基于小波有限元法的悬臂梁裂纹识别的试验研究

利用小波有限元法求解了裂纹悬臂梁的前三阶固有频率,并将其拟合成以裂纹位置和深度作为变量的固有频率解曲面;将实测的裂纹梁前三阶固有频率作为裂纹识别反问题的输入,绘制出各阶固有频率等高线,三条等高线的交点预测出裂纹存在的位置和深度。试验结果验证了算法的有效性,这为其实际应用提供了有力的试验依据。     

基于小波变换的轴力杆裂纹识别

基于裂纹识别中的正反问题,以裂纹轴力杆为例,将有限元与断裂力学相结合,建立了裂纹轴力杆动力学模型,推导了裂纹轴力杆单元等效刚度矩阵,求解出不同裂纹位置和尺寸下系统固有频率;利用小波变换对采集的故障信号进行小波分解和谱分析,使得故障信号的频率在小波分析的细节信号中得到放大,对比该频率和各种故障下计算的故障频率理论值确定裂纹相对位置和尺寸。算例证实了该算法的有效性,为工程结构轴力杆裂纹故障诊断提供了新方法。     

基于小波分析的裂纹梁的损伤识别

阐述了一种基于小波变换的含裂纹梁的损伤识别方法,利用含裂纹梁的一阶模态阵型作为小波分析的力学特征信号,识别损伤的位置和大小.利用小波分析系数的模极大值随分析尺度的传播定位损伤的位置,计算针对于损伤频率信号的能量判断损伤的大小.与以前的小波分析方法相比,此方法确定损伤位置的可靠性高,能识别微小的损伤.利用能量守恒定理和小波分析频段细化的能力,裂纹的定量分辨率高.     

小波分析识别裂纹参数中的噪声影响

鉴于信号和噪声进行多尺度小波变换时,其小波系数模极大值在多尺度上表现出截然不同的性质,直接将悬臂梁含噪声的前四阶模态进行小波分析,从小波系数模极大值在多尺度上的特性可以定位损伤,讨论高阶模态在损伤识别中的优缺点.定义一个和小波系数直接相关的集中因子,建立其与裂纹深度之间的关系,并分析模态中的噪声对裂纹深度识别的影响规律.研究可对实测环境中小波分析识别损伤提供一定的参考.     

基于自适应小波神经网络的故障分类

结合小波变换和社会网络理论,提出了一种自适应小波神经网络,网络在学习过程中对小波的尺度参数和平移参数进行自适应调整,最大限度地对信号进行特征提取,并研究基于自应小波神经网络的机械故障分类方法,对轴承的分类实例结果表明该网络分类准确、可靠性高。     

基于区间B样条小波有限元的转子裂纹定量识别

研究一种基于区间B样条小波有限元的转子横向裂纹定量识别方法.构造包含转动惯量影响的区间B样条小波Rayleigh梁单元,高精度求解裂纹转子前三阶固有频率,获得裂纹相对位置和相对深度作为变量的固有频率解曲面.然后将实测的裂纹转子前三阶固有频率作为裂纹识别问题的输入,利用三条等高线的交点定量识别出裂纹存在的相对位置和相对深度.数值仿真和试验研究结果表明,该方法鲁棒性强,单元数量少,辨识精度和效率高,为转子系统裂纹定量识别提供了新方法.     

大型回转支承滚道裂纹机理分析

在某产品部件大型回转支承使用较长时间后,对回转支承滚道进行磁粉探伤检查发现裂纹.采用宏观观察、扫描电镜观察、金相分析及能谱分析对回转支承滚道裂纹进行了分析.分析结果表明:滚道表面裂纹性质为淬火裂纹,位于硬化层内部,在后续使用过程中发生了应力腐蚀扩展,最终出现肉眼可见的裂纹缺陷.     

自适应提升小波在往复机械故障检测中的应用

提出了一种基于信号特征的自适应提升小波方法,即以提升小波为基础,根据信号分解后的熵来选择预测滤波器系数和更新滤波器系数,它克服了传统小波变换的不足,和提升小波只能依据信号特征来设计预测滤波器,而不能设计更新滤波器的问题.该方法用于往复机械气阀的振动信号特征提取,有效地提取了气阀的故障特征信号.实验中采用不同的小波对信号进行降噪性能比较,自适应提升方法设计的小波明显优于实验室中采用的其它小波.     

凿岩回转推进全液压自适应控制系统

为提升凿岩自适应控制性能,以全液压的方式实现凿岩回转推进自适应控制。通过推进联、溢流阀、负载敏感变量泵等的特殊匹配,实现推进压力液压远控;通过推进压力液压远控、平衡阀耦合两溢流阀设定值、回转压力控制平衡阀开度等技术措施,实现回转推进全液压自适应耦合控制。理论分析、仿真分析及试验测试表明,该全液压自适应控制系统性能良好,可靠性高,有效提升钻进过程的岩层适应性。     

利用小波变换的双裂纹悬臂梁参数识别实验研究

将小波变换直接用于含裂纹悬臂梁的不同模态,利用小波系数在空间域上的突变指示裂纹位置,通过定义集中因子标定裂纹深度。并分析和讨论了悬臂梁前四阶模态对损伤的敏感性。通过本文的实验研究,检验了sym4小波在工程应用中的适用性,并指出二阶模态是较为敏感的损伤信息,有助于提高缺陷识别的精度和可靠性。     

旋转机械轴心轨迹信号的复数小波分析

提出了一种利用复数小波变换分析转子振动轴心轨迹信号的方法,通过分析小波尺度与振动倍频间的关系,使得观察某一尺度上的小波幅值就相当于考察一定频率范围的周期谱图,对典型非线性故障轴心轨迹信号的分析揭示出,摩擦故障时高频振动地时－频域上呈现出非均匀间歇现象,而轴裂纹时的高频振动是均匀间歇地出现,且周期与旋转基频相同,因此该方法可以直观地识别故障的细节性特征,有望形成一种新的、有效地监测诊断技术。     

基于改进小波神经网络的旋转机械故障诊断

根据旋转机械复杂的故障特点，提出了结合第2代小波分析、模糊理论和神经网络形成的改进小波神经网络。该诊断方法利用第2代小波分析对信号进行预处理-征向量的提取，然后用训练好的模糊神经网络进行故障识别，并对相应算法进行了优化。将改进小波神经网络运用于旋转机械的故障诊断，通过计算机仿真和试验的结果表明，该方法在处理多故障耦合的情况时优势明显，不仅可以正确识别故障的类型，还可以进一步对故障的严重程度及其发展趋势进行可靠的诊断。这表明改进的诊断方法是行之有效的，为旋转机械的故障诊断提供了理论支持。     

旋转机械动态信号全息谱分析

研究了旋转机械的全息谱分析方法，实现了x和y两方向振动信息的融合。尤其是矢谱，在双通道FFT的基础上，可直接分析出单频椭圆的3个特征参数。把全息谱引入启停分析，可进行全息泊德图和全息瀑布图的分析。指出三维全息谱能用于旋转机械的动平衡，同时还介绍了全息谱分析软件的编制特点。     

基于特征参数的旋转机械智能故障诊断方法

为了对轴心轨迹进行特征提取和自动识别,使用了分形维数中的盒维数、信息维数、关联维数3个参量来描述轴心轨迹的分形特征;还引入紧密度和丰度两个量,从几何方面对轴心轨迹进行分析;最后,采用神经网络技术对3种状态下的轴心轨迹进行分类识别。试验结果表明,通过对轴心轨迹的分形特征和几何特征联合对转子的运行状态进行评定,有良好的区分度。     

旋转机械自动动平衡综述

对国内外旋转机械自动平衡研究进行了较全面的综述,并对各种形式自动平衡装置的特点和可行性进行了分析。为把有关资料系统化,提出对自动平衡装置的基本要求,作为设计自动平衡装置时的参考。     

旋转机械升降速过程BSI-FHMM识别方法的研究

结合时序模型的盲辨识和因子隐Markov模型，提出了基于时序模型盲辨识的特征提取方法建立机组各状态相应的FHMM识别法，成功地应用到旋转机械升降速过程的故障诊断中，实验结果表明，该方法有效。     

自组织特征映射人工神经网络用于旋转机械故障诊断

本文利用人工神经网络自组织学习和神经元连接的类型(兴奋或抑制)与征兆和故障之间的特征映射,建立了旋转机械故障诊断的自组织特征映射模型.利用这一模型使人工神经网络无指导学习用于旋转机械故障诊断,通过旋转机械中常见故障进行诊断提供了进一步解决故障诊断专家系统中知识库建立及维护的新方法.     

机械转动设备振动特性的研究

针对机械转运设备振动检测困难,容易造成停机影响生产的问题,采用设备状态监测和故障诊断技术,在机械运行中或不拆卸的情况下,对机械技术状态进行定量测定。避免了被迫停机而影响生产,克服了定期维修带来的不必要的经济损失和设备性能的下降。在保证生产顺行的同时,从而达到设备寿命周期内实现修理费用最为经济和设备综合效率最高的目标。