围绕风电机组液压型变桨轴承损伤检测这一工程难题,分别提出了加权自适应非线性稀疏模态分解(ANSMD)方法和参数优化Lucy-Richardson反褶积(LRD)方法,并将二者相互融合,用于实现液压型变桨轴承局部损伤检测。首先,通过ANSMD方法将原始振动信号分解为一系列稀疏分量,计算各分量的香农熵值及权重系数,并通过稀疏分量加权叠加获得信噪比更好的重构信号。其次,通过自相关能量比优化策略对LRD方法的形态控制参数进行搜寻,并利用参数优化LRD方法进一步处理重构信号,实现连续性周期脉冲强化放大。最终,通过反褶积信号的包络解调分析提取变桨轴承的损伤特征频率成分。液压型变桨轴承测试信号验证结果表明,所提方法可有效检测变桨轴承局部损伤,为解决风电机组运维问题提供新的思路。

在齿轮齿根裂纹故障检测方面,利用倒频谱分析可以比较损伤程度的轻重,但很难具体量化损伤程度范围。为实现损伤程度的量化检测,提出采用主成分分析(Principal Component Analysis,PCA)与灰色关联分析(Grey Relational Analysis,GRA)相结合的方法。首先,利用能量法计算含不同齿根裂纹的齿轮副时变啮合刚度,分析不同损伤程度的响应,并结合损伤检测统计指标进行量化检测,通过PCA算法,对多维损伤检测统计指标进行降维优化后,计算待检目标序列与各个比较状态序列的关联度,用关联度表征裂纹损伤程度。在理论仿真的基础上,进行实验验证。结果表明,倒谱分析可有效地识别出齿根裂纹故障,损伤程度越大,倒谱的尖峰幅值越大。PCA与GRA结合算法与GRA算法计算的关联度相比更大,区分度也更加明显。并可以有效地量化待检目标的损伤程度,为齿根裂纹的定量识别提供理论依...

轴承缺陷检测与损伤程度检测一直是旋转机械领域内非常重视的问题,虽然目前针对振动信号的研究已经取得相当好的结果,但是对于难以安装振动传感器的情况,诊断效果仍需改进。针对强背景噪声下故障轴承产生的声音,提出一种基于递归Hilbert变换和一维卷积神经网络的诊断方法来提取抽象特征并进行模式识别。卷积神经网络结构中引入了全局平均池化层来加速网络的运行。最后,通过数据集验证了所提方法的有效性,与其他常用分类方法进行对比,验证了该方法的优越性。结果表明:所提算法不仅能够准确识别轴承的损伤部位,而且能够准确区分部件的损伤程度。

为提高液压支柱的损伤检测效率,避免漏检问题,提出一种基于超声波的损伤检测系统设计。系统以三轴控制系统为控制核心,结合信号检测模块、主探伤模块、运动控制模块、预处理模块等有效地实现液压支柱检测的螺旋扫描式检测。超声探头的进给运动由滚珠丝杠、轴向定位导轨、滚筒支撑机构等实现,便于管道损伤位置的精准查找和定位。各功能模块中的机械结构协同运行,自动化程度高,能够有效解决常规定点测量方式的不足。

从理论上计算了几种多位置损伤检测方法对结构刚度的敏感度,选用工程上常见的矩形等截面悬臂梁,通过实验模态,对梁损伤引起的模态频率迁移进行了分析,从实验角度对这几种方法的敏感性和有效性进行了比较,并就它们在实际应用中的不足之处进行了讨论.实验结果表明,基于应变模态的损伤指标对承弯结构的损伤更敏感.

用锆钛酸铅（PZT）陶瓷制成超声换能器向结构体中发射超声波，以实现结构损伤的在线无损检测．针对混凝土结构损伤中主动超声检测的技术特点，研制了一种基于PA96的PZT高压大功率驱动放大电路，详细说明了该电路的设计原理、性能及影响因素．实验结果表明，该功率放大电路具有输出电压高、频带宽、驱动力强、稳定性和线性度好等优点。可满足超声波发射系统中超声波发射驱动的要求．

轧辊表面裂纹是轧辊工作时常出现的损伤现象,轧辊使用中必须进行裂纹损伤检测.通过建立含表面裂纹轧辊的有限元模型,计算轧辊的固有频率和振型,分析了轧辊表面裂纹位置和深度对轧辊固有频率的影响规律,为探索通过振动特性识别轧辊的裂纹损伤提供了基础.

选用一工程上常用的截面开口槽形，通过试验模态分析对结构损伤引起的模态频率转动进行了分析，从试验角度对四种损伤检测方法进行了有效性比较。并蒋 神经网络与试验模态分析技术相结合应用到结构损伤的定量检测的研究中，不人证了其可行性，而且是应变指标对结构损伤更敏感。

针对混凝土结构损伤信号的特点，引入一种非平稳信号的时频分析新方法——希尔伯特-黄变换（Hilbert-Huang变换，简称HHT）用于混凝土结构损伤检测。该方法是通过经验模态分解（empirical mode decomposition，EMD）提取信号的固有模态函数（intrinsic mode function，IMF），再进行Hilbert变换，求瞬时频率、瞬时振幅，得到信号的Hilbert谱。试验中通过对无损伤和有损伤两种钢筋混凝土梁进行侧向激振检测，对无损伤信号和损伤信号谱特征进行比较分析，结果表明HHT方法能识别结构损伤，且优于常规的Fourier变换方法及小波变换（wavelet transform，WT）方法，值得推广。

针对曲率模态不能识别结构端部单元损伤的问题,提出了改进的曲率模态识别模型。叶盘是航空发动机结构非常重要的部件之一,若其发生故障将对发动机安全运转造成严重的威胁。而曲率模态对结构故障具有很强的敏感性,运用曲率模态方法,从不同的损伤位置以及不同的损伤程度这两方面比较了叶盘模态振型变化情况,并且用改进的曲率模态方法对结构端部进行计算。数值计算结果表明:当发动机叶盘受到损伤,位移模态和结构频率难以有效反映出结构的损伤位置,各阶固有频率会下降;曲率模态方法能有效反映出结构损伤状况,曲率在损伤处发生突变现象,并能对损伤程度给出定性的描述;而改进的曲率模态识别模型能够识别出结构端部的损伤故障。这为航空发动机叶盘结构的损伤检测提供了理论依据。