针对滚动轴承故障种类繁多,故障信号特征不明显的问题,提出了一种小波包能量与卷积神经网络相结合的滚动轴承故障判别方法。首先对原始振动信号进行小波包分解,其次求取分解后各个子带信号的能量,归一化后得到一组特征向量,最后将该特征向量作为卷积神经网络的输入,进而判断输入信号所对应的故障类型。为验证所提方法的有效性和优越性,采用美国凯斯西储大学轴承数据集,将所提出的方法与另外两种故障诊断算法进行对比。在不同工况情况下的对比试验结果表明,小波包能量特征提取方法,能够有效提取出原始信号故障特征。相较于常见的卷积神经网络的故障诊断方法,所提方法能够有效提高故障识别准确率,且速度快、稳定性好。

提出一种基于压电智能骨料的混凝土强度监测方法。将压电智能骨料传感器成对埋置于混凝土梁内部,对28d内各目标龄期进行信号监测试验与立方体强度抗压试验。试验结果表明,智能骨料监测信号能量值随龄期的衰减与混凝土强度随龄期的增加基本同步,说明智能骨料监测信号能量的变化趋势能很好地揭示强度发展趋势,可用于混凝土结构强度监测。对试验数据作进一步处理得到监测信号能量比与混凝土强度百分比,二者呈良好的线性关系。