基于DSP和粒子群优化的神经网络的齿轮箱故障监测系统设计

为了满足齿轮箱远程监测与分析的要求,设计了以TMS320F28335为核心处理器的在线监测系统。该系统可以脱离上位机直接运行,利用F28335的高性能的数据处理能力,结合丰富的外围模块,实现了对齿轮箱的信号采集,信号传输,信号处理分析,输出结果一系列功能。针对机电设备采集数据量大,计算缓慢,分析结果不准确等因素,采用粒子群优化神经网络嵌入DSP中齿轮箱的在线故障诊断。使用监测系统对JZQ250型齿轮箱进行测试,表明系统能够实现长时间在线监测,并能正确识别故障。     

坦克车辆行动部分载荷谱测试研究

本文针对坦克车辆行动部分载荷谱测试中的问题和难点，进行了分析和探讨，提出了应研究的内容和控制的办法，编制了坦克车辆载荷谱处理分析软件。     

基于分形理论的高速自动机故障诊断

以W85高射机枪自动机为实验对象,针对短时冲击信号特点,利用分形维数进行故障类别分析,实现自动机的故障诊断。     

基于组合模型的雷达故障预测分析

基于灰色 GM(1,1)模型和回归模型的建模原理,将两种模型进行拟合,建立了新的组合模型,并采用该模型对武器装备的故障进行预测。该组合模型充分利用了两种预测方法提供的信息,实现了两种模型之间功能和优势的互补,有效提高了预测精度。最后,以某型雷达发射机的等时距测量的输出电压为例估计系统的故障时间,并依此推断出该系统的故障发生时间。     

基于信息熵与神经网络的供输弹系统早期故障诊断

对于供输弹系统早期故障信息微弱,难以识别诊断的问题,提出一种基于信息熵与Elman神经网络相结合的供输弹系统早期故障诊断的方法。通过合理布置测点采集供输弹系统振动信号,经自适应广义形态滤波后提取近似熵、样本熵为特征参量,分别运用Elman神经网络和BP神经网络对其识别。结果显示:该方法能有效对供输弹系统早期故障进行诊断,诊断正确率高达92.13%,且优于BP神经网络的诊断结果。文中所运用的方法在供输弹系统早期故障诊断中有良好的应用。     

基于多尺度特征融合的供输弹早期故障诊断

对于供输弹系统早期故障信息易被湮没难以识别的问题,提出了基于多尺度特征融合的早期故障识别方法。首先通过变分模态分解(VMD)对振动信号进行分解得到不同时间尺度的分量信号,然后对各分量信号分别提取盒维数、信息熵特征,并进一步通过主分量分析(PCA)对上述两种特征进行融合,得到累计贡献率的前3个主分量组成的融合特征,最后通过概率神经网络PNN分别对上述三种特征进行分类比较,结果表明融合后的特征对供输弹系统3种工况有更高的正判率,对供输弹系统早期故障预兆更敏感,能对供输弹系统早期故障作出有效诊断。     

粒子群优化的神经网络在故障诊断中的应用

为提高齿轮箱故障诊断性能，建立了以齿轮箱振动信号的时频域特征为输入，以齿轮箱的主要故障形式为输出的神经网络。采用粒子群优化算法代替反向传播算法来训练神经网络的权重和阈值，利用训练后的神经网络对齿轮箱进行了故障诊断，并比较了基于粒子群优化算法与BP算法的诊断结果。结论是基于粒子群优化算法神经网络具有较好训练性能，收敛速度快，迭代步数少，诊断精度高，具有良好的故障识别率。     

摩托车定置噪声分析

在分析摩托车噪声的组成以及产生机理的基础上,采用频率分析法对某摩托车进行定置噪声测试、分析,根据分析结果得出结论：该摩托车在定置状态时的噪声以排气噪声为主.     

基于小波包和Hilbert包络分析的滚动轴承故障诊断方法

滚动轴承故障诊断是机械故障检测中的一个重要方面。本文提出了一种小波包分析和Hilbert包络分析相结合的方法对轴承进行故障诊断。首先利用小波包分析将滚动轴承的振动信号分解到不同的节点上。然后求出各频段的能量,根据频带能量的变化情况,找出滚动轴承的故障所在的频带,对故障频带的重构信号做包络谱分析,将谱峰处的频率与滚动轴承的故障特征频率进行对比。诊断出滚动轴承的故障。通过对实验中采集到的滚动轴承振动信号进行分析,证明了该方法在滚动轴承故障诊断中的有效性。     

装甲车辆齿轮主传动系统的建模与辨识

为了实现装甲车辆齿轮主传动系统的在线检测与诊断,在介绍对装甲车辆齿轮主传动系统进行故障诊断与预测必要性的基础上,运用镜像映射变换(FHR)算法实现了系统的建模与辨识。具体的建模过程包括对实测数据的检验与预处理、模型形式的选择、模型参数的估计和模型适用性检验等内容。通过对装甲车辆齿轮主传动系统的振动信号测试与分析,分别建立了单输入单输出及多输入多输出系统的受控AR模型,辨识了系统参数。通过实测结果与辨识结果的对比分析,表明该方法是正确、有效的。