由于滚动轴承在工程实际中的应用场景复杂多变,早期的滚动轴承故障容易被高强背景的噪声所掩盖,传统的故障特征提取方法效果不理想。针对现有共振稀疏分解方法的品质因子手动选取不严谨的问题,提出蛙跳算法优化参数模型,将品质因子进行蛙跳算法优化,再将得到的最优品质因子组合输入到共振稀疏分解模型中进行处理,得到低共振分量,将低共振分量进行Hilbert解调分析。设定低共振分量的峭度值最大为目标,进行蛙跳迭代寻优,最终实现了故障频率的识别。

介绍了利用激光光纤干涉法测量混凝土坝体温度的测量原理、系统结构优化设计、试验结果及其分析.该系统利用激光干涉与光纤结合实现对坝体温度远距离多点高精度测量,克服了传统传感器单点测量、测温滞后、容易与被测介质发生化学反应、易受电磁干扰等缺点.实验结果表明其分辨力为0.01℃,测温范围为-50～120℃,为坝体温度测量提供了一种新的技术途径.

大型高速旋转机械是电力、能源、化工、航空和船舶等行业的关键设备,其稳定运行是安全、高效生产的决定性因素。为了监控或检测这类机械的运行参数,确定其整体或局部的性能是否正常,设计了用于高速旋转机械径向振动检测的反射式光强调制型非接触式光纤传感系统,对检测系统的工作原理做了详细介绍。对半导体激光器恒稳控制系统和激光光纤耦合系统进行了研究,并给出了相应的系统设计。设计了新型的光纤测头,提出了相应的补偿方案,并对其输出特性进行了详细的分析。研究结果表明,该测试系统能有效地消除因光源光强波动、光纤弯曲损耗、表面反射率等因素对输出特性的影响,可以在电磁干扰严重和高温等恶劣环境下实现对高速旋转机械径向振动的检测。

为了有效提取滚动轴承振动信号的故障特征和提高分类识别精度,提出了一种基于冗余二代小波包变换-局部特征尺度分解（redundant second generation wavelet packet transform-local characteristic scale decomposition,简称RSGWPT-LCD）和极限学习机（extreme learning machine,简称ELM）相结合的故障特征提取和分类识别方法。首先,利用希尔伯特变换对原始振动信号进行处理,得到包络信号;其次,基于双层筛选机制,结合冗余二代小波包变换（redundant second generation wavelet packet transform,简称RSGWPT）和局部特征尺度分解（local characteristic-scale decomposition,简称LCD）方法对包络信号进行分解,筛选出包含主要信息的内禀尺度分量（intrinsic scale components,简称ISCs）;然后,对提取的各ISCs分量构建初始特征矩阵并进行奇异值分解（singular value decomposition,简称SVD）,将得到的奇异值作为表征各损伤信号的特征向...

首先利用蛙跳算法对最佳影响参数组合进行搜索,搜索结束后选择最优的参数,利用优化参数的变分模态分解对故障信号处理,得到本征模态函数;为了验证蛙跳算法得到的参数是否为最优参数,选择最佳的本征模态函数进行包络分析,将包络谱的特征频率与实际故障频率相比较;以得到的模态函数构成矩阵,进行奇异值分解,得到信号的奇异值,以奇异值作为极限学习机的输入,对故障类型进行分类。利用优化参数的变分模态分解对仿真信号和实测信号进行分析,均能提取特征信息,对故障类型进行识别,表明该方法有一定的实际意义和实用价值。