基于声发射技术的机械密封膜厚测量

机械密封主要通过动静端面之间的流体膜来实现润滑与密封,因此须对其膜厚进行监测。针对现有监测技术难以推广到工业现场的问题,提出机械密封液膜状态的声发射监测方法。以直接测量结果指导间接测量结果,建立适于声发射技术的机械密封液膜膜厚检定模型：对信号进行经验模态分解,并通过核主分量分析优化其特征;提出基于双重人工神经网络的联级决策模型。该模型能对密封膜厚程度进行估计,且较之单一的神经网络更为准确,具有良好的工业前景。     

基于蓝牙通信的阅读视力检查仪设计

阅读视力检查广泛应用于视功能检查、低视力康复等眼科领域,国内外目前使用的纸质阅读视力表存在光照度无法定量、文字难以根据检查需要逐行显示、数据无法自动收集分析等问题,同时由于显示阅读视力表最小视标所需的像素密度极高等难点,目前还没有可以进行自动检查的仪器;针对上述问题,采用定制液晶模块,配以STM8单片机、蓝牙4.2模块,设计了具有蓝牙通信、语音识别、App控制等功能的阅读视力检查仪;检查仪具有显示效果精确、自动分析检查结果、适用性强等特点;测试结果表明,仪器符合检查标准,在视功能检查和低视力康复等眼科领域具有良好的应用前景。     

倒频谱分析在滚动轴承故障监测中的运用

对原始滚动轴承的时域信号进行傅里叶变换,然后进行二次频谱变换即倒频谱分析.得出的结果能较好地反映出周期信号中的突变.通过对轴承内圈外圈的实验信号进行分析,结果表明,该信号分析方法能对轴承的大部分故障情况有效地监测.     

基于QPSO-SVR和声发射信号的机械密封寿命预测

针对现有机械密封监测技术难以有效预测剩余使用寿命的问题,提出基于声发射特征融合的退化指标和QPSO-SVR寿命预测模型的机械密封剩余寿命预测方法。首先通过实验采集多组机械密封的全寿命数据,进行小波阈值降噪处理,从原始声发射信号中提取出能表征机械密封运行状态的特征,利用KPCA分析优化得到的声发射特征,然后通过马氏距离对得到的特征进行融合进而得到能够表征机械密封退化的指标,利用QPSO优化SVR模型参数,建立寿命预测模型。实验结果显示:基于退化指标和QPSO-SVR模型的寿命预测方法有着较好的泛化能力和较高的精度,具有良好的工业前景。     

基于虚拟仪器的滚动轴承在线监测系统

针对滚动轴承故障的多发性和重要性,依据振动加速度信号设计了在线监测系统。利用LabVIEW开发平台,结合Matlab,采用小波包络算法和模式识别技术,对振动信号进行采集和实时分析,完成滚动轴承状态的监测和故障的报警。该系统能够灵活地添加、修改监测方法,操作简便。     

QPSO-WT和QPSO-SVM在滚动轴承故障诊断中的应用

为了解决小波降噪软阈值选择非最优以及SVM算法中惩罚参数、核函数参数的设置问题,将小波变换、支持向量机分别与量子行为粒子群优化算法QPSO(quantum-behaved particle swarm optimization,)相结合,利用QPSO优化小波阈值以及优化SVM输入参数,进行全局寻优,并将之应用到滚动轴承故障识别中。实验中,QPSO-WT滤波后信号具有更高的信噪比和更低的MSE,QPS0-SVM对10种不同状态的轴承进行故障诊断,对于多分类的情况该方法的识别精确度达到了87.67%,与SVM和RBF神经网络对比,从而进一步证明了该方法的有效性,说明该方法能够满足实际工况下的故障诊断要求。