经验小波变换-同步提取及其在滚动轴承故障诊断中的应用

为了准确诊断轴承故障并探究故障信号的时变特性,提出了一种基于同步提取变换（Synchroextracting Transform,SET）和经验小波变换（Empirical Wavelet Transform,EWT）的轴承故障诊断方法。对故障信号进行经验小波变换分解,把分解得到的若干个经验模态进行同步提取变换,将所有模态的SET 结果叠加即可得到EWT?SET的时频结果。仿真表明,提出的方法比传统的SET 方法有优势,能够有效解决传统SET 方法在处理瞬时频率较近的模态信号时易出现瞬时频率特征模糊的问题。把所提出的方法应用到不同损伤程度的轴承故障诊断中,实验验证了提出的方法能有效地诊断出轴承故障与损伤程度,能清晰地表示故障信号的时变特征。     

基于聚类分析和骨架提取的含裂纹超声红外热像增强方法研究北大核心CSCD

超声红外热图像因噪声干扰及缺陷位置的热扩散,导致其存在对比度差、清晰度低、边缘模糊等问题。为了增强红外图像视觉效果,提高缺陷检测能力,提出了一种基于聚类分析和缺陷骨架的超声红外图像增强方法。采用基于kmeans的DBSCAN聚类算法对裂纹发热区域进行识别聚类,将图像分解为缺陷生热区域与非缺陷区域;然后,对缺陷区域进行骨架描述,并沿裂纹骨架走向采用改进的部分子块重叠直方图均衡算法对缺陷图像进行增强。提出的超声红外图像增强方法与常用的直方均衡化、限制对比度自适应直方图均衡化、自适应同态滤波三种方法进行对比,结果表明所提的增强方法可以得到对比度更显著的图像,具有明显的优势。提出的方法为增强超声红外图像视觉效果、提升裂纹诊断能力提供了一种有效方法。     

基于支持向量机的故障模式识别研究

支持向量机为因缺乏大量故障样本受到制约的智能诊断提供了一个全新的途径.从振动信号中提取特征向量作为支持向量机的输入,对滚动轴承故障模式进行识别.实验表明,在含噪声条件下支持向量机对滚动轴承故障模式仍然具有优秀的分类性能.     

基于自相关的AR模型的盲辨识算法

研究了一种AR模型的盲辨识算法，该算法可同时辨识AR模型的阶次及相应的模型参数，而不需事先确定AR模型的阶次或者假定AR模型的阶次已知，其特点是计算量小，具有很好的收剑性，适合在线建模，并与常用的奇异值-最小二乘法相比较，无论是运行速度、还是辨识精度方面，都具有优势，尤其随着阶次的增加，优势越明显，仿真结果表明该算法是很有效的。     

小波和FHMM在旋转机械升降速过程中的应用

小波变换具有时频局部化的特点，可有效地用于非平稳信号的分析和处理。因子隐Markov模型(FHMM)是隐Markov模型(HMM)的扩展形式，适用于动态过程的时间序列的建模并具有强大的时序模式分类能力，特别适合非平稳、重复再现性不佳的信号分析。结合小波变换和FHMM．提出了基于小波变换的FHMM状态识别法，即从小波分解结构中提取一维信号的低频系数作为特征向量，以FHMM作为分类器．并进行实验研究。实验结果表明，该方法是有效的。     

单晶涡轮叶片长期服役组织演化及性能退化分析

为对单晶涡轮叶片长时服役后的显微组织损伤及力学性能退化程度进行评价，分别选用服役时间为25000h和50000h的燃气轮机用高压涡轮叶片，截取叶身中部材料进行组织定量表征和显微硬度测试。定量测算了不同服役时间和不同位置的γ"相尺寸、体积分数，二次γ"相尺寸，基体通道宽度，并进行了维氏硬度测试。结果表明：同一服役时间不同位置γ"相尺寸粗化程度不同，前缘、尾缘高温区γ"相尺寸大于叶盆、叶背处，而体积分数稍小于其他两处；服役50000h的叶片γ"相尺寸大于相同位置处服役25000h叶片，体积分数呈相反规律；部分位置存在二次γ"相析出现象，二次γ"相析出位置基体通道宽度明显增加，经1100℃/2h空冷/炉冷实验验证，二次γ"相析出与工作高温及冷却方式有关；尾缘服役异常高温区出现TCP相，该相富含W、Re元素，经分析为μ相；不同服役时长前缘、尾缘位置显微硬度均下降明显，且显微硬度下降与γ"相尺寸增大呈负相关、体积分数减少呈正相关关系，γ"相尺寸、体积分数可作为本材料损伤评价参量。     

加强G网、C网电波秩序管理为公众移动通信营造良好电磁环境

随着移动通信业务的飞速发展，公众移动通信与人们生活的关系日益密切，成为国民经济和人民日常生活的重要组成部分。近年来，公众移动通信基站数量日益增多，基站管理日趋重要，排除公众移动通信网干扰已成为无线电技术管理的重点和难点问题之一，也是体现和提升无线电管理技术水平的重要标志。     

基于量子遗传的机械故障非线性盲源分离方法研究

针对传统的机械故障非线性盲分离方法的不足,即将非线性盲源分离中分离矩阵和非线性去混合函数的参数分开来优化,这样容易顾此失彼,学习效率低。将量子遗传引入到机械故障非线性盲分离中,提出一种基于量子遗传的机械故障非线性盲源分离方法(简称QGA-NBSS方法),该方法能同时对分离矩阵和非线性去混合函数的参数进行优化,获得全局最优解并加快了算法的全局收敛性,克服了传统的机械故障源的非线性盲源分离方法的不足。仿真和实验结果验证了提出的方法的有效性。     

基于概率神经网络的自适应报警技术研究

为了解决目前设备状态报警线设置所存在的缺点,即报警线的设置与设备运行情况变化无关,提出了用概率神经网络构建设备运行状态模型,根据历史数据确定报警值并设置报警线的方法。实验表明,该方法是可行而有效的,用该方法设置的设备状态报警线能够随设备运行而做自适应调整,对指导工业现场的设备监测具有现实意义。     

涡流脉冲热像与长脉冲光热像对铝板中亚表面缺陷检测的对比研究

作为两种新兴的无损检测与评估技术,涡流脉冲热像和长脉冲光热像已广泛应用于多种场合。针对两种技术检测铝平板类结构中存在的亚表面缺陷,开展试验对比研究。在利用主成分分析和K-means聚类实现增强和提取缺陷信息的基础上,定量对比两种热像技术检测不同尺寸人工平底洞缺陷的性能。试验结果表明,涡流脉冲热像和长脉冲光热像分别能从18个缺陷中检测出14个和12个。此外,涡流脉冲热像对埋藏较浅的缺陷更具检测优势而长脉冲光热像对孔径较大的缺陷检测效果更好。