转子动平衡中振动信号幅值相位的提取方法研究

针对转子动平衡中振动信号的特点,深入研究了提取不平衡量振动信号幅值相位的3种方法:传统FFT法、整周期截断DFT法和互相关法。最后,通过仿真和实验,对比分析了这3种方法的幅值、相位提取精度。结果表明整周期截断DFT法具有较高的提取精度,且方法简单,在转子动平衡中具有较好的应用前景。     

状态监测系统中数据获取方法的研究

针对状态监测系统中数据获取的技术难点,对实现数据获取的3种方法(O PC技术、数据采集DAQ、数据库)进行了论述、比较和分析,并着重介绍了基于OPC技术的实现,并基于LabVIEW平台分别对3种方法进行编程实现,最后在转子试验台对3种方法进行了测试并对测试程序进行优化,最终测试结果证明3种方法都是可行的,并对该类状态监...     

设备远程在线状态监测系统的软件架构研究

通过分析设备远程在线状态监测系统的需求,设计出系统的领域模型,提出一种基于分层和MVC的架构。基于该架构,采用面向对象技术和Web技术,开发出EROMS原型系统。实践证明,该架构具有一定的合理性和有效性,对设备远程在线状态监测领域的研究和应用开发有参考意义。     

某水下航行器电机支架的动力学分析

振动噪声是水下航行器的重要指标,水下航行器的电机支架是振动传递的关键,因此以某水下航行器电机支架为研究对象,采用CAD软件Sol-id Edge建模,用有限元软件ANSYS Workbench对其进行动力学分析,包括模态分析和谐响应分析。通过有限元计算得到电机支架的固有频率和对应的振型,进而计算出结构的频率响应曲线,分析峰值频率对应的应力与变形,找出电机机架的共振频率,最后评估水下航行器电机支架的动态性能,为支架进一步结构设计提供了理论依据。     

大壁虎嗅球神经元在香蕉水气味作用下的放电模式

通过细胞外记录方法研究了大壁虎嗅球神经元在香蕉水气味作用下的放电模式。实验中共记录了21只大壁虎主嗅球上的275个神经元,其神经脉冲发放规律可以分为三类:无反应的神经元占43.6%,放电受到抑制的神经元占4.7%,而兴奋性神经元的比例达到51.7%。兴奋性神经元的放电模式又可以分为长时间持续兴奋(持续超过60s)、短时兴奋、延迟兴奋和取消时兴奋4种模式,分别占神经元总数的34.5%,6.25%,6.25%和4.7%,长时间持续兴奋占主导地位。这些神经元在嗅球上的分布范围很广,但在端部背侧和尾部腹侧的分布密度相对更高。本文工作为基于嗅觉的大壁虎运动干预中刺激位置和信号形态等关键参数的选取提供了基础信息。     

近场声全息技术及其工程应用

近场声全息技术(简称NAH)是一种功能强大的噪声源识别、定位及声场可视化技术。本文首先对NAH理论和算法进行了介绍,并通过试验和仿真进行了验证;然后,讨论了NAH研究需要解决的问题和研究现状;最后,介绍了NAH在工程中的一些应用。     

一种基于冲击信号聚类分析的轴承故障诊断方法

为了对旋转机械内轴承的运行状态进行故障监测和诊断,在对振动冲击信号进行分段截取的基础上,提出了基于分段信号时、频域特征提取结合模糊K聚类的滚动轴承故障诊断方法,并将该方法应用于NU205轴承故障诊断中。     

基于EMD方法对往复式压缩机激励源定位

往复式压缩机的结构复杂,易发生故障的部件较多,振动时产生的激励和响应是非线性、非平稳的.如果利用传统的时域频域分析方法,很难对其进行特征分析,故障诊断工作存在很大的难度.EMD(基于经验模式分解)方法是一种用于分析非平稳信号的信号处理算法.采用EMD方法对往复式压缩机气缸的振动信号进行分解,并对每个IMF分量进行频域分析,找出每个IMF对应的特征.将特征量比较明显的IMF分量与往复式压缩机的振动源相对应,应用于后续的压缩机的故障诊断中.     

基于MDFF与ISSA的滚动轴承故障声发射诊断

针对滚动轴承早期、复合故障难以准确诊断与智能诊断模型超参数确定严重依赖专家先验知识问题,提出一种基于多维深度特征融合(multi-dimensional depth feature fusion, MDFF)与改进麻雀搜索算法(improved sparrow search algorithm, ISSA)的滚动轴承故障声发射诊断方法。用一维卷积与线性瓶颈反向残差二维卷积神经网络构建多输入卷积神经网络(convolution neural network, CNN)结构的诊断模型,模型输入为滚动轴承声发射信号及其小波时频图,提出基于布伦纳梯度和信噪比的质量指标,在108种小波基中筛选出最佳时频图以提升输入数据质量。接着,采用特征金字塔网络将模型的一、二维低层与高层特征融合,建立深度融合的诊断模型。然后,将交叉混沌映射、自适应权重及融合的随机游走策略引入麻雀搜索算法中,以自适应获取MDFFCNN最优超参数。试验表明,对比近期多个主流智能诊断算法,所提方法可避免人工选择诊断模型超参数,对滚动轴承早期尤其复合故障具有更高的诊断精度和稳定性,模型诊断过程的智能化水平得到了进一步提高。     

基于电流信号的机器人关节螺栓松动故障检测

针对工业机器人关节连接处螺栓松动问题,根据机器人关节结构建立机电耦合模型,并引入了底座螺栓松动故障,建立了螺栓松动的系统动力学模型。分析该仿真模型电流信号,得出电流信号与螺栓松动故障之间规律。研究表明,松动情况下电机电流频率附近出现边频带,时域波形出现脉冲冲击,时频图上出现能量波动,冲击与波动出现的时刻对应螺栓松动时刻。所提出的模型分析结果与试验数据吻合较好,研究成果对工业机器人关节螺栓松动故障的建模及诊断研究具有重要的参考价值。