燃气机驱动的供热空调系统容量调节的研究

在采用冷负荷系数法计算我国典型气象地区负荷分布的基础上，对燃气机驱动的供热空调系统在不同压缩机转速下的变工况特性、变速容量调节性及其节能机理进行分析，得到了寻找根据室外温度条件对燃气机热泵系统的容量进行实时控制的压缩机转速变化规律的有效方法。     

计算机辅助设计中参数绘图技术

论述了应用Ａｕｔｏｌｉｓｐ软件在机械设计ＣＡＤ系统中，生成参数图的技术，介绍了参数的处理及编程技巧     

小波变换在故障诊断中的应用

小波变换是一种日益获得广泛应用的信号分析方法。介绍了小波变换基本原理和利用小波变化来检测信号的奇异特征的原理，证实了小波变化在检测奇异信号方面的有效性。结果表明基于小波变换的去噪方法是非常有效的。     

数据融合技术在异步电机故障诊断中的应用

将数据融合方法引入到异步电机的故障诊断中,通过不同传感器综合采集异步电机运行时的各个状态参数,运用并行BP子神经网络对异步电机进行局部诊断,再用D-S证据理论对局部诊断的结果进行全局融合,实现对异步电机的准确诊断。实验表明,诊断结果的可信度显著提高,不确定性明显减少,证明了该方法是有效的。     

Adaboost_SVM集成模型的滚动轴承早期故障诊断

针对滚动轴承早期故障诊断中故障特征微弱难以有效检测的问题,提出一种基于Adaboost提升支持向量机(Support vector machines,SVM)集成学习模型的滚动轴承早期故障诊断方法。首先以Cincinnati大学实测的滚动轴承全寿命振动数据为基础,采用特征参数跟踪法,建立特征参数的趋势分析,并据此选择用于滚动轴承早期故障诊断的敏感特征参量,然后通过构造Adaboost提升SVM集成学习模型,并将其应用于滚动轴承的早期故障检测中。Ada Boost能够自适应地提升单一SVM的分类性能,相对于传统的单一SVM分类器Adaboost_SVM稳定性最好,早期故障诊断准确率最高。实验结果表明,结合优选的敏感特征参量,Adaboost_SVM能有效地诊断滚动轴承的早期故障模式。     

矿用电铲整机运行特性联合仿真研究

以实现矿用电铲挖掘轨迹的智能化控制、充分认识电铲整机运行特性为目的,在考虑电机加减速过程的基础上,建立了以时间为历程,由提升速度和推压速度直接决定的电铲齿尖轨迹方程.基于所建立的轨迹方程,分析了电铲斗杆与铲斗的受力状况,并确定了提升力、推压力、切削层厚度及挖掘物料体积的计算方法,基于SimulationX软件搭建了电铲...     

倒频谱在直驱风机主轴轴承故障诊断中的应用

为了能够有效的识别直驱式风电机组主轴轴承的故障信号,针对轴承故障所产生的调制多边频带成分在时频谱中较难辨识的特点;基于倒频谱的特点(1)对信号加权处理,突出了小周期信号,使信号的边频带成分得到凸显,(2)对信号取对数,将振源信号与传递信号分离。并通过实例对比分析进行验证,以时频域特征为辅助确定了其故障及故障的信号特征,倒频域方法诊断出故障发生的部位。该方法为风电机组轴承的故障检测提供了良好的方法,也为风电机组的在线监测提供了很好的借鉴。     

管网泄漏极性相关法定位研究

针对管网泄漏定位运算量大而不易实现在线检测的问题,设计一种运算快速、实时测量的定位方法。以泄漏液体的声学特性为依据,建立测漏模型,将捕获的信号离散化后极化处理,用极性相关法计算渡越时间,从而得到漏点到测点的距离。为验证极性相关法定位的可行性与可靠性,设计声学管网测漏仪。通过实验证明极性相关法能够有效提高相关函数的运算速度,易于在微处理芯片中进行实时分析,实现了工程中管网泄漏的在线定位测量。     

VMD模糊熵和SVM在柱塞泵故障诊断中的应用

为有效提取非线性非平稳特性的柱塞泵故障特征,提高故障诊断准确率,提出了一种基于变分模态分解（Variational Mode Decomposition,VMD）模糊熵和支持向量机（Vupport Vector Machine,SVM）相结合的柱塞泵故障诊断方法。首先将信号经过VMD分解形成K个固有模态分量（Intrinsic Modal Component,IMF）;然后确定IMF个数,提出了基于峭度分析的IMF个数确定方法;其次取峭度值较大的IMF并计算其模糊熵,确定了各状态下相应的模糊熵;最后将模糊熵作为特征向量输入SVM进行故障识别,准确率可达98.3%。将该方法与经验模态分解（Empirical Mode Decomposition,EMD）模糊熵-SVM、VMD模糊熵-BP神经网络对比,结果表明,VMD模糊熵和SVM相结合的方法在柱塞泵故障诊断中具有优越性。