基于三维声场空间特征的故障诊断方法研究

基于机械表面声压幅值分布变化的声像故障诊断方法改善了传统的采用单点测试的声诊断鲁棒性,但由于忽略空间相位信息,在弱故障工况下存在识别率低和诊断困难等问题。针对上述问题,运用信息映射和融合的思想,提出了一种基于三维声场物理空间特征的声诊断方法。首先利用近场声全息技术构建弱故障工况的辐射声场,将声源的相位信息映射到空间域,得到三维场点声压分布;然后在一个波长范围内序列拾取13个辐射声场空间断层,对每个断层面提取Gabor小波特征,并构建声场空间特征模型进行诊断识别。仿真和实验研究结果表明基于三维空间声场的故障诊断方法能有效改善弱故障工况的诊断鲁棒性,进一步拓展了声成像技术的工程应用,并为声学故障诊断提供了新思路。     

资源受限的机械振动 WSN 层次分解 CNN 边缘计算方法

用于机械振动监测的无线传感器网络节点的微控制器需要进行复杂的边缘计算,然而硬件资源受到限制。 卷积神经网 络作为一种性能优越的深度学习算法,若将其运行在 MCU 上可增强边缘 WSN 节点的计算能力。 本文提出了一种不修改 CNN 模型的层次分解方法,解决了难以在资源受限的 MCU 上运行不轻量化 CNN 的问题,实现了机械振动 WSN 节点的计算能力增 强。 首先通过设计文件结构用于分解并存储 CNN 模型参数,然后提出内存管理方法并推导随机存取存储器的消耗过程,最后 提出参数定位方法准确高效地读取模型参数。 实验表明仅使用 1. 76 KB RAM 与 2. 14 KB Flash,在 3. 15 ms 内便可实现高准确 率的边缘计算识别任务。     

基于灰色关联聚类的声像故障诊断技术

声像故障诊断方法基于声像的物理含义,结合图像处理、特征提取和模式识别等学科研究成果,把声学故障诊断问题转化为图像的模式识别问题,但该方法存在特征冗余,限制了模式识别率的进一步提高。针对上述问题,提出了基于灰色关联聚类的声像故障诊断技术,首先利用近场声全息技术构建机械状态的辐射声场,提取有效反映机械状态的声像Gabor小波特征,然后运用灰色关联聚类技术融合特征序列中关系紧密的因素,进而构建低维有效声场特征模型实现状态诊断识别。仿真和实验结果表明该技术能够降低特征冗余、缩减特征维数,同时,改善声像诊断效率和鲁棒性,进一步改进了声像故障诊断技术,拓展了灰色关联聚类技术的工程应用。