轴承振动信号中调幅特征的奇异值分解提取方法

滚道损伤会在轴承振动中引起调幅现象,但当损伤较轻微或者噪声干扰较严重时,这种特征难以显现出来.提出利用奇异值分解(Singular value decomposition,SVD)来提取这种调幅特征.在Hankel矩阵方式下,SVD可将信号分解为一系列分量信号的简单线性叠加.利用这一特件,对轴承振动信号构造Hankel...     

单种子和多种子对正态随机序列质量的影响

通常一个正态随机序列是由同一个种子生成的,然而实际上序列中的每一个随机数还可用不同的种子来产生。提出了多种子的产生方法以及连续调用随机数发生器时防止产生相同序列的措施,利用统计模拟和假设检验理论,采用四个不同的统计量从正态性、均值、方差、随机性这四个方面对单、多种子法在不同时间段生成的大量随机序列的质量进行了对比研究,结果表明,多种子法生成的随机序列在正态性和方差质量方面有明显的优势,而在均值和随机性方面,这两种方法的效果基本一致,故总的说来多种子法要优于单种子法。     

啮合刚度及啮合阻尼对齿轮振动影响的研究

采用集中质量法建立了齿轮传动系统的动力学模型,并通过解析法对模型进行求解,研究齿轮传动系统的啮合刚度和啮合阻尼对齿轮传动时产生的振动影响.结果表明,提高啮合刚度、增大啮合阻尼都能有效地降低齿轮传动时产生的振动和噪声.为齿轮传动系统实现减振降噪提出了可行的优化措施.     

基于组合矩和随机森林的转子轴心轨迹识别

针对大型旋转机械难以获得大量故障样本和不变矩识别率低的问题，提出基于组合矩和随机森林模型的转子轴心轨迹识别方法。采用实测的轴心轨迹作为样本，采用Sobel算子提取轴心轨迹的轮廓，基于轮廓的形状几何特征和不变矩构造组合矩。将不变矩和组合矩作为随机森林模型的输入进行分类，证明了组合矩的分类准确率最高。对随机森林、支持向量机和BP神经网络的分类效果进行了对比，结果表明：随机森林的分类准确率要高于支持向量机和BP神经网络，并且识别时间较短，是诊断旋转机械故障的一种新方法     

基于改进谐波小波包的柔性薄壁轴承背景周期性冲击分离

柔性薄壁轴承是一种特殊的轴承,其内外圈是椭圆,在旋转时椭圆的长、短轴会对轴承产生一种周期性冲击,这种周期性冲击和轴承元件的故障周期性冲击混合在一起,对故障周期性冲击是一种极大的干扰。为消除这种干扰,通过分析椭圆长短轴引起的周期性冲击的特点,结合谐波小波的盒形频率特性,提出一种改进的谐波小波包来消除这种周期性冲击。普通谐波小波包的子带频率范围是根据分解层数确定的,而改进的谐波小波包的各个子带频率范围则针对椭圆长短轴引起的周期性冲击的频率分布特点而设计,可以有效地提取到这种冲击的每一个谐波分量,从而可准确地分离出整个周期性冲击。对实际柔性薄壁轴承振动信号的处理结果表明,改进的谐波小波包从混合的复杂周期性冲击中准确地分离出了椭圆长短轴引起的周期性冲击,而故障周期性冲击却被完好保留,从而消除背景周期性冲击的影响,实现对柔性薄壁轴承损伤的正确识别。     

单向收缩QR算法在奇异值分解中的收敛特性

针对大型矩阵奇异值分解的数值计算问题,总结了单向收缩QR算法的特点,通过实例证明了该算法在处理由某些小幅度信号构造的大型矩阵的奇异值分解时存在不收敛的情况。从理论上分析了QR迭代过程中Givens变换矩阵的变化特点,发现算法出现不收敛现象的根本原因在于大型矩阵首行对角带元素的衰减,最终会使QR迭代时的第一个Givens右矩阵变为单位阵,从而导致后面所有Givens矩阵全部成为单位阵,引起QR算法失效。在此基础上进一步研究了首行元素的衰减对QR算法收敛速度的影响。对理论分析用实际数据进行了验证,从本质上探明了该QR算法的收敛特性。     

一种基于奇异值分解的奇异性检测新方法

针对信号中的奇异点检测问题,提出了一种利用一维信号序列以连续截断信号方式构造出较小列数和较大行数矩阵的方法,并通过奇异值分解来实现这种检测.分析了该矩阵方式下奇异值分解的信号分解原理,研究了该方法的奇异性检测效果,并与Hankel矩阵方式以及小波检测效果作了比较,将其应用于铣削力信号的奇异性检测.实验结果表明,该方法能有效揭示铣削过程中可能由铣刀或工件问题引起的微小冲击现象,且其各分量指示奇异点位置的脉冲幅值大、宽度小,能与周围高频噪声形成鲜明对比,有利于更准确地判断奇异点的位置.     

基于奇异值分解的铣削力信号处理与铣床状态信息分离

利用连续截断信号构造矩阵,通过奇异值分解可以将信号表示为一系列分量信号的简单线性叠加,证明了各分量之间是两两正交的,且具有零相位偏移特性.根据分量信号的信息量可以确定合理的矩阵结构.对铣削力信号的处理实例表明,奇异值分解方法分离出机床主轴旋转基频近乎完整的时域波形,分辨出两个频率很接近的信号分量,发现信号中隐藏的调幅现象,证实机床的爬行并确定爬行频率.最后与小波变换的结果进行比较,表明这一方法对铣削力信号的分离效果优于小波变换.     

绿色制造在轴承制造业中的应用研究

分析绿色制造的重要意义及对我国轴承工业可持续发展的影响 ,并探讨如何在轴承制造业实施绿色制造等具体问题 ,论述我国轴承制造业绿色制造的战略体系和实施的轴承硬切削关键技术 ,旨在为我国轴承工业实施绿色制造提供参考。     

多分辨SVD包理论及其在信号处理中的应用

 在奇异值分解(singular value decomposition,SVD)中提出了一种矩阵递推构造和分解算法,利用SVD实现了一种类似于小波包的信号分解方式,称之为多分辨SVD包.推导了多分辨SVD包的分解和重构算法,并提出一种用二维数组来存储这种包的三维数据的方法,避免了对内存的浪费.实例结果表明,这种包对信号的微弱变化具有优良的检测能力,其检测结果无幅值和相位失真,并能精确定位微弱变化的位置,这种包也能有效提取复杂信号中的弱故障特征,在这两方面均明显优于小波包的处理结果.