基于虚拟仪器和神经网络的轴承故障检测系统

运用神经网络技术,设计开发了一种基于虚拟仪器平台的轴承故障检测系统。在LabVIEW软件平台上,分别对轴承正常和待检测状态信号进行时域分析并提取其特征值,创建神经网络的训练样本和被测样本,并代入MATLAB节点中的神经网络进行故障诊断。试验结果表明,该系统能正确、快速地判断出被测的轴承是否正常,识别率达100%,当被测轴承诊断出故障时,系统还可发出报警提示。     

基于EEMD、模糊熵和SVM的齿轮故障诊断方法

齿轮故障信号具有不平稳特性,故障信号特征向量难提取,典型的齿轮故障数据样本少。针对这些问题,提出基于总体平均经验模式分解(EEMD)、模糊熵和支持向量机(SVM)相结合的诊断方法。首先通过传感器采集得到加速度信号,然后,通过EEMD降低模态混叠,并将加速度信号分解成多个稳定的本征模态函数信号(IMFs)。其次,利用模糊熵能够表现信号复杂程度并且稳定的性质,取多个稳定IMFs的前几项计算模糊熵。因为SVM能够在小样本集情况下建立决策规则,所以将IMFs的前几项模糊熵值作为特征向量输入SVM训练。最后,SVM算法与常用神经网络比较,对样本训练、测试并诊断故障,说明SVM算法优于神经网络。齿轮故障诊断实验结果表明,所提出的方法诊断准确率达92.5%,可实现齿轮故障信息提取和齿轮故障的有效诊断。     

FKM和FFKM在不同硫化体系下其对密封件最高使用温度的影响

文章阐述了氟橡胶（FKM）及全氟橡胶（FFKM）的基本结构，根据不同硫化体系的选择设计配方，按照标准进行实验。通过密封圈的高温压变性能实验结果研究不同硫化体系下氟橡胶（FKM）及全氟橡胶（FFKM）最高使用温度。