基于声场空间分布特征的齿轮箱故障诊断研究

结合对近场声全息（NAH）与空间分布特征提取的研究,提出基于声场空间分布特征的齿轮箱故障诊断方法。鉴于齿轮箱运行状态与声场分布的对应关系,利用NAH算法重建声源附近声场,由所得声像图中提取反映声场分布特性的纹理特征,建立声场分布与各运行状态间内部联系,结合支持向量机模式分类实现故障诊断,获得满意的诊断结果,并通过实验证实该方法的有效性与优越性。     

基于声场图像分析的印刷机轴承故障诊断方法

目的针对印刷机墨辊轴承的故障信息获取及诊断难等问题,提出一种基于声场图像分析的故障诊断与定位方法。方法首先,构建声音测试系统并划分检测对象的空间区域,逐一采集信号并依据对应空间位置关系进行重构与组合;其次,将一段时间内的信号能量进行叠加,同时依据空间位置关系形成叠加状态的声场图像信息;然后,引入二维经验模式分解(BEMD)分析空间域图像信息,消除环境噪声干扰并得到声场图像的高频信息。结果对不同位置、不同种类的墨路系统故障轴承进行特征分析与比对,利用IBIMF分量及统计特征实现了轴承内、外圈故障的诊断,利用无量纲特征实现了不同故障位置的有效定位,并通过实验验证了方法的有效性。结论所提出故障诊断方法发挥了非接触测量优势,同时具有较强故障表征能力,适用于同类复杂机械系统。     

用空间采样方法研究声场空间分布

本文讨论用空间采样技术测绘水下声场空间分布规律的实验。进行这样的实验首先要有一个小的无方向性的水听器。实验时水听器在被测声场中扫描，连续记录声压和探头坐标的读数。为了避免相位计算中容易出现的差错，将原始数据通过内插法进行一次变换，从而获得了满意的结果。本文分别给出一个平面波声场和一个尖劈边缘附近衍射声场的声压幅度和相位分布图，这些实验结果显示了场分布的清晰图象。和理论图形相比较，说明实验结果是可靠的。     

融合声场法向变化的双面声像故障诊断方法研究

声像诊断技术把声诊断问题转化为了图像识别问题,改善了传统的基于单点测试的声诊断鲁棒性,但由于单个声像忽略了三维声场的空间变化信息,在弱故障工况下诊断困难。针对上述问题,基于声场三维特性和信息融合思想,提出了一种基于双面声像模式识别的故障诊断方法。首先基于近场声全息技术构建融合源面声像、全息面声像和两者差值声像的双面声像模型,然后提取Gabor小波纹理特征,并基于随机森林特征选择算法进行特征降维,构建有效声场特征模型进行状态诊断识别。仿真和实验结果表明,基于双面声像模式识别的故障诊断技术是有效可行的,能有效改善弱故障工况的诊断鲁棒性,进一步拓展和改善了基于阵列测量的声像诊断技术。     

基于多维振动特征的滚动轴承故障诊断方法

单独提取滚动轴承振动信号的时域或频域特征进行故障诊断,是目前常用的轴承诊断方法,诊断精度有待提高。以时域和频域的多维振动特征参量为指标,以历史诊断正确率作为特征参量权值,分别对滚动轴承的无故障和经常出现的滚珠故障、内环故障和外环故障工况进行特征提取和故障识别。多维时频域振动特征是单维特征依据诊断精度权重的集合。运用BP神经网络分别对信号的时域特征(TDF)、IMF能量矩(IEM)、小波包能量矩(WPEM),以及多维时频域特征进行智能故障判别。实验验证用多维时频域振动特征参量综合诊断的方法进行滚动轴承故障诊断,比单维特征的诊断结果精确且效率较高,该方法可以在滚动轴承故障诊断领域展开应用。     

基于香农熵特征的发动机故障诊断方法

通过分析活塞销在不同配合间隙下的运行轨迹,针对活塞销敲击响产生缸盖振动信号的有序性和在频率成分上的差异性,并考虑到实验数据的有限性,提出了用香农熵选取小波包子信号的特征提取方法和支持向量机的故障诊断方法。将振动信号进行小波包分解并求出各子信号的香农熵,根据香农熵的大小选取出合适的子信号进行分析研究,求出子信号的能量作为特征值,用支持向量机对活塞销不同程度的故障进行分类识别。诊断结果表明:用香农熵选取小波包子信号结合支持向量机的方法能够对活塞销不同程度的故障进行分类识别。     

矩形封闭长空间声场的高频计算方法

基于射线跟踪的思想，提出一种矩形封闭长空间声场预测的高频数值计算方法。该方法中只要具备声场空间的边界条件参数，即声场空间长、宽、高和吸声系数，就可以解析计算任何一根声线能量随时间的衰减变化，以及任何一根声线在任何时刻的到达坐标。如果逐一计算每根声线在特定位置的到达时间和声能量，并统计所有计算结果．就可以得到此处的时域脉冲响应，并由此计算声场声压级。该方法不必对声线进行跟踪，省去了建模、入射和反射等射线跟踪计算细节，运算量大为降低，因此计算速度很快。采用实验方法对该算法的性能进行了验证，对长空间中的声场进行测量，将测量结果与本文所提算法的计算结果进行对比，二者吻合很好，证实了该方法的有效性。     

基于图像形状特征和LLTSA的故障诊断方法

针对滚动轴承故障诊断问题,提出了一种基于图像形状特征和线性局部切空间排列(LLTSA)的故障诊断方法。首先采用SDP(Symmetrized Dot Pattern)方法对时域信号进行变换,得到极坐标空间下的雪花图像,在分析图像特点的基础上,从图像处理的角度初步提取出图像的形状特征;然后利用LLTSA对初步提取的特征进行维数约简以提取低维特征;最后采用支持向量机(SVM)对低维特征进行分类评估。滚动轴承的故障诊断实验表明图像形状特征能够表征轴承的状态,经LLTSA约简后特征数据的复杂度得到降低,且具有更好的聚类效果,而SVM对轴承4种状态的识别率也达到了100%,验证了该方法的有效性。     

地质空间三维动态建模方法研究

针对于地表以下地质空间的研究,三维地质模型是一个可以有效、直接的研究方法。本文从钻孔、剖面和散点三个角度对地质空间三维动态模型进行理论和构建方面的阐述,伴随着三维GIS技术的发展,为地质空间三维动态模型的深入提供了更广阔的前景。     

浅海倾斜海底声场空间相关性研究

针对浅海倾斜海底海洋环境,对声场的空间相关性进行了研究。利用抛物方程法,对浅海声场的空间相关系数进行数值模拟,并结合2001年东中国海中美联合实验数据,分析了声场空间相关系数与海底倾斜角度、接收阵元与参考阵元的间隔、参考阵元深度及声源深度之间的关系。对于上坡海底,浅海声场空间相关性随着海底倾斜角度、接收阵元与参考阵元间隔的变大而变弱,且垂直相关系数随着接收阵元与参考阵元间隔的增大,先衰减再出现起伏。     

基于角谱方法的二次谐波声场的研究

1引言 80年代初,Muir及Castensen首先从理论及实验上证实了在生物医学超声所使用的频率及强度范围内,存在不容忽视的非线性现象.[1]自此,生物医学超声中的非线性得到了广泛的研究和应用,如非线性声参量B/A的测量及成像、基于超声造影剂的非线性成像等[2].为提高测量及成像的精度,非线性声场的研究十分重要.     

基于快速迭代柯西阈值的声场重建方法研究

在声源识别领域,稳定且准确识别目标声源是一项极具挑战性的任务,尤其在中、低频范围内,因此论文提出快速迭代柯西阈值算法在中、低频段实现鲁棒性较强的声源识别和定位。通过蒙特卡罗分析,与3种经典罚函数方法Tikhonov正则化方法、宽带声全息算法和内点法求解方法相比,所提出的方法在中、低频段获得了稳定的声压重建结果,平均重建误差在5%以下,对声源识别逆问题具有良好的距离适应性和信噪比适应性。     

基于近场声全息的目标反射声场重建方法研究

准确分析目标表面反射声场信息对提高水下航行器等设备的声隐身性能具有重要意义。提出利用近场声全息技术对水下目标反射声场进行重构,可以得到反射体表面的反射声场分布信息。以一个胶囊状壳体为测量对象,进行仿真分析和实验测量。结果表明,利用近场声全息技术进行声场重构的误差可小于10%,验证基于近场声全息的目标反射场重建方法的可行性和有效性,可为进一步的工程实践提供参考。     

基于近场测量法的水声换能器声场重建方法研究

为了提高对水声换能器声场分析的效率,开展了基于近场测量法的水声换能器的声场重建方法研究,首先将水声换能器的全息测量面近似为等效声源面,通过积分得到声场重建模型,然后利用自主研发的水下声场测量系统获得发射换能器全息测量面的复声压,实现对其声场的重建,最后比较不同全息测量面的重建结果和实测数据,并分析全息测量面的位置对重建结果的误差影响,得到了重建方法的有效测量区间。该声场重建方法可快速得到水声换能器的声场分布,并且准确可靠。     

基于声场听觉感知的变压器故障诊断方法研究

精准的变压器故障诊断方法,对于保证变压器可靠运行具有重要意义.该文提出一种基于变压器声信号并考虑人耳听觉感知的变压器故障诊断方法.首先,通过模拟变压器不同工况条件,采集变压器正常工况和不同故障条件下的噪声样本;然后,基于人耳传声集总参数模型,计算各个样本的基底膜位移响应的统计平均值(statistical mean v...     

基于信号处理的扬声器故障诊断方法研究

采用信号检测、特征提取及模式识别方法进行电动扬声器的故障诊断。利用对数扫频信号激励扬声器,并采集其声学响应信号;对扬声器响应的声信号进行短时傅立叶变换(STFT)处理,提取信号的时频域特征矩阵;再对特征矩阵进行变换、映射,获得不同故障类型的扬声器的图像特征;最后通过计算扬声器特征矩阵间的距离来识别故障扬声器。实验和计算结果表明,该方法简便有效,具有实际应用价值。     

基于Inception-BLSTM的滚动轴承故障诊断方法研究

针对传统的滚动轴承故障诊断方法依赖大量先验知识以及容易人为引入误差等缺点,结合Inception模型的多尺度抽象特征提取能力与双向长短时记忆(BLSTM)神经网络序列建模的优势,提出一种基于Inception-BLSTM的滚动轴承故障诊断方法。首先,设计Inception模型从滚动轴承振动信号中提取出多尺度抽象特征。其次,设计BLSTM进一步学习特征信息的时间依赖性。最后,通过全连接层将特征信息映射到对应的故障模式并得出诊断结果。实验结果表明,该方法在多负载场景下的轴承故障识别精度达到了99.6%,具有良好的负载适应性以及抗干扰能力。     

基于SA-EMD-PNN的柱塞泵故障诊断方法研究

为了提高柱塞式液压泵的故障诊断效率和准确性,提出了SA-EMD-PNN柱塞泵故障诊断方法。提取各种状态下振动信号的特征参数,并对所提取特征参数进行敏感度分析(SA),找出敏感度较高的特征参数;对原始故障信号进行经验模态分解(EMD)结合,构造新的故障信号,再提取敏感度高的特征参数;将所提取特征参数以向量的形式输入概率神经网络(PNN)进行训练和测试。实验表明,SA-PNN方法能快速、有效的诊断出柱塞泵故障,减少诊断时间;而SA-EMD-PNN能在SA-PNN的基础上提高正确率。     

基于空间特征的汽车阴影分割方法

利用阴影区域内的点与背景对应点颜色的比值大小，以及该点和汽车的空间位置关系以及汽车的形状有关的特征，提出一种新的基于空间特征的汽车阴影分割方法，该方法不仅适用于汽车与阴影颜色差别明显时的汽车阴影分割，在当两者颜色相近时，也能获得较好的分割效果。实验结果显示了该方法的有效性。