基于HVD与1.5维Teager能量谱的滚动轴承故障诊断方法研究北大核心

针对强背景噪声下滚动轴承微弱故障信号特征难以提取的特点,提出了一种基于Hilbert振动分解(HVD)与1.5维Teager能量谱的滚动轴承故障诊断方法。首先将故障信号进行HVD分解,然后采用相关系数法重构原始信号,降低噪声的干扰,增强故障信号的冲击特征,最后对重构后的信号进行1.5维Teager能量谱运算,提取出滚动轴承的故障特征。     

基于CPLD的线阵CCD驱动电路的设计

针对传统CCD驱动电路存在的不足,尤其是当驱动电路工作在较高频率时易产生严重干扰,系统工作不稳定,我提出了一种线阵CCD驱动电路的设计方案,该方案运用CPLD技术来设计产生ILX526A图像传感器的驱动时序.采用MAXPLUSⅡ开发系统,运用硬件描述语言VHDL对CPLD进行编程,然后进行仿真,并进行了实验的研究.仿真和试验结果表明,该驱动电路具有通用性,对程序稍作修改,就可以实现其他型号的CCD驱动电路的设计,因此该方案对CCD驱动电路的设计具有相当重要的参考价值.     

基于自适应蚁群优化的Volterra核辨识算法研究

提出了一种基于自适应蚁群优化(AACO)的Volterra核辨识方法。该方法将蚁群算法应用于Volterra时域核的辨识,并能够随着进化次数的增加,自适应调整基本蚁群算法的参数。同时,与相应的基于蚁群优化(ACO)的Volterra核辨识方法进行了对比分析。仿真结果表明,本文提出的方法与蚁群优化辨识方法不论在无噪声环境下,还是在有噪声干扰下,都能得到很好的辨识精度、收敛稳定性和较强的鲁棒抗噪性能,然而,在收敛速度方面,本文提出的方法优于蚁群优化辨识方法。     

基于广义频率响应函数的转子裂纹故障诊断方法研究

论述了广义频率响应函数的定义和算法,将广义频率响应函数引入到裂纹转子的故障诊断中,提出了一种基于广义频率响应函数(Generalized Frequency Response Function,GFRF)的裂纹转子故障诊断方法,该方法通过辨识前3阶频域核的特性,反映不同位置的裂纹转子的特征变化。试验结果证明了该方法的有效性,高阶GFRF对裂纹故障反映敏感。     

考虑冲击力的球轴承复合缺陷动力学建模

滚动轴承在旋转机械中应用十分广泛,其运行状态直接影响设备的工作性能,有必要对轴承故障机理进行深入研究.基于Hertz接触理论,建立了四自由度的内外圈复合缺陷球轴承模型,该模型考虑了缺陷引起的时变位移激励和冲击力激励,并分析计算了冲击力的大小及作用角度.分别对内圈、外圈单一缺陷及内外圈复合缺陷情况下球轴承的振动响应进行了数值仿真,仿真结果与实验数据吻合较好,内圈故障特征频率(BPFI)和外圈故障特征频率(BPFO)及其倍频在频谱图中清晰可辨,分析了负载大小和缺陷宽度对轴承振动特性的影响.研究结果可为滚动轴承的故障诊断提供理论参考.     

旋转机械启动全过程DHMM故障诊断方法研究

旋转机械启动过程中的振动信号包含有重要的参考信息，研究该过程中的旋转机械运转状况，有助于发现存在于系统中的早期故障。根据离散隐Markov模型（DHMM）的建模理论，对旋转机械启动过程的振动谱矢量序列进行标量量化处理，并建立了各种模拟故障的DHMM进行故障分类尝试，实验证明，该方法是十分有效的。     

基于分数Fourier变换的机械故障源盲分离方法的研究

结合分数Fourier变换和盲源分离,提出了一种基于分数Fourier变换的机械故障源盲分离方法,试验结果表明,该方法能有效地分离具有不同的分数Fourier变换的机械源信号。     

主分量分析和因子隐Markov模型在机械故障诊断中的应用

主分量分析(principal component analysis,PCA)是统计学中分析数据的一种有效方法,可以将高维数据空间变换到低维特征空间,因而可用于多通道冗余消除和特征提取.因子隐Markov模型是隐Markov模型的扩展,它比隐Markov模型更有优势,适用于动态过程时间序列的建模,并具有强大的时序模型分类能力,特别适合非平稳、信号特征重复再现性不佳的信号分析.文中结合主分量分析与因子隐Markov模型,提出一种新的故障识别方法,即以主分量分析方法进行冗余消除和故障特征提取,因子隐Markov模型作为分类器.并应用到机械故障诊断中,同时与基于主分量分析的隐Markov模型的识别方法相比较,实验结果表明基于PCA的因子隐Markov模型识别法和基于PCA的隐Markov模型识别法在故障识别上都是有效的,但对于相同的状态空间,前者的训练速度快于后者,尤其是状态空间越大,这种优势越明显.     

双相干谱和RBF网络在旋转机械故障诊断中的应用

双相干谱保留了信号的相位信息，可以用来描述非线性相位的耦合，径向基函数网络具有良好的推广能力和分类能力。文中将双相干谱和径向基函数网络结合，提出一种基于双相干谱与径向基函数网络相结合的旋转机械故障诊断方法，即以双相干谱为故障特征向量，以径向基函数网络作为分类器，对旋转机械的故障进行分类，并以转子不平衡、转轴碰摩、油膜涡动为例进行实验研究。实验结果表明，结合双相干谱和径向基函数网络的旋转机械故障诊断方法是有效的。     

基于矢模糊函数的旋转机械故障诊断方法的研究

结合全矢谱技术与模糊函数,提出了一种矢模糊函数的新概念。定义的矢模糊函数继承了全矢谱技术与模糊函数各自的优点,既能全面地反应机械振动的全面性,又能很好地抑制Wigner分布中的交叉项干扰。阐述了矢模糊函数的定义、算法及其特点,并把矢模糊函数成功地应用到旋转机械故障诊断中。为了对比分析,还通过类似的方法定义了矢Wigner分布。仿真和实验结果表明,提出的矢模糊函数在旋转机械故障诊断中是非常有效的,矢模糊函数优于矢Wigner分布。