基于短时傅里叶变换和深度卷积神经网络的直升机齿轮箱故障诊断方法

齿轮箱作为直升机重要的传动机构,其运转的可靠性对保障直升机系统安全具有重要的作用.针对传统信号处理需要大量专家经验来识别故障类型的不便性和复杂性,为了实现直升机齿轮箱故障诊断,本研究提出一种基于短时傅里叶变换和深度卷积神经网络的故障诊断方法.首先,将采集到的直升机齿轮箱振动信号利用短时傅里叶变换绘制时频图,以提取振动信...     

基于变分贝叶斯算法和MLP网络的后非线性混合盲源分离方法研究

传统的后非线性模型往往要求其后非线性函数是可逆的,否则无法进行源信号的分离。然而在实际中,这一要求并不完全满足。针对此不足,结合变分贝叶斯推论和多层感知器网络,提出一种改进的多层感知器后非线性模型,它通过多层感知器来模拟后非线性函数,实现对不可逆后非线性函数混合的盲分离。仿真和实验结果表明该方法是有效的。     

基于Web的多机组远程监诊系统的设计与开发

基于Internet的远程监测与诊断是设备诊断技术和计算机网络技术的有机融合，是设备故障诊断技术发展的崭新阶段。本系统是在本地多机组分布式网络化状态监测与诊断系统基础上而开发的基于Internet的远程诊断系统。提出了系统的总体方案，论述了系统开发过程中所涉及的关键技术，对系统接入Internet所带来的安全问题进行了讨论。     

基于TVAR的自适应时频分析及在故障诊断中的应用

研究了非平稳信号的时变自回归（TVAR）建模方法，通过引入基函数将非平稳时变参数的辨识转化为线性时不变问题的辨识；在此基础上，应用带遗忘因子的递归最小二乘算法进行参数估计，实现了信号的自适应时频分析。通过仿真算例将该法与短时Fourier变换、Wigner分布的结果相比较，验证了该方法时频分辨率高的优越性。最后，将该方法应用于轴承的故障诊断，结果表明，该方法用于故障诊断的特征提取是有效的。     

AR模型的盲辨识及其在机械故障中的应用研究

提出了一种AR模型的盲辨识的算法，该算法与传统AR模型的辨识算法的区别在于：它可同时确定AR模型的阶次和参数，而不需事先确定AR模型的阶次或者假定AR模型的阶次已知，其特点是计算最小，具有很好的收敛性，并在此基础上，将AR模型的盲辨识方法应用到机械故障诊断中，进行了实验研究，取得了很好的效果。     

一种改进的量子旋转门量子遗传算法

量子遗传算法易陷入局部极值.为此,提出一种改进量子旋转门的量子遗传算法.将量子比特的概率幅值应用于染色体编码,使用量子旋转门实现染色体的更新操作,从而实现目标的优化求解.理论分析及实验结果表明,该算法以概率1收敛,强收敛于1-ε,与双链遗传算法相比,能增加算法复杂度,延长平均时间,对验证函数1收敛次数由3次增加到7次,对验证函数2收敛次数由8次增加到9次.     

匹配追踪方法在故障诊断中的应用研究

匹配追踪法可将信号分解成一系列时频原子的线性组合,并在每次分解前自适应地初始化时频原子的参数。本文研究了匹配追踪的原理和方法,并将匹配追踪后的分解结果与Wigner分布相结合,得到了具有高分辨率的自适应时频分布。通过仿真算例将该法与Wigner分布、小波包变换,短时傅立叶变换的结果相比较,验证了该方法的优越性。最后,将该方法应用于轴承的故障诊断,结果表明,本文方法用于故障诊断的特征提取是有效的。     

熊猫2938D,2990型数字化彩色电视机

本文介绍了猫处于９３８Ｄ、２９９０型数字化彩色电视机的功能和特点。     

基于高密度小波变换的航空发动机滚动轴承故障诊断方法

基于高密度小波变换对原始信号尺度划分更加精细的优势,将高密度小波变换、软阈值降噪和频谱分析相结合,提出了基于高密度小波变换的航空发动机滚动轴承故障诊断方法。该方法通过设定分解层数对信号进行高密度小波变换,得到每一尺度上的低频、中频、高频分量;对各分量软阈值降噪处理后进行频谱分析,进而实现故障特征频率的识别。利用仿真信号验证了高密度小波变换的有效性,通过航空发动机滚动轴承内圈故障和滚子故障工况下的试验信号进一步验证了该方法提取故障特征的能力,与传统小波变换方法的对比证明了该方法在抑制噪声干扰和故障特征频率识别方面的优势。     

经验小波变换-同步提取及其在滚动轴承故障诊断中的应用

为了准确诊断轴承故障并探究故障信号的时变特性,提出了一种基于同步提取变换（Synchroextracting Transform,SET）和经验小波变换（Empirical Wavelet Transform,EWT）的轴承故障诊断方法。对故障信号进行经验小波变换分解,把分解得到的若干个经验模态进行同步提取变换,将所有模态的SET 结果叠加即可得到EWT?SET的时频结果。仿真表明,提出的方法比传统的SET 方法有优势,能够有效解决传统SET 方法在处理瞬时频率较近的模态信号时易出现瞬时频率特征模糊的问题。把所提出的方法应用到不同损伤程度的轴承故障诊断中,实验验证了提出的方法能有效地诊断出轴承故障与损伤程度,能清晰地表示故障信号的时变特征。