基于LabVIEW的MGCplus通信方法研究

基于LabVIEW开发环境,研究了MGCplus数据采集系统通信方法。根据液压泵-马达测试系统需求,运用Catman自带的ActiveX以及LabVIEW分析包,开发了LabVIEW环境下MGCplus数据采集系统的以太网通信软件。测试表明,通信系统运行稳定,满足测试系统的各项要求,具有较强的实用价值。     

基于样条函数的凸轮升程曲线拟合方法研究

基于三次样条函数方法,研究了凸轮升程曲线的拟合及其误差范围.将复杂的凸轮升程曲线用一个连续函数表示,而不必事先假定凸轮升程曲线的类型,曲线拟合精度可通过增加插值节点进一步提高而不会改变拟合公式的统一性.实例表明采用样条函数拟合的凸轮升程曲线具有良好的速度、加速度连续性,保证了凸轮良好的动力性能.     

基于微分算子的局部特征尺度分解方法及其应用

针对局部特征尺度分解（LCD）方法在目标信号所含频率分量较接近时分解能力降低,易出现模态混淆现象,从而导致内禀尺度分量失去原有物理意义的问题,提出了基于微分算子的局部特征尺度分解（DOLCD）。DOLCD在对目标信号进行分解前,先将目标信号进行一阶微分,则在频率比一定的情况下,可提升分解能力及抑制模态混淆能力。研究了DOLCD方法的原理,通过仿真信号模型将DOLCD与LCD的分解能力进行对比分析,结果表明,DOLCD方法在提高分解能力,抑制模态混淆等方面具有一定的优越性,并将DOLCD方法应用于转子不对中故障的诊断,结果表明该方法有效。     

自主致密LCD和改进的广义局部频率解调方法

自主致密局部特征尺度分解方法通过确定待分解信号的最小信号极值尺度以度量其信号尺度的方式,采用新增伪极值点均匀化信号尺度的方法,可有效抑制局部特征尺度分解的模态混叠。在广义局部频率解调的基础上,基于强局部加权回归和伪端点方法的原理,提出了改进的广义局部频率解调方法。该方法通过分析广义局部频率和广义局部幅值突变情况,在广义局部频率和广义局部幅值中插入伪端点,并采用强局部加权回归对新增伪端点后的广义局部频率和广义局部幅值进行分段平滑处理,可有效改进广义局部频率和广义局部幅值曲线的平滑效果。采用仿真信号将自主致密局部特征尺度分解与局部特征尺度分解、经验模态分解进行对比,同时将改进的广义局部频率解调与希尔伯特变换、广义局部频率解调进行对比,结果证实了自主致密局部特征尺度分解和改进的广义局部频率解调方法的有效性。对转子碰摩故障实验数据的对比分析结果,进一步验证了该方法的有效性和实用性。     

基于BP神经网络的凸轮升程曲线拟合研究

基于BP神经网络方法,研究了凸轮升程曲线的拟合及BP神经网络拓扑结构、运行参数的选取规则。利用BP神经网络可实现复杂的凸轮升程曲线精确拟合,而不必事先假定凸轮升程曲线类型。实例表明采用BP神经网络拟合的凸轮升程曲线具有良好的速度、加速度连续性,保证了凸轮良好的动力性能。     

基于MGCplus的液压泵-马达测试系统通信方法研究

基于MGCplus数据采集系统,研究了液压泵-马达综合性能测试系统通信方法。在LabVIEW开发环境下,运用Catman自带的ActiveX,开发了MGCplus数据采集系统通信软件。试验表明,系统运行稳定,满足测试系统的各项要求,对液压元件性能测试系统研发具有一定的借鉴意义。     

自主致密局部特征尺度分解方法及其应用

针对局部特征尺度分解（LCD）的模态混叠问题,提出了自主致密局部特征尺度分解（ACLCD）方法。该方法通过确定待分解信号的最小信号极值尺度来度量其信号尺度,采用新增伪极值点均匀化信号尺度,可有效抑制模态混叠的产生;引入了最优致密系数的概念,并给出了最优致密系数评价准则。研究了ACLCD方法的原理,通过仿真信号将ACLCD与LCD和EMD进行分析对比,结果表明,ACLCD在提高分量精确性和正交性、抑制模态混叠等方面具有一定的优越性。将ACLCD方法应用于转子碰摩故障的诊断,结果表明该方法有效。     

基于840D的凸轮轴磨床数控OEM软件的开发

西门子840D数控系统提供了OEM软件的开发环境。文章系统阐述了通过VB开发特殊的系统界面。利用VC编制出和西门子数控系统相联系的语言动态数据链接库,利用西门子数控系统提供的VB、VC接口实现特殊的界面及加工方法嵌入到西门子数控系统这一OEM软件设计的全过程,开发出了能满足特殊控制需求的凸轮轴磨床数控OEM软件。     

在840D平台上开发全数控凸轮轴磨床OEM软件

阐述以西门子840D数控系统为开发平台,通过VB开发特殊的系统界面,利用VC编制出与西门子数控系统相联系的语言动态链接库、西门子数控系统提供的VB、VC接口,实现特殊的界面及加工方法,嵌入到西门子数控系统这一OEM软件设计的全过程,开发出能满足特殊控制需求的全数控凸轮轴磨床OEM软件.     

基于自适应特征选择k子凸包的滚动轴承故障诊断

滚动轴承故障诊断中往往将特征选择和分类器的设计分别进行研究,从而难以获得满意的分类精度。将特征选择和分类器寻优结合起来,提出了一种自适应特征选择k子凸包(Adaptive Feature Selection K-sub Convex Hull, AFSKCH)的分类模型,从而实现了故障特征自适应选择和分类的一体化。首先,利用凸包距离函数保持数据流形上的局部邻域结构,通过交替构造k子凸包得到特征权值矩阵;其次,采用线性规划接近度方法求解k子凸包距离,利用乘子交替方向法得到自适应特征空间;最后,根据测试点到k子凸包的最小重构距离进行分类。滚动轴承故障振动信号分析结果表明,该方法特征选择性能优于其他特征选择方法,且具有较高的分类精度。