法的参数寻优效果。实验结果表明,互补滤波器可以在广泛频域范围内准确测量倾斜角度值,并且量子粒子群优化算法相对于粒子群优化算法具有更好的参数寻优效果。     

基于Hilbert谱图特征的转子故障智能诊断

提出一种基于Hilbert谱图特征的转子故障智能诊断方法。首先,通过希尔伯特-黄变换(HHT)得到反映故障信号特征的Hilbert谱;然后,利用主成分分析(PCA)对故障信号的Hilbert谱进行特征提取;最后,对得到的特征数据使用野点检测进行分类,并用粒子群优化算法,自适应获得野点检测最优参数,实现转子故障的智能诊断。使用ZT-3型转子故障试验台实验数据对此方法进行了验证,并与传统频谱特征分类结果进行比较,结果表明了此方法的正确性。     

滚动轴承故障诊断的自适应包络谱谱峰因子算法

表征滚动轴承故障特征的周期性冲击,特别是在故障早期阶段,常常被噪声和其它结构振动所淹没,从而难以辨别。共振解调被广泛用于滚动轴承故障冲击特征提取,但其滤波频带的参数选择常需要一定的先验知识。针对现有的频带优化方法的不足,本文提出一种基于包络谱谱峰因子和复平移Morlet小波滤波的自适应共振解调方法-自适应包络谱谱峰因子算法。包络谱谱峰因子(Crest factor of envelope spectrum,CE)定义为包络谱在一定范围内的最大值和有效值之比,能有效度量信号中周期性冲击强弱,结合粒子群优化算法的寻优特性,对Morlet小波滤波器中心频率和带宽参数进行优化。将包络谱谱峰因子作为适应度函数来比较不同参数组合下的滤波效果,根据适应度函数值最大原则选取Morlet小波滤波器参数。仿真信号、实验信号以及工程实际信号分析验证了该方法在共振解调最优频带选取中的有效性和优越性。     

基于柔性形态滤波和支持矢量机的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的强噪声背景以及现实中不易获取大量典型故障样本的特点,提出一种基于柔性形态滤波和支持矢量机(Support vector machine, SVM)的滚动轴承故障诊断方法。柔性形态滤波既可以有效地提取出信号的边缘轮廓和信号的形状特征,同时又具有稳健性;SVM具有良好的分类性能,特别在小样本、非线性及高维特征空间中具有较好的推广能力;SVM分类器的惩罚因子和核函数参数采用经典粒子群优化算法进行优化,避免传统方法对初始点和样本的依赖。首先对振动信号进行柔性形态滤波,然后提取滤波后信号的故障特征频率的归一化能量为特征矢量作为SVM分类器的输入参数,用于区分滚动轴承的外圈、内圈和滚动体故障,SVM分类器的参数采用标准粒子群优化算法进行优化。试验结果表明了方法的有效性。     

用遗传算法提高协同优化方法的可靠性

分析了协同优化方法可靠性不好的根源。提出了用遗传算法来替代系统级优化问题中的基于梯度的优化算法的策略。实例表明所提出的策略是可行有效的。     

蚁群优化算法研究综述

介绍了蚁群优化算法的基本原理、流程和研究现状,重点评述了近年来蚁群优化算法在组合优化和连续优化两个领域的研究现状,并展望了这一领域的研究方向。     

多工况悬架下摆臂结构优化设计方法研究

采用了多种优化设计方法,以某悬架结构为例进行了结构优化设计方法研究.通过对车辆行驶工况和对车体空间布置的分析,建立了拓扑优化可设计域和非可设计域,完成了悬架结构的拓扑优化设计,并建立了工程结构.基于强度分布与应力干涉理论,将可靠性理论和优化方法相结合,进行了可靠性优化设计.其优化结果与尺寸优化和形状优化结果进行了对比,证明了优化设计方法的有效性和可行性,为工程结构提供了一种新设计思路.     

利用双向渐进结构优化法对结构固有振型的优化

利用双向渐进结构优化法研究结构的固有振型优化问题，双向渐进结构优化法(bi—directional evolutionary struetural optimization，简称BESO)是一种拓扑优化方法，它基于这样一个简单的优化程序：从结构中一步步地删去对结构目标性能低效或无效的材料，同时增加对结构目标性能高效的材料，从而使材料布局趋于优化。文中分别采用近似重分析思路的方法和基于变分法推导的公式计算单元特征向量灵敏度，并简单阐述BESO法对结构固有振型(特征向量)进行拓扑优化的一般过程。数值算例表明，用该方法对结构固有振型的优化是行之有效的，且用变分法计算特征向量灵敏度进行优化较之近似重分析法效率更高。     

机械系统可靠性优化设计的实现策略

提出机械系统可靠性优化设计的３种实现策略：一是直接求解系统可行性优化设计整体数学规划模型的耦合优化策略;二是将单元可靠性优化设计模型和系统可靠性优化分配模型联立迭代求解的分解协调经策略;三是将单元可靠性优化分配模型分别独立求解的分散优化策略。前者适用于规模不大的机械系统的可靠性优化设计,后二者适用于规模较大的机械系统的可靠性优化设计。     

双向渐进结构拓扑优化设计研究

双向渐进结构优化法（BESO）是近年来兴起的一种懈决各类结构优化问题的数值方法。其原理是通过同时删除和增补单元,使剩下的结构逐渐趋于优化。文章提出了基于应力约束的渐进结构优化方法,与其它优化方法相比,该方法原理简单,计算效率高,工程应用方便,并通过算例证明该方法的有效性和可行性。     

DISCRETE OPTIMIZATION APPROACH FOR 3-D SPACE PLATE-SYSTEM STRUCTURE

ＤＩＳＣＲＥＴＥＯＰＴＩＭＩＺＡＴＩＯＮＡＰＰＲＯＡＣＨＦＯＲ３－ＤＳＰＡＣＥＰＬＡＴＥ－ＳＹＳＴＥＭＳＴＲＵＣＴＵＲＥ￥ＮｉｅＳｈａｏｍｉｎ；ＪｉｎＭｉａｏ（ＹａｎｓｈａｎＵｎｉｖｅｒｓｉｔｙ）Ａｂｓｔｒａｃｔ：Ａｎｅｗｎｏｎｌｉｎｅａｒｏｐｔｉｍ...     

基于应力的双向渐进结构拓扑优化设计

双向渐进结构优化法（BESO）是近年来兴起的一种解决各类结构优化问题的数值方法,其原理是通过同时删除和增补单元,使剩下的结构逐渐趋于优化。提出了基于应力约束的渐进结构优化方法,与其它优化方法相比,该方法原理简单,计算效率高,工程应用方便,并通过算例证明该方法的有效性和可行性。     

最优控制理论的现状与发展

概述了控制中的最优化方法，阐述了基本优化方法的特点以及优化方法的最新研究领域和发展趋势。     

智能优化算法在无功优化中的应用综述

对无功优化的研究现状进行了总结,对现有的无功优化算法进行了分类。重点介绍了智能优化算法在电力系统无功优化中的应用及其优缺点,在此基础上,概括了几种常用混合优化算法。最后指出了无功优化的发展趋势。