一种适合于多轴复杂传动箱的示障系统

介绍了一种多轴传动箱示障系统，该系统在微型计算机的控制和管理下，用户仅需根据对象的机械结构键入各工作零部件的参数，即能在获得实测数据后自动寻障并辅助操作者作出异常零部件及其部位指示。该系统是现场快速诊断的有力辅助工具。     

多Agent故障诊断原型系统研究

研究了多Agent故障诊断原型系统，其中着重研究了基于多Agent理论的设备诊断问题分布式任务分解与控制问题，及诊断Agent之间的协调合作问题。和其它应用领域不同，基于多Agent的诊断问题应根据诊断对象的结构和故障特征进行分布式任务分解。建立了诊断问题的任务树模型，提出了基于多Agent的诊断任务串行与并行以及混合控制策略。     

小波尺度谱在振动信号分析中的应用研究

尺度谱受Ｈｅｉｓｅｎｂｅｒｇ测不准原理的极限制约，在小尺度（高频段）的频域集中性不是很好，另外还会有干扰项的影响。这些给对尺度谱的分析带来了一定的影响。尺度谱再分配方法可在一定程度上提高尺度谱的集中性，并削弱干扰项，使尺度谱容易理解。用尺度谱和重分配的尺度谱对旋转机械的两种典型故障：转子径向碰摩、联轴节不对中的试验数据和一机组的实测数据进行了分析，和频谱分析进行了比较。结果表明尺度谱不仅能够显示振动信号的时频特征，而且能够很好的表现信号中一些能量相对较小的分量，利于提取早期故障特征。     

小波分析在应用中的两个问题研究

该文就小波分析中的能量泄漏和边界扭曲两个问题进行了深入研究,分析了能量泄漏的原因,讨论了滤波器性能和信号能量所在频段对能量泄漏的影响,以及在应用中的相应对策,对边界扭曲问题进行了分析讨论,提出了基于AR模型预测的边界延拓方法,并利用仿真和太阳黑子数据进行了对比研究。     

水轮发电机组离线式数据分析与监测系统的设计

讨论了一种新型的水轮发电机组数据采集、分析与监测系统的软件和硬件部分的设计。系统采用了自行设计的便携式数据采集箱,用它取代了原有的笔记本电脑和前置采集箱;采用双CPU系统以提高数据采集速度和数据处理能力。通过改变系统参数设置,系统可以灵活地适应不同的水机工况,便携式离线系统与传统的监测系统相比更加灵活,更利于对机组进行状态监控和巡检;针对机组的特点而设计的软件比普通的虚拟仪器更方便用户使用,系统的软件设计使用了组态这个概念。     

具有横向裂纹的转子系统耦合振动研究

利用数值方法研究了裂纹引起的转子耦合振动。采用有限元方法建立裂纹转子的模型 ,每个单元结点考虑 6个自由度 ,采用 Dimarogonas法推导了 12× 12阶裂纹轴段有限元刚度矩阵。采用数值积分方法和谱分析方法研究了开裂纹、开闭裂纹引起的转子横向、纵向、扭转耦合振动。得到了一些对转轴横向裂纹诊断有意义的结论     

基于进化计算的神经网络设计与实现

基于进化算法可有产解决神经网络设计和实现中存在的一些问题,使网络具有更优的性能。在此对基于进化计算的神经网络设计和实现的研究内容及进展情况进行综述,讲座了网络实现的关键问题,包括网络权重的进化训练,网络结构进化设计,学习规则进化选取以及进化操作算子设计等,并分析了相关的研究和发展方向。     

基于信息融合技术的发动机故障诊断的研究

研究了信息融合技术在电控发动机故障诊断中的应用。研究结果表明,基于神经网络的特征层信息融合诊断效果明显优于单一传感器,而且可实现信息压缩,进行实时处理与诊断;基于Dempster-Shafer证据推理的决策层信息融合,可对异质传感器信息进行非同步处理,对发动机故障分类准确性高、可靠性强,但融合精度不及特征层融合方法,预处理代价高。在实际应用中,应根据传感器类型、信号预处理方式、系统的复杂程度等合理选择信息融合方法。     

基于双参数方法的诊断规则不确定性问题研究

提出规则蕴含的因果关系、充分性和必要性等不确定性规则的相关概念以及需要解决的规则不确定性问题，在此基础上介绍基于双参数的不确定性诊断规则的表示形式，进一步说明了规则条件参数计算方法和规则不确定参数的获取方法。与已有重要的不确定性知识的数值处理方法进行比较表明，该方法能够表示具有复杂不确定性加权关系的诊断规则，并且能够根据规则的约束条件通过数值计算获取规则的不确定性相关参数。实际应用结果表明，基于双参数的不确定性诊断规则表示方法是行之有效的。     

小波局部极大模方法在轴心轨迹辨识中的应用研究

提出了一种新的基于小波局部极大模的轴心轨迹辨识方法。该方法通过对轴心轨迹的θ-s曲线进行连续小波变换,提取小波局部极大模线,计算每条局部极大模线对应的Lipschitz指数α。最后用α为正的局部极大模线的条数、正α的平均值、α为负的局部极大模线的条数和负α的平均值等4个量作为轴心轨迹特征,并以这些特征量作为BP网络的输入进行分类识别。采用径向碰摩、联轴器不对中、油膜涡动和转子不平衡等4种故障的试验数据对该方法进行检验。结果表明,该方法有特征量少、神经网络的训练速度快和系统识别正确率高的优点。