基于IVMD与改进KELM的发动机故障诊断

为从含有较强噪声的缸盖振动信号中提取有效的故障特征并进行故障分类,提出了采用独立变分模态分解(independent variational mode decomposition,简称IVMD)与改进核极限学习机(improved kernel extreme learning machine,简称IKELM)的发动机故障诊断方法。首先,根据频谱循环相干系数选取匹配波形对信号进行端点延拓,并利用变分模态分解(variational mode decomposition,简称VMD)将延拓后信号分解为一系列固有模态分量,有效抑制了VMD中的端点效应;其次,选取有效分量作为输入观测信号,进行核独立成分分析,进一步分离干扰噪声与有效信号,并消除模态混叠,得到相互独立的有效故障特征频带,进而提取各频带的自回归模型参数、多尺度模糊熵和标准化能量矩构建故障特征向量集;最后,建立基于社会情感优化算法的IKELM分类模型,对故障特征进行分类,实现发动机故障诊断。仿真和实验结果表明,所提出的方法可有效抑制VMD的端点效应,提高信号分解精度,消除噪声干扰并分离出相互独立的有效故障特征频带,增强特征参数辨识度,最终提高发动机故障诊断速度与精度,发动机故障诊断平均准确率达到99.85%。     

基于阶比跟踪及共振解调的连杆轴承故障诊断研究

针对发动机连杆轴承磨损故障诊断中测取的机体振动信号非平稳、频率成分及故障机理复杂的特点,提出了基于阶比跟踪及共振解调的诊断方法。在加速工况下,分别将第3缸连杆轴承间隙调节为0.07、0.20和0.40mm,采集机体振动信号,结合同步采集的转速信号及第1缸外卡油压信号对振动信号的时频分布进行分析,发现振动信号在0.90～1.25kHz频带存在明显的冲击成分,其相位近似分布在第3缸燃爆相位附近,其幅值与连杆磨损程度成正比。在加速状态下对上述冲击成分包络解调及阶比跟踪后提取参数发现,连杆轴承正常、轻微及严重磨损工况的参数分别分布在0.48、1.00和2.50V附近,提取的参数能有效区分出这些工况。     

基于DSP的高速信号采集与处理系统

以DSP为核心的高速数据采集与处理系统,由系统控制,数据采集,数据处理和系统与外部通讯等单元构成.控制与数据处理单元首先建立协议.系统运行时,由系统控制单元向数据处理单元下达任务指令,数据处理单元按协议将采集到的数据进行处理或通过USB口实时地对外发送,由计算机进行完整分析.     

烧结时间对BaMgAl_(10)O_(17):Eu~(2+)蓝色发光材料的影响

采用高温固相法制备了三基色荧光灯用BaMgAl10O17:Eu2+(BAM:Eu2+)蓝色荧光粉,考察了烧结时间对BAM:Eu2+物相纯度、粉体颗粒形貌和发光强度的影响。通过X射线衍射、扫描电子显微镜和荧光光谱等表征手段,研究了样品的物相、形貌和发光强度。结果表明:在预烧温度为500℃、烧结温度为1550℃时,烧结时间对BAM:Eu2+粉体的物相纯度和颗粒形貌没有影响,但是对BAM:Eu2+粉体的发射光谱强度却有很大的影响。在254nm的紫外线激发下,随着烧结时间的延长,粉体的发射光谱强度提高。     

基于灰色理论的润滑油监测数据关联度分析

运用灰色趋势关联度理论,以实验中测得的某重型车辆发动机润滑油的介电常数值为系统行为特征序列,定量分析酸值、积碳含量、铁含量与介电常数的关联性,得出了它们之间紧密联系程度的数量表征。对计算结果的研究表明,各个指标与介电常数之间的关联度虽然有一定的差异和波动,但总体处于较高水平,为通过测量介电常数值来判断润滑油状态提供了依据,并为润滑油各个检测指标之间的相互验证提供了一种方法。     

基于改进ART2神经网络的发动机故障诊断方法

基于改进ART2神经网络的发动机故障诊断方法,用警戒和调整因子的双因子法控制网络识别过程中对已知故障再学习,使网络不断学习和优化.以某发动机的相关状态模式训练ART2网络,利用db4小波包对各模式的振动信号进行分解,再利用小波系数计算出各频带的能量构成向量,经归一化后为该模式下的特征向量.其网络只对相似度超过调整因子的识别样本进行学习,有助于提高网络发动机状态模式的识别精度.     

基于改进遗传算法的三轴磁场传感器校正方法研究

针对三分量磁场传感器存在三轴非正交性、三轴灵敏度不一致和零点偏移误差,不能满足磁场精确测量的问题,提出了一种基于改进遗传算法的三轴磁场传感器校正方法.建立了实际传感器的测量模型,分析了误差产生的机理,研究了误差校正的方法,设计了基于遗传算法和改进遗传算法的校正参数求解过程,通过仿真实验和实测实验,验证了校正方法的有效性和改进遗传算法的快速性,经校正后的三轴磁场传感器的测量精度得到大大提高.     

小波阈值降噪算法中最优分解层数的自适应确定及仿真

小波阈值降噪算法是一种有效的从测试信号中去除噪声的方法.通过对有用信号和噪声信号在小波空间上传播特性的不同进行分析,提出了一种基于小波去相关白噪声检验的最优分解层数自适应确定算法.该算法可以根据含噪声信号的特点和信噪比,自适应的选择小波变换的最优分解层数以达到最优的降噪效果.最后,在MATLAB环境下进行了仿真实验,并进行了工程应用.仿真实验和工程应用结果表明,该方法可以有效的确定合理分解层数得到最优的信噪比.     

基于小波分析的变速箱滚动轴承故障诊断方法的研究

利用小波分析技术将滚动轴承故障振动信号分解到时－频空间,定义了滚动轴承故障振动信号能量分布函数Ｓ（ｔ） ,提出了能量分布函数Ｓ（ｔ） 细化谱诊断变速箱滚动轴承故障的分析方法。在某自行火炮的变速箱上进行了一系列滚动轴承故障诊断实验,实验结果验证了能量分布函数Ｓ（ｔ） 细化谱诊断变速箱滚动轴承故障的有效性     

荷重传感器在自行火炮悬挂系统检测中的应用

利用应变式荷重传感器动态测量自行火炮负重轮的负荷来检测悬挂系统的工作状态。对荷重传感器的工作原理进行了分析，然后对检测原理进行了说明，提取了反映自行火炮悬挂系统性能的特征参数，并通过实验对其进行了验证。