低频超低频振动计量技术的研究与展望
从低频和超低频振动测量多个应用领域的角度讨论研究建立低频超低频振动幅相特性计量基标准溯源体系的重要性,介绍国内外研究发展状况,提出低频电压测量的溯源性问题,分析了超低频振动计量基标准实现精确测量的若干关键技术。
旋转机械振动信号形态滤波器的设计与分析
对实测采样振动信号的滤波处理,验证了形态滤波器在抑制信号干扰、保留信号原有特征方面的作用。定量分析了形态滤波器设计中结构元素的形状、宽度、幅值等因素对形态滤波器性能的影响程度以及振动信号的采样频率对结构元素尺寸的影响,并根据数据分析结果得出了在对旋转机械振动信号进行降噪滤波处理时,形态滤波器中结构元素的形状及尺寸的一般设计规律。
基于经验模式分解的框架结构螺栓松动检测实验研究
螺栓松动损伤具有非线性特征,在低、高频激励共同作用下,结构动力响应会出现高频激励与结构固有频率之间的调制现象。利用该调制现象,发展了一种基于经验模式分解(EMD)的螺栓松动检测方法,分别对高频正弦和随机激励下结构响应信号进行EMD分解并作功率谱分析,采用EMD分解后含有调制成分的高频固有模式函数(IMF)构造能量损伤指标来识别结构螺栓松动。采用多尺度法进行单自由度非线性模型分析解释高频调制现象,并通过螺栓连接框架结构的振动实验验证了该方法的有效性。结果表明,螺栓松动时,响应信号频域中出现高频激励与固有频率间的调制成分,所构造的能量损伤指标能够有效识别螺栓松动损伤,并且对于初始松动损伤识别更为敏感。
基于香农熵特征的发动机故障诊断方法
通过分析活塞销在不同配合间隙下的运行轨迹,针对活塞销敲击响产生缸盖振动信号的有序性和在频率成分上的差异性,并考虑到实验数据的有限性,提出了用香农熵选取小波包子信号的特征提取方法和支持向量机的故障诊断方法。将振动信号进行小波包分解并求出各子信号的香农熵,根据香农熵的大小选取出合适的子信号进行分析研究,求出子信号的能量作为特征值,用支持向量机对活
基于频域法的星箭连接分离装置的冲击载荷识别
基于频域法动载荷识别原理,识别基于记忆合金驱动的星箭连接分离装置的三次冲击载荷。通过EEMD算法对测点冲击响应信号去噪及识别,可知频域法可以比较准确识别出星箭连接分离装置的三次冲击载荷,识别效果更具优势,实验结果也间接验证了方法的可行性与正确性。
基于频响函数法的固定结合部参数辨识研究
针对频响函数法在辨识固定结合部参数时由于实验噪声引起的不适定问题,提出对结合部模型中各参数单独分析、单独辨识的方法。利用频响函数法建立固定结合部模型,辨识模型参数时先通过遗传算法寻优得到的结合部参数作为初值,仅改变其中某一参数的大小对整体结构进行模态分析,确定该参数在每一阶模态处的灵敏度。在最灵敏的模态处辨识该参数,以此类推辨识出所有结合部参数。仿真与实验结果表明,采用该方法辨识的结合部参数所预测的整体结构的频响函数曲线与实验测试的频响函数曲线的一致性较好,结合部参数辨识结果具有较高的精度。
基于频谱包络曲线的稀疏自编码算法及在齿轮箱故障诊断的应用
直接将时域或者频域作为低层输入信息构建深度学习故障诊断模型,可以有效的削弱人为因素的干扰,进一步提高人工智能在故障诊断领域的发展。然而,低层输入的时域信号长度难以划定,而频域信号的数据长度较大,导致模型的计算效率降低。针对该问题,提出预先对低层频域信号提取包络线,得到表征频域变化态势的信息成分,接着再与稀疏自编码结合构建稀疏自编码的故障诊断模型。齿轮箱故障诊断实验证明,与原始频域输入相比,所提方法能够在保证诊断效果的同时,降低计算复杂度和所需要的存储空间。
基于广义复合多尺度排列熵与PCA的滚动轴承故障诊断方法
多尺度排列熵能够有效地反映滚动轴承振动信号的随机性变化和非线性动力学突变行为。针对其多尺度过程中粗粒化方式的不足,提出了广义复合多尺度排列熵(Generalized Composite Multiscale Permutation Entropy,GCMPE)。研究了参数对GCMPE计算的影响,并通过分析仿真数据将GCMPE与MPE进行了对比。将GCMPE应用于滚动轴承非线性故障特征的提取,提出一种基于GCMPE、主元分析和支持向量机的滚动轴承智能故障诊断方法。将提出的方法应用于实验数据分析,结果表明,所提方法能够有效地实现滚动轴承故障诊断,且故障识别率较高。
基于广义BP神经网络的切削颤振识别研究
切削颤振将降低加工质量和加工效率,其一直是切削加工领域的一项重要研究课题。针对传统的切削颤振识别方法中,存在获取颤振加工信号中的测量不确定性问题及识别模型中的模型不确定性问题,提出基于广义区间理论的广义BP神经网络切削颤振识别模型,利用广义区间不确定性分析方法将测量不确定性量转换为广义区间量,并进行广义区间形式的时频特征提取,最后将广义区间化的特征量代入广义BP神经网络识别模型中,对切削加工状态进行识别。试验结果显示,提出的广义BP神经网络颤振模型比传统BP神经网络颤振模型有更高的识别率。
基于刚柔耦合模型的微耕机振动特性分析
针对微耕机作业时振动剧烈、操控舒适性差等缺陷开展研究。以南方丘陵地区常用的某型自走式微耕机为对象,依据结构分析及非作业状态下微耕机振动测试结果,结合多体动力学方法,考虑保险杠、发动机托架和扶手架(手柄)为空间柔性体,建立了基于约束的微耕机刚柔耦合动力学模型,并进行了整机系统动力学仿真。同时,开展了微耕机作业工况下振动特性的土槽测试试验。对比分析结果表明仿真所得到的该型微耕机典型转速工况下手柄处的振动特性曲线与试验曲线吻合,加速度有效值误差小于5.4%,频谱成分接近,这说明所建立的微耕机刚柔耦合动力学模型是有效的,运用多体系统刚柔耦合动力学建模理论与有限元相结合的方法研究微耕机整机振动特性是可行的。研究结论对于微耕机振动特性研究有一定的参考价值。











