利用所设计的舵机测试系统对飞翼布局阵风减缓试验模型所采用的伺服舵机(Hitec-7954SH)带载情况下的动态特性进行测试,并根据试验数据辨识出舵机的传递函数。设计舵机补偿控制系统补偿舵机的幅值衰减和相位滞后,并在此基础上设计阵风减缓控制系统。仿真计算表明:在von Karman连续阵风激励的情况下,所设计的控制系统能有效减缓模型的阵风响应。然而,舵机动态特性会对阵风减缓控制系统产生影响:幅值衰减会降低阵风减缓控制系统的减缓效果而相位滞后会使得所设计的阵风减缓控制系统在某些频率范围内加剧飞机的阵风响应。比较舵机补偿控制系统开/闭状态下模型的阵风响应,在断开舵机补偿控制系统的情况下,所设计的阵风减缓控制系统的减缓效果降低,甚至加剧某些响应,说明舵机补偿控制系统的必要性,并为之后的风洞试验和飞行试验提供参考。

为了有效的实现滚动轴承的故障诊断,提出基于近似等距投影和支持向量机的滚动轴承故障诊断方法。该方法首先使用高斯随机投影矩阵对数据进行降维投影得到压缩数据,根据近似等距投影性质压缩数据能够保持原始信号的结构;然后从压缩数据中提取压缩域特征并作为支持向量机的输入,建立滚动轴承故障诊断模型,实现轴承的故障诊断。使用不同状态的轴承实测数据进行验证,结果表明该方法能够获得准确的结果。

齿轮箱是风电机组传动系统的核心部分,一旦齿轮箱发生故障,不仅会产生高额的维修费用,还会造成较长时间的停电。因此,对风机齿轮箱进行实时状态监测与故障的识别、隔离具有重要的实际意义。而齿轮箱状态监测与故障识别、隔离的有效性依赖于齿轮箱中传感器所安装的位置和数量,因而有必要对齿轮箱传感器的配置进行研究。为了使安装的传感器不但可以准确反映齿轮箱的运行状态,还能对可能出现的故障实现识别与隔离,提出从风机齿轮箱的动力学模型出发,构建描述齿轮箱运行状态的动力学方程,将结构分析方法应用到齿轮箱传感器的优化配置中;实现传感器数量最少,识别、隔离可能出现的故障能力最大的配置目标。

变转速工况下,滚动轴承故障振动信号出现复杂的频率、幅值和相位调制等现象,基于角度/时间循环平稳(AT-CS)的阶频谱相关可以有效提取其故障特征,但是该方法存在计算量大的缺点,为此,应用组合切片思想,提出基于阶频谱相关组合切片的轴承故障特征提取方法。根据滚动轴承结构参数计算其理论故障特征阶次,并由此确定组合切片中心,再由设定的切片宽度得到组合切片区间并计算信号的阶频谱相关组合切片,通过切片之间的能量分布提取滚动轴承故障特征。通过仿真信号和实验数据验证了该方法的有效性,相比于阶频谱相关,阶频谱相关组合切片能更清晰准确地表征轴承故障特征,并具有较高的计算效率。

转速获取是变工况设备健康诊断的前提。在不便安装速度传感器的情况下,基于振动信号时频分析获取转频是最常用的途径。然而,由于时频分析方法的自身特性和采集的振动信号中往往包含大量的背景噪声,导致得到的时频分布能量聚集性差、部分时段转速信息微弱等问题,很难提取到完整、准确的转频信息。为解决这一问题,提出一种脊线信息增强与特征融合的转速估计方法。采用幅值累加平方策略对时频分布特征进行增强;从信号低频区域和共振频带分别预估计出转频信息;最后,建立基于概率分布和局部波动特性的信息融合准则,以确定脊线融合位置以及融合结果,实现转频的准确估计。轴承故障实验信号验证说明相比于传统的转频提取方法,提出的方法能够显著地改善能量微弱的转速信息的识别结果。

基于集总平均经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）,提出一种星箭解锁分离机构冲击响应信号分析新方法。通过EEMD,将星箭解锁分离机构解锁过程的冲击信号分解成不同模态分量（Intrinsic Mode Function,IMF）。结果表明前两阶模态分量IMF主要为冲击引起的高频振动,而IMF3之后为冲击激励引起的不同阶固有模态振动和局部振动,并通过模态实验验证了分析的正确性。

变转速工况下,传统的循环平稳方法不能有效提取滚动轴承故障特征,提出基于集成阶频谱相关的滚动轴承故障特征提取方法。通过研究角度/时间循环平稳理论,指出阶频谱相关可以有效提取变转速下滚动轴承故障特征,应用循环调制谱实现离散信号的阶频谱相关估计,在此基础上计算信号的集成阶频谱相关,提取轴承故障特征阶次。对仿真和实验数据分析表明集成阶频谱相关不仅可以有效提取变转速工况下滚动轴承故障特征,且较之阶频谱相关,具有更加清晰直观的表达效果。

在服役过程中,螺栓连接受到多种环境因素的作用可能会发生预紧力下降、松动甚至松脱。连接部位早期松动的可靠检测对确保结构的可靠性和安全性具有重要的意义。采用高频具有混沌特征的超声波信号激励待测连接结构,采集结构的动力响应信号,利用非线性时间序列分析方法提取表征连接松动的特征参量。以螺栓搭接梁为研究对象,采用压电陶瓷片作为激励和响应信号采集元件。对响应信号进行解调和相空间重构,提取表征吸引子整体特征的Lyapunov维数和表征吸引子局部特征的平均吸引子局部方差比ALAVR作为松动指标。实验结果表明：该方法能够有效检测螺栓连接的松动状态;吸引子特征量ALAVR相较于Lyapunov维数对预紧力下降具有更好的检测效果;特征参量ALAVR能够有效检测出早期的螺栓松动。

针对机械振动无线传感器网络节点因信道带宽窄导致网络传输速率过低，在大量原始数据传输需求下实时性较差的问题，提出一种基于簇树星型混合拓扑的多信道数据传输方法。对各传感器网络节点进行树间通信干扰最小化信道分配，避免邻频干扰影响树间并行通信，在数据同步采集结束后，各节点以分配信道组建簇树星型混合拓扑网络进行数据传输；采用树间通信握手机制和树间通信优先级抢占机制解决簇树星型混合拓扑带来的树间互盲问题；将各采集节点短地址作为调度信息载入信标进行广播，各采集节点根据调度信息决定进行数据传输或者休眠，实现树内通信能耗最小化时序调度。将提出的多信道数据传输方法与载波侦听多路访问/冲突避免机制进行对比，实验结果表明该方法能有效提高机械振动无线传感器网络数据传输速率。

针对滚动轴承早期故障比较微弱,特征信息难以提取且变分模态分解（VMD）中分解层数k的大小需要使用者反复尝试而不能有效确定的问题,提出了改进的VMD方法,以能量差作为评价参数自适应地确定分解层数k。在此基础上,将改进的VMD与包络导数能量算子结合,提出了VMD与包络导数能量算子的轴承早期故障诊断方法。采用VMD对轴承故障振动信号进行分解,根据能量差曲线确定最佳的分解层数k;依据峭度准则,从分解得到的k个本征模态分量中选取敏感分量进行重构;并用包络导数能量算子对重构信号进行解调分析,从其能量谱中便可准确地提取轴承的故障特征信息。通过仿真信号和实验数据的分析,验证了该方法的有效性与可行性。