自适应径向抛物线核时频分布及其在故障诊断中的应用

针对二次型时频分布中固定核函数性能依赖于信号的局限性,提出一种新的自适应核函数--径向抛物线型核(radial parabola kernel, RPK).该核函数可根据被分析信号的不同特性,采用优化方法自适应对模糊函数进行低通滤波,最大程度地滤除交叉干扰项,提高时频分辨率,具有对信号的广泛自适应性.与常用的Wigner-Ville分布、Choi-Willams分布、锥形核分布相比,显示了其明显的优势.最后,将该核函数应用于轴承故障诊断中,取得很好的效果.     

转子系统盘轴松动故障动力学建模和仿真研究

现有的松动故障动力学特性研究主要集中在非转动部件的配合松动上,而转动部件松动故障却忽略了。针对此不足,采用Hertz接触理论,建立了盘轴碰摩模型和盘轴松动转子系统的动力学模型,并进行了仿真研究。讨论了转轴转速、盘轴弹性模量、盘轴间隙、转轴阻尼、转盘阻尼、转动阻尼、转盘初始转速对转盘运动状态的影响以及转盘振动特性、盘轴位移差的变化和盘轴运动轨迹。结果表明:转轴转速、盘轴弹性模量、盘轴间隙、转轴阻尼、转盘阻尼、转动阻尼、转盘初始转速对转盘运动状态有明显的影响;在某些转速下,拍振现象会出现在转轴的波形中,其原因可能是由盘轴碰摩或者盘轴碰撞所导致,在频谱图中会出现二倍频、三倍频等高次谐波成分,随盘轴转速差的增大,高倍频的频率也会增多;当转盘转速趋于平稳时,盘轴位移差也会趋于平稳;锯齿现象会出现在转轴转盘运动轨迹中,盘轴摩擦力方向的改变会造成锯齿方向不确定,且转盘的锯齿现象表现更加明显。研究成果对盘轴松动故障的动力学特性研究具有重要的参考价值。     

基于时频分析的机械设备非平稳信号盲分离

针对传统的机械故障源分离方法忽略信号非平稳性的不足,结合时频分析和盲源分离的各自优点,提出一种基于时频分析的机械设备非平稳信号的盲分离方法,并与传统的机械故障源分离方法进行对比.实验结果表明,对于机械设备非平稳混迭信号,必须充分利用信号的非平稳性,才能达到很好的分离效果.文中的研究为机械设备非平稳混迭信号的分离提供一种新方法.     

基于变分非线性调频模态分解的滚动轴承多故障诊断方法研究

基于变分非线性调频模态分解,提出一种滚动轴承多故障诊断方法。对滚动轴承多故障振动信号分量的瞬时频率和瞬时幅值进行估计;在此基础上,通过最小化信号的带宽实现滚动轴承故障信号的重构。对比所提方法与变分模态分解法,通过实验案例对所提方法进行验证。结果表明：所提方法明显优于变分模态分解方法,即使在强噪声背景下,仍能有效地实现滚动轴承多故障信号的分解与重构,可以有效地诊断滚动轴承多故障。     

变幅载荷作用下疲劳裂纹扩展研究综述

机械结构主要承受疲劳载荷,工程上尤其承受变幅载荷。本文对目前国内外比较常用的变幅载荷作用下疲劳裂纹扩展的模型理论进行了详细地综合分析,大致包括了塑性诱导闭合理论、裂纹尖端钝化理论和残余压应力理论。目前常用的模型单峰或多峰超载疲劳裂纹扩展寿命的预测结果比较理想,但在高载比以及考虑构件厚度效应时误差往往比较大。所有模型均有其依据的理论、成立的前提条件和适用范围,在实际工程应用中应根据不同的条件选择相应的模型。高载比,裂尖大范围屈服时模型寿命预测的准确度问题是今后重点。本文对读者了解模型的使用范围和简化模型以提高其寿命预测的适用性、方便性和准确度,可以提供借鉴。     

基于非线性输出频率响应函数的转子碰摩故障诊断方法研究

以碰摩故障为研究对象,将非线性输出频率响应函数(NOFRF)引入到含有碰摩的转子系统故障诊断中。对比分析在转子与定子不同间隙下的转子系统NOFRF值的变化情况,并进行了试验验证。结果表明故障转子系统的NOFRF值对转子与定子不同间隙的变化非常敏感,因此,可以利用转子系统的NOFRF值对碰摩故障的敏感性,不仅可以有效地区分转子系统中的碰摩故障,而且还可以有效地识别转子系统中的碰摩故障的严重程度。     

基于Choi-Williams分布的机械故障源分离技术的研究

针对传统的机械故障源分离方法的不足,即源信号满足非高斯、平稳和相互独立性的假设,提出了一种基于Choi-Williams分布的机械故障源分离方法,并进行仿真研究,同时,还与传统的机械故障源分离方法进行了比较,仿真结果表明,对于机械非平稳信号的分离,必须充分利用信号的非平稳性,才能达到很好的分离效果。最后,将该方法应用到电机-减速箱耦合的多通道振动实验中,实验结果表明,该方法是有效的。     

基于CVA-ICA的机械故障源动态盲分离方法

动态盲源分离问题是多故障源盲分离的一个热点。传统的机械故障源分离方法要求满足统计特征保持稳定,且混合系统保持不变等假设,而忽略了时序信息。针对此不足,结合规范变量分析(Canonical variate analysis,CVA)和独立分量分析(Independent component analysis,ICA),提出一种基于CVA-ICA的机械多故障源动态盲分离方法。该方法的基本思想是将源信号看成状态空间的状态变量,观测信号看成状态空间的输出变量,从而将动态混合盲源分离问题转化为状态空间盲源分离问题,利用规范变量分析作为降维工具来构造状态空间,再利用传统的ICA算法对规范的观测信号进行盲源分离。仿真研究表明,在处理动态混合的盲分离中,提出的方法明显优于静态ICA方法,取得了满意的分离效果。将该方法应用到滚动轴承内圈和滚动体的故障盲分离中,试验结果进一步验证了该方法的有效性。     

金属断口图像处理研究进展

论述了金属断口图像处理在国内外的发展与研究现状,以及金属断口图像的预处理过程、对图像的特征提取以及模式识别3个部分,并基于空间域及变换域对三部分的方法进行统计分析以及归纳总结。同时,针对算法的运算时间及速率、识别率以及鲁棒性等性能指标,对金属断口图像的识别综合性能进行判断分析和探讨。指出现阶段金属断口图像处理算法存在的不足之处及其进一步的发展方向,这将为断口图像智能诊断技术的发展提供有力的参考。     

基于模糊域和支持向量机的故障诊断方法

将模糊域分布和支持向量机相结合，提出了一种故障诊断的新方法，该方法将模糊域分布中的局部能量作为特征输入到支持向量机的多故障分类器进行故障识别．利用模糊域分布可以很好地刻画信号的时频局部化特征，与时一频平面特征提取相比，又可大大降低数据维数．对于不同类型的核函数分布，将其诊断结果进行比较，试验结果表明，基于模糊域的支持向量机故障分类无需核函数滤波就能取得最好的分类效果．