当源信号不满足统计独立的假设,或者观测通道数少于源信号数时,经典的盲源分离方法如独立分量分析的处理效果很差。提出了一种基于张量分解模型的盲源分离算法,该方法将观测信号分解为一系列由源信号拟合的有理函数。将观测信号的每一个通道映射为Löwner矩阵并堆叠形成三维张量数据;根据Löwner矩阵的秩和源信号拟合多项式阶数的对应属性,通过张量秩-(Lr,Lr,1)将张量唯一地分解为由源信号的Löwner矩阵表示的前2个模式和由相应的混合向量表示的第3个模式,从而准确地分离出不同源信号;通过数值仿真实验和实测轴承混合故障的盲信号分析,证明了该方法在盲源分离的优良性能。

提取冲击特征是实现轴承、齿轮故障识别的关键,但是容易受到噪声和其他无关成分的干扰。区别于经典的时频分析方法如短时傅里叶变换和同步压缩小波变换,提出基于频域窗函数的短时傅里叶变换法。利用最大相关峭度反卷积的方法对振动信号进行滤波,使信号的质量得到提高;通过频域窗函数,实现二维时频平面中时间的精准定位和冲击特征的准确识别,进一步锐化了复杂多组分信号的时频脊线。利用所提方法对数值仿真信号和实际轴承故障信号进行分析,验证了所提方法的有效性。

提出了一种采用有限元求解过盈配合接触问题的方法。经计算得到接触单元信息,再根据信息情况进行平均接触压力求解。以实例进行了阐述,分析了存在不同程度弯曲误差的轴和叶轮装配以及受热时受力单元个数小于原始单元个数时,应用MATLAB绘制接触面的接触压力曲面,得到叶轮内孔表面接触压力和平均接触压力变化情况。