高速列车非平稳振动信号盲源分离方法及应用

高速列车具有若干时变激励源,传统的时频分析方法只能对观测的混合振动的总体强度分布、时频域结构加以分析,不能分离出与各振源对应的信号分量从而明晰振源状态与故障特征。盲源分离是一种可行的分析方法,但由于高速列车振动信号具有时变振源数目、时变信号长度、受车速调制的变频非平稳等特征,传统的盲源分离方法不适用。为了提高高速列车非平稳信号的盲源分离效果,基于自适应滤波理论提出全局最优信噪比盲源分离新方法,并对其可分离性的判别依据进行论证。新方法的有效性经仿真计算和实测数据分析得到验证。研究表明：新方法对高速列车时变非平稳信号的盲源分离效果优于传统的基于非线性函数的盲源分离方法和基于高阶累积量的盲源分离方法。     

机械密封端面接触状态的声发射监测方法

针对机械密封运行过程中反映密封端面接触状态的工作参数(端面开启时间、膜厚等)测量困难的问题,提出基于声发射信号的机械密封端面接触状态监测方法。根据密封端面产生的声发射信号具有时变非线性且突发性强的特点,采用经验模态分解(EMD)法对原始信号进行分离提取。EMD法能够将信号分解为不同时间尺度和不同频带的一系列固有模态函数,然后根据能量分布特征对伪分量进行剔除,得到"近源"声发射信号,抽取其信号特征运用Laplace小波相关系数法实现对密封端面接触状态的准确识别。通过机械密封测试试验证明,声发射监测技术能准确地识别机械密封装置动静环之间的接触状态和摩擦形式,能够在工业现场推广使用。     

基于声发射的机械密封状态识别

为了适应声发射信号频率覆盖范围广且频率高的特点,本文使用了在S变换的基础优化而来的广义S变换,并通过对广义S变换的时频分辨率特性进行了分析,选取广义S变换的参数，使得其在20khz~1000khz 的频率范围内依然拥有1khz~2khz的频率分辨率。随后在广义S变换分析的基础上对机械密封端面的声发射信号进行滤波和特征提取,并使用GA优化的TWSVM对密封的磨损状况进行了识别,准确率达到了100%,高于GA-SVM的识别率。说明相比传统的SVM在TWSVM在模式识别上更具有优越性。     

基于声发射主轴机械密封开启状态识别技术

针对机械密封端面开启状态确定和端面开启厚度测量困难这一问题,提出基于声发射信号端面开启状态监测技术。将电涡流传感器安装在密封装置静环上,将声发射传感器安装在静环座上,分别对动静环之间端面开启状态进行内部直接测量和外部间接检测。把采集的声发射信号运用小波阈值降噪法进行降噪处理后,提取典型的小波包能量特征。建立RBF神经网络模型,将提取的小波能量特征作为模型的输入,对机械密封端面开启状态进行识别。与电涡流传感器测量结果比对表明,声发射技术能够对机械密封开启状态进行准确的识别。利用声发射识别技术,实现了对主轴机械密封油膜开启状态由"内测"到"外测"的转变,便于工业现场应用和推广。     

基于声发射和小波神经网络的机械密封状态分类新方法

采用声发射方法监测得到的复杂机械密封的声发射信号往往信噪比很低,对其工作状态进行分类存在一定的困难。提出一种基于声发射和小波神经网络的机械密封工作状态分类的方法。该方法将小波与神经网络结合,基于声发射信号时域和小波包能量分析的特征提取方法,充分利用声发射信号中的有用信息,能很好地表征机械密封的工作状态。以旋转轴用动密封装置为例,采用上述方法对其工作状态进行监测。实验证明,该方法能够有效地对复杂机械密封的工作状态或故障类型进行分类。     

数控车削加工切削力的预测研究

应用六西格玛原理对数控车削加工钛合金材料进行正交切削试验,通过采集三向切削力信号,对数据结果进行分析,找出在正交试验范围内切削用量对切削力的影响规律,并通过对数据进行因子刻画,提出了一种在缺乏切削力经验公式和检测条件下进行切削力预测的有效方法,为优化切削加工条件提供了重要依据。     

切削条件对超临界材料加工影响规律研究

将人工神经网络和因子刻画技术应用于超临界材料切削规律研究,在正交铣削试验的基础上,预测出超临界材料在不同切削条件下切削力变化及其对工件表面硬度、表面微观组织等表面质量影响规律,建立了针对不同工艺要求合理选择切削用量的模型,为优化切削加工条件提供了重要依据.     

机械设备摩擦噪声的信号测试与处理

作为当代三大主要污染源之一,噪声污染已成为一个世界性的问题并且引起了世人的关注。随着工业技术的发展,由物体摩擦产生的噪声污染也越来越严重。对摩擦噪声进行测量、研究和控制,从环境保护事业出发,是十分需要的;同时通过对摩擦噪声的信号分析,还可以深入了解摩擦机理,有助于改善摩擦条件和进行工况监测。     

机械密封端面接触状态的声发射监测研究

有效监测机械密封的端面接触状态有助于对密封失效做出早期预警。针对密封声发射信号难以降噪的问题,提出基于神经网络粒子滤波和最小二乘支持向量机的声发射建模方法。首先通过机械密封的端面膜厚测量,研究声发射能量在密封启动过程中的变化规律;接着利用人工神经网络构建信号的状态空间,再通过粒子滤波算法对状态空间滤波降噪;最后从滤波信号中提取特征,并利用最小二乘支持向量机构建机械密封端面接触状态的检测模型。实验数据证明该方法能有效实现机械密封端面状态的无损检测,具有良好的工业前景。     

刀具磨损早期故障智能诊断研究

针对刀具的早期故障监测中因存在强烈的背景噪声而难以提取故障特征的问题,提出了基于二次采样随机共振消噪和B样条神经网络智能识别的故障诊断方法。首先利用在随机共振过程中,噪声增强振动信号的信噪比特性,将刀具振动信号进行随机共振输出,提取有效特征,再输入到B样条神经网络进行智能识别,进而获得刀具的磨损值。同时,为了得到与输入信号最佳匹配的随机共振参数,提出了基于遗传算法的多参数同步优化的自适应随机共振算法,克服了传统随机共振系统只实现单参数优化的缺点。实验结果表明,该方法能实现弱信号检测,能有效地应用于刀具磨损故障诊断中。