改进PCA算法及其在转子特征提取中的应用

针对传统主成分分析(principal component analysis, 简称PCA)方法中有效主成分的选择依赖于先验知识的缺点,提出利用协方差矩阵特征值差分谱的概念来描述有效主成分与次要成分的特征值差异性。首先,通过理论推导得出奇异值与特征值之间关系,即奇异值与特征值之间存在平方关系;其次,利用差分谱理论进一步研究了Hankel矩阵方式下PCA信号处理原理;最后,提出一种基于差分谱理论的PCA算法,通过仿真信号验证该算法的有效性。研究结果表明,根据协方差矩阵特征值差分谱的最大峰值位置可自动选择有效主成分的个数,且通过不同谱峰之间的分量信号的组合可以提取出不同的频率成分。将此PCA算法用于大型滑动轴承试验台转子的轴心轨迹提纯,提纯效果优于传统PCA算法。     

改进PCA算法及其在转子特征提取中的应用

针对传统主成分分析(principal component analysis,简称PCA)方法中有效主成分的选择依赖于先验知识的缺点,提出利用协方差矩阵特征值差分谱的概念来描述有效主成分与次要成分的特征值差异性。首先,通过理论推导得出奇异值与特征值之间关系,即奇异值与特征值之间存在平方关系;其次,利用差分谱理论进一步研究了Hankel矩阵方式下PCA信号处理原理;最后,提出一种基于差分谱理论的PCA算法,通过仿真信号验证了该算法的有效性。研究结果表明,根据协方差矩阵特征值差分谱的最大峰值位置可自动选择有效主成分的个数,且通过不同谱峰之间的分量信号的组合可以提取出不同的频率成分。将此PCA算法用于大型滑动轴承试验台转子的轴心轨迹提纯,提纯效果优于传统PCA算法。     

APLCD-WPT在滚动轴承特征提取算法中的应用

针对滚动轴承特征频率提取问题,提出自适应部分集成局部特征尺度分解(adaptive partly-ensemble local charact-eristic-scale decomposition,简称APLCD)与小波包变换(wavelet package transform,简称WPT)结合的APLCD-WPT方法。首先,利用APLCD对滚动轴承振动信号进行处理,通过添加幅值随频率变化的噪声改善信号极值点分布,再提取内禀尺度分量(intrinsic mode component,简称ISC);其次,对ISC分量中模态混淆部分使用WPT进行修正,提取滚动轴承特征频率信号。应用提出方法对实测的卧式螺旋离心机振动信号进行研究,结果表明,基于APLCD-WPT的算法能够有效地解决模态混淆问题,实现特征频率信号的精确提取。     

不同载荷作用下航空发动机前支承动刚度的有限元计算

目前航空发动机转子支承结构的动刚度计算不准确,严重影响转子动力特性计算结果的准确性.为此建立不同的转子支承结构三维模型,分别施加分布载荷和集中载荷并用有限元软件对其进行频率响应计算,再由所得位移曲线求出相应的动刚度曲线,然后进行对比分析.得出分布载荷的施加方法更符合实际发动机转子支承结构的受力情况,计算动刚度结果更加准确.最后给出一个求某型航空发动机前支承处动刚度的算例.所采用的计算方法和得到的结果对发动机转子支承结构的动刚度计算具有一定的参考价值.     

滚动轴承径向刚度在转子临界转速计算中的应用北大核心

以某双吸泵转子临界转速的计算为例,先通过计算滚动轴承的径向刚度,再利用弹簧单元模拟轴承径向刚度,建立有限元模型,求解转子临界转速;同时还实测了转子的临界转速,通过计算结果和实测值的对比表明,该方法能够较为准确地计算出转子的临界转速,特别是一阶临界转速,具有重要的实际应用价值。     

航空发动机转子装配工艺仿真与预测研究

转子装配是航空发动机装配过程中的关键环节,如果转子装配不当或平衡欠缺会导致误差累积成倍增大,传统的装配性能预测是基于刚性转子的高低点错位匹配的,会造成初始不平衡量,以及转子系统的初弯问题.本文基于转子"装配变形补偿和修正"技术,通过高精度的大数据采集,建立装配仿真与预测方法,确定每级转子组件实际转动中心线的最佳匹配堆叠...     

一种改进BP算法及其在滚动轴承故障诊断中的应用

分析了前向型神经网络动力系统模型。根据该模型的特点提出了能够克服传统BP算法学习速度慢、容易陷入局部极小的新算法,改进后的算法用于滚动轴承故障诊断,试验结果表明,该算法可以有效缩短网络在训练过程中滞留于局部极小区域的时间,大大提高网络的学习速度。     

力矩-转角拧紧工艺在改进发动机机匣装配质量的应用研究

螺栓连接是发动机机匣装配的重要连接方式,其装配质量直接影响发动机的性能与试车安全.分析了紧固件力矩-转角法相对于传统力矩控制法的优越性,然后开展了某型发动机机匣装配应用力矩-转角拧紧工艺效果验证,论证了该工艺能够改善发动机机匣的装配质量.     

Web服务在工程技术领域中的应用

Web服务相对原有的组件技术而言有其自身的特点和优势，是一种新型的分布式组件技术，但有关的核心技术和协议还有待进一步发展和标准化。对Web服务的概念及其体系结构、Web服务的适用场合作了阐述，以滚动轴承的刚度计算为研究实例，详细介绍了Web服务在工程技术领域中的应用过程。     

微型涡轮发动机转子系统振动性能研究

以某微型涡轮发动机转子系统为对象,建立了两种不同的有限元模型对转子系统进行了振动性能研究.在考虑轴承径向刚度的基础上,分析了支承刚度对转子系统振动性能的影响.     

频率添加奇异值分解算法及其在故障特征提取中的应用

针对奇异值分解(Singular value decomposition,SVD)的频率分离问题,研究了 SVD对单个频率的分离条件,发现SVD分离单个频率的效果取决于各频率的幅值差异.若不同频率的幅值很接近,则SVD就不能分离这些频率,由此提出一种频率添加SVD算法.为了提取原信号中的特征频率,先对原信号添加该频率的...     

基于主成分分析的特征频率提取算法及应用

通过研究主成分分析(principal component analysis,简称PCA)中有效特征值与信号频率和幅值之间的关系,发现有效特征值的数量是由原始信号中频率成分的个数决定,与幅值、频率和相位的大小无关。信号中每个频率产生两个有效的特征值,且幅值决定协方差矩阵C的特征值在其分布图中的排列顺序。提出了一种基于PCA的特征频率提取算法,该算法可实现对单个或多个特征频率的准确提取。将此方法应用于大型转子系统轴心轨迹的提纯上,效果优于谐波小波和小波包算法。     

面向转子故障特征提取的多尺度拉普拉斯特征映射方法

融合多尺度分解理论和流形学习思想,提出了一种面向转子故障特征提取的多尺度拉普拉斯特征映射算法。首先对转子故障振动信号进行多尺度小波包分解,提取各独立频带信号的最优尺度小波熵,构建特征参量矩阵并估计其固有维数,然后通过拉普拉斯特征映射将特征参量数据嵌入到低维本征空间,得到故障的最敏感特征,最后融合决策实现故障的准确识别。实验表明,相对于主成分分析算法、局部线性嵌入算法和拉普拉斯特征映射算法,多尺度拉普拉斯特征映射方法提取的转子故障信号特征更容易识别。     

基于流行-IMF奇异值熵的转子故障特征提取方法

针对转子振动信号的非平稳性以及微弱故障特征难以提取的问题,提出一种基于集合经验模式分解(ensemble empirical mode decomposition,简称EEMD)的奇异值熵和流形学习算法相结合的故障特征提取方法。首先,对原始振动信号进行EEMD分解,得到若干本征模态函数(intrinsic mode function,简称IMF)分量,根据峭度 欧式距离评价指标选取故障信息丰富的敏感分量,组成初始特征向量,求其奇异值熵;其次,利用近邻概率距离拉普拉斯特征映射算法（nearby probability distance Laplacian eigenmap,简称NPDLE）对奇异值熵组成的特征矩阵进行降维处理;最后,将得到的低维特征子集输入到K-近邻(K-nearest neighbor,简称KNN)中进行模式辨识。用一个双跨度转子实验台数据集和Iris仿真数据集对所提方法进行了验证,结果表明,IMF奇异值熵和NPDLE相结合的方法可以有效地实现转子故障特征提取,提高了故障辨识的准确性。     

复局部均值分解全矢包络技术及其在转子故障特征提取中的应用

为更全面提取转子故障特征,将全矢谱和复局部均值分解(Complex local mean decomposition,CLMD)相结合,提出二元的全矢包络技术——CLMD全矢包络技术。采用正交采样技术获取转子同一截面上互相垂直方向上的振动信号,并将其组成一个复数信号;运用CLMD将复数信号按能量从高到低的顺序依次分离出系列复乘积函数(Complex product function,CPF),并解调出CPF的复包络;由于故障特征主要在能量较高的CPF分量中,通过全矢谱技术融合前几阶CPF分量的包络信号,得到相应的全矢包络谱。仿真的调幅-调频信号分析结果表面,较之Hilbert解调,CLMD全矢包络技术可提取隐含的调频信息,而且不存在虚假的低频谱线。转子试验台模拟的基座松动信号、碰摩信号分析结果表明,较之单源信息的包络谱,CLMD全矢包络技术提取的谱线特征更清晰、全面,而且根据全矢包络谱可有效区分基座松动引起的碰摩和单一碰摩故障。     

一种改进的谐波小波及其在转子故障诊断中的应用

在Newland谐波小波的基础上,提出一种改进的谐波小波,该改进的谐波小波具有对称的盒形频谱,其伸缩和平移生成的小波族构成L2(R)空间的正交基,在保持Newland谐波小波的优良性质基础上,信号分解与重构更为简单。利用仿真算例研究改进的谐波小波对微弱局部信号及强噪声背景下的有用信号提取能力,并与DB8小波分析进行比较,结果表明,改进的谐波小波具有更好的信号提取效果。针对转子故障信号特征频率通常为转速频率的分数及整数倍特点,采用该改进的谐波小波提取转子故障信号中的倍频分量,利用实测的不平衡、不对中、碰摩及油膜涡动四种转子故障试验数据,提取了故障信号中的0.5、1.0、1.5、2.0、2.5、3.0、3.5、4.0、4.5及5.0等倍频分量,结果验证了方法的有效性。     

自适应匹配追踪算法在齿轮故障特征提取的应用

为了提高齿轮故障信号特征提取时处理稀疏性差信号的能力,设计了一种应用稀疏度自适应匹配追踪(SAMP)算法对齿轮故障信号进行处理方法.通过对仿真的齿轮故障信号数学模型和齿轮出现点蚀时的实验数据分析表明:经过SAMP处理后齿轮啮合频率以及半频和转频更加明显,边频带也更加突出,干扰成分降到最低.证明SAMP算法能够提取主要齿...     

基于改进EMD的结构损伤特征量提取

提出了一种解决经验模式分解法(empirical mode decompositino,简称EMD)端点效应的方法——端点筛选法。端点筛选法把以往一次性延拓或预测得到极值点、拟合包络线的过程替换为选点、拟合包络线、判别端点效应、再选点、再判断等多次循环筛选过程,并在此基础上提出了基于改进经验模式分解的损伤特征量提取方法。将基于改进EMD的损伤特征量提取方法应用于机翼盒段模型,提出了能反映复合材料机翼盒段损伤状况的损伤特征量——瞬时频率的相对变化量。随着损伤程度的逐渐增加,瞬时频率的相对变化量标准差越来越大。     

基于主分量分析的柴油机振动信号特征提取

针对柴油机振动信号非线性非平稳性的特点，提出一种相空间重构理论、局域波法与主分量分析相结合的信号特征提取模型，该模型首先应用相空间重构理论从已知时间序列中抽取动力系统，然后通过主分量提取以降低空间维数、突出故障信息，最后使用局域波时频分析方法对提取的主分量进行分析。通过对6BB1型柴油机实测信号进行的特征提取与分析表明，该方法能去除柴油机振动信号局域波时频图中的冗余信息，突出故障信息，从而证明了方法的有效性。