轧机传动轴扭矩动态监测系统的研究

对轧机传动系统扭矩进行动态测量,可以实现工况实时监控.文中通过高频无线感应电源实现扭矩传感器非接触能量供给,测量信号通过V/F变换、调频后由发射天线从回转轴发射到地面,地面接收天线接收后对信号进行解调、F/V变换,测得传动轴上的扭矩值,实现扭矩的实时监测.     

基于时变啮合刚度的裂纹故障齿轮振动特征分析

齿轮系统在复杂的工况条件下,容易产生裂纹故障,对正常运转造成困难。时变啮合刚度作为齿轮传动系统重要内部激励之一,刚度的变化能够良好地反映齿轮的动力学响应,因此使用精确的刚度算法能够有效地进行齿轮系统动力学特征分析。考虑齿轮过渡曲线函数,通过分析完整的齿廓曲线,采用势能法计算齿轮时变啮合刚度,研究10种不同裂纹长度的刚度变化。考虑时变啮合刚度和齿间滑动摩擦,建立6自由度齿轮系统动力学模型,利用Runge-Kutta法仿真求解齿轮不同裂纹长度时的动力学响应。通过分析位移响应发现齿轮存在裂纹时会产生冲击特征,随着裂纹长度增加,冲击特征越来越明显。最后比较分析了多种统计指标随裂纹扩展程度的变化趋势,结果表明峭度指标对故障特征最为敏感。     

三种不同脂肪酸组成的油脂乳化液的理化性质研究

研究了以天然豌豆蛋白(NPPI)及pH12偏移处理豌豆蛋白(BPPI)作为乳化剂,与三种不饱和脂肪酸含量差异很大的植物油(山茶油、葵花籽油和亚麻籽油)形成O/W乳化液,探讨蛋白改性和植物油种类对乳状液的乳化性能、氧化稳定性、流变性能和微观结构的影响。结果表明,BPPI有利于改善乳状液的理化性质。富含油酸的山茶油乳状液的氧化稳定性较好,但乳化稳定性最差,富含亚麻酸的亚麻籽油乳化液则相反,实际应用中可选择营养丰富、价格低廉的葵花籽油作为乳化液的油相。对开发高附加值的豌豆蛋白产品及拓宽其应用领域有一定的现实意义。      

葵花籽油基油凝胶在面包及冰淇淋产品中的应用研究

以葵花籽油为基料油,食品级植物蜡(米糠蜡、蜂蜡、棕榈蜡)作为凝胶剂构建油凝胶,分别以黄油、起酥油、葵花籽油作对照烘焙面包,以黄油、淡奶油作对照制备冰淇淋,对比分析不同油脂制作的面包和冰淇淋的感官及物性。结果表明:与对照组面包相比,油凝胶面包在各项指标上均无太大劣势,同时,油凝胶面包烘焙损失率比用传统黄油和起酥油烘焙面包小,且饱和脂肪酸含量降低;在抗融化性能方面,蜂蜡油凝胶冰淇淋和棕榈蜡油凝胶冰淇淋的抗融化性能好于黄油冰淇淋,但油凝胶冰淇淋膨胀率较低,不利于冰淇淋形成疏松绵软结构,且有少许蜡感,还需进一步改进。     

基于EMMD和BSS的单通道旋转机械故障诊断方法

针对在欠定的观测信号情况下,传统基于矩阵的盲源分离算法效果比较差的问题,提出一种基于极值域均值模式分解和盲源分离的单通道旋转机械信号故障特征提取方法,并应用于实际的故障诊断中.该方法先通过极值域均值模式分解法分解观测信号,把得到的固有模态函数和原观测信号一起组成新观测信号,从而实现了信号升维,使欠定问题转化为正定问题;然后,由奇异值分解和贝叶斯准则进行源数估计;最后,利用基于四阶累积量的特征矩阵联合对角化方法实现信号的盲分离.通过仿真,验证了该方法对旋转机械故障信号进行盲源分离的可行性.将提出的方法应用到齿轮和轴承系统的故障诊断中,进一步证明了该方法的有效性.     

小波改进阈值去噪和经验模态分解相结合的旋转机械故障特征提取

针对实际工程信号易受噪声干扰导致提取的故障特征不明显的问题,将小波改进阈值方法和经验模态分解(Empirical Mode Decomposition,EMD)相结合,提出一种基于小波改进阈值的经验模态分解去噪方法,并应用到旋转机械故障特征提取中。首先,为了克服传统小波阈值方法在阈值函数的连续性以及重构误差等方面的不足之处,研究小波改进阈值方法并利用其进行振动信号预处理,减少随机噪声对振动信号的干扰,同时减少EMD分解过程中的分解层数以及其边缘效应对有用信号分解质量的影响。在实际应用中,由于振动信号中混有多种不同性质的噪声,预消噪处理常常不足以消除全部噪声的干扰,因此有必要用EMD相关度方法适当地消噪后处理,提高故障特征提取的准确度,研究为旋转机械故障进一步识别诊断提供了重要的参考。     

基于改进LMD和IED-SampEn的齿轮故障特征提取方法

提出基于改进的局部均值分解(Local mean decomposition,LMD)和瞬时能量分布(Instantaneous energy distribution,IED)-样本熵(Sample entropy,Samp En)的齿轮故障特征提取方法。针对LMD存在的端点效应问题,提出最大相似系数法改进的LMD方法,该方法通过在信号内部寻找与两端指定波段相似系数最大的波段,来实现端点效应的改善。进行仿真验证,结果表明该方法能有效改善LMD的端点效应问题。采用改进的LMD方法分解信号得到瞬时幅值函数,由此可以获得信号的瞬时能量分布,将其作为样本熵输入获得IED-Samp En,通过试验研究并与PF-Samp En进行对比,结果表明IED-Samp En能够合理地、有效地反应齿轮的故障状态,作为齿轮振动信号的特征矢量具有典型性,可以作为一种有效的故障特征。     

基于EMD分形维数的轧机主传动系统故障诊断方法研究

提出了一种基于EMD分解和分形维数的轧机主传动系统故障诊断方法.利用EMD方法对轧机主传动系统的振动信号进行分解,得到若干个基本模式分量,进一步求出包含主要故障信息的几个IMF分量的关联维数并计算它们的均方根值,作为判断轧机的故障状态和类别的特征量.实验分析表明,此方法达到了去除噪声的效果,同时增大了故障类别标准的判别距离,从而可以有效地判断轧机主传动系统系统的故障状态和故障类型.     

基于Gabor变换和盲源分离的旋转机械故障诊断方法

传统的盲源分离方法要求源信号相互统计独立,但是实际机械设备很难满足这个条件。为此,提出了一种基于Gabor变换和盲源分离相结合的旋转机械故障诊断方法。首先通过不同混合信号的Gabor变换系数之间的相互关系,得到源信号间的公共频率成分,然后对观测信号进行滤波处理,得到新的观测信号,最后利用矩阵联合对角化方法进行分离,实现相关源信号盲分离。该方法突破了传统盲源分离方法中要求源信号相互统计独立且最多只能有一个高斯信号的限制,仿真和实验结果验证了该方法的有效性和可行性。     

激光多普勒扭矩非接触测量的研究

基于激光多普勒效应测量转轴单截面转速的原理,通过测量双截面的转速进而求两截面的转速差。对转速差进行积分得到在扭矩作用下转轴两截面的相对扭转角,从而得到转轴扭矩,实现传动轴扭矩的非接触测量。同时,设计了实验系统并在扭矩实验平台进行了实验,实验结果表明,激光多普勒法与传统扭矩测量方法的相对误差小于0.2%,说明激光多普勒法具有较高的测量精度。