研究了一种高分辨率扭转振动测量方法及相应的脉冲调制解调方式,讨论了该方法的工作原理、实现的途径和在使用中存在的一些问题.列举了应用实例,并给出了齿轮箱故障的扭振诊断与利用箱体振动信号进行诊断的比较结果.该方法在实际应用中不但简单可靠,而且精度较高.由于扭振信号传递路径简单,信噪比高,故障特征明显,后续处理简单,所以利用它对齿轮箱进行故障诊断的效果更好.

为了克服常规位移测量计数器测量的动态范围窄的缺点,介绍了一种能够精密测量振动位移的方法.该方法采用莫尔条纹技术测量位移,通过高速数据采集和高速信号处理,能够测量机械结构的大幅度、宽动态范围的振动位移.由于振动位移的方向随时改变,测量时对鉴向的要求比较高.本文提出了一种莫尔条纹计数细分方法,可以完成高速鉴向及可逆计数.该方法具有量程大、分辨率高、响应速度快、抗干扰的特点.

在分析调谐质量阻尼器（Toned Mass Dampers，简称TMD）减振原理以及TMD参数对主结构振动特性影响的基础上，得出了TMD参数优化的理论依据，进而采用改进的单纯形法计算出优化的TMD参数值，并通过在桥梁振动控制中的应用，说明了所得出的TMD优化参数对于小阻尼既有结构进行振动控制是非常有效的。

土木工程结构中有很多方形断面的细长结构,常常受到斜向风作用,其风荷载可以简化为斜置方柱的气动力,与垂直风向作用不同,目前尚没有明确的气动力估算方法。针对此问题,采用刚性节段模型测压风洞试验,分析了风偏角对方柱的静态气动力特性的影响规律。结果表明:采用传统风速分解法仅可以有效地估计在分离点之前的风压,并不适用于斜置方柱完整气动力的估算;由于背风面风压的减弱,斜置方柱的平均和脉动气动力系数小于垂直方柱的对应值;斜置方柱的旋涡脱落频率小,强度弱,频带宽。因此,采用垂直方柱的平均气动力作为方柱抗风设计的平均风荷载是偏于安全的,但是由于旋涡脱落频率及带宽的变化,斜置方柱的风致振动与垂直方柱会有明显的差别。

针对经验小波变换（empirical wavelet transform,简称EWT）在强背景噪声下对轴承的轻微故障特征提取不足的问题,提出了概率主成分分析（probabilistic principal component analysis,简称PPCA）结合EWT的滚动轴承轻微故障诊断方法。首先,对信号做PPCA预处理,提取信号主要故障特征成分,去除强背景噪声干扰;然后,采用EWT方法分解轴承故障信号,按相关系数-峭度准则选出故障特征较为明显的分量,并将所选分量重构故障信号;最后,对信号采取包络分析,提取出轴承故障特征。仿真和实验结果表明,该方法能够有效地诊断出轴承故障且效果优于对信号进行EWT包络分析。

为解决获取起重机臂筒固有焊接变形的不便利及复杂性问题,应用支持向量机模糊理论融合技术对起重机臂筒焊接变形测量方法进行研究,并采用遗传算法对支持向量机的核参数及惩罚因子进行寻优,以误差函数为评价指标,最终确定了核参数σ=1.8和惩罚因子c=26.将该测量模型应用于焊接变形的预测,同时采用智能图像检测法对相同预测点进行测量对比,结果显示所建立的融合模型对起重机臂筒焊接变形的测量和智能图像检测法的误差在5%以内,验证了该测量方法的准确性。

首先,对典型单回路500 kV高压输电塔进行了有限元模态分析;然后,利用基于非定常风荷载的风致动力响应频域分析方法,对单回路高压输电塔风致响应进行了参数分析;最后,详细探讨了参振模态数目、模态交叉项、结构阻尼比等参数对响应的影响。结果表明输电塔上部节点考虑前三阶整体振型(两水平向侧弯和扭转)就能保证足够高的位移计算精度;参振模态数目对加速度响应值有较大的影响,随模态阶数的增加,加速度响应单调增大;基底弯矩主要由各方向一阶侧弯振型贡献。输电塔对阻尼比的变化敏感,随着阻尼比的增大共振响应明显减小,阻尼比对响应低频部分的影响基本可以忽略。此外,在单回路酒杯型输电塔频域响应分析中,可不考虑模态交叉项的影响。

针对滚动轴承发生局部故障时振动信号中微弱周期性冲击的特征提取问题,提出参数优化集合经验模式分解（optimal ensemble empirical mode decomposition,简称OEEMD）与Teager能量算子解调结合的滚动轴承故障诊断方法。首先,针对集合经验模式分解（ensemble empirical mode decomposition,简称EEMD）过程中两个关键参数k（加入白噪声的幅值系数）和m（集合平均次数）的准确选取问题,通过引入相关系数、相关均方根误差和信噪比分析,给出一种可自适应确定这两个参数取值的OEEMD方法,通过OEEMD将冲击从滚动轴承振动信号中分离出来;其次,采用Teager能量算子对其进行包络解调,计算出瞬时幅值后再对瞬时幅值进行包络谱分析,以获取冲击的特征频率,从而对滚动轴承故障进行准确诊断。仿真信号分析和应用实例验证了该方法的有效性。

针对在钻削加工噪声背景下振动信号微弱特征识别和提取困难的问题,提出了一种基于小波包分频谱减的钻削振动信号特征增强方法.首先,在经典谱减法原理的基础上,将钻削前机床空转信号视为监测信号的"加性噪声";其次,根据钻削过程振动信号的特点,采用小波包分解方法将"加性噪声"和监测信号分成多个子频带;最后,对每个子频带内"加性噪声"的相应频带进行谱减处理后,重构钻削振动信号.仿真和实验结果表明,该方法能有效降低环境噪声对钻削过程特征提取的影响,从而达到增强监测信号特征的目的,同时建立了钻削过程与监测信号之间很好的映射关系模型。

针对一端支承松动的转子一滚动轴承系统,利用遗传算法对松动端的故障非线性参数进行识别.针对传统遗传算法的早熟收敛问题,提出了一种改进的遗传算法.通过适应度函数的构建,将参数识别问题转化为参数优化问题,改进了遗传算法中新一代种群的生成机制.父代种群进行交叉与变异操作后,并不直接产生新一代种群,而是取父代种群与生成的种群中适应度排序靠前的个体组成新一代种群.改进的遗传算法能以较大的变异率进行遗传进化,克制了遗传算法的早熟收敛问题,加快进化速度.用改进遗传算法识别了转子支承松动参数,并研究了变异率和噪声对识别结果的影响.研究表明,改进的方法能有效提高松动参数的识别效率,变异率最高可达 0.3 ,噪声不超过10%时能具有理想的识别精度.基于支承松动转子实验台的实测信号,利用改进遗传算法进行了参数识别,验证...