铝合金加速腐蚀形貌灰度特征提取方法

基于腐蚀图像包含大量腐蚀信息的客观现象,将数字图像技术和概率统计理论应用于腐蚀图像预处理和特征提取,用腐蚀图像统计特征值的变化来表征腐蚀形貌的演化过程。结合LY12CZ铝合金在EXCO溶液中加速腐蚀试验,计算得到加速腐蚀不同时间的试验件表面6个典型灰度统计特征值。分析表明:试验件表面灰度统计特征值随着腐蚀时间的增加呈现规律性变化,平均亮度、一致性随腐蚀时间的增加而减少,而平均对比度、相对平滑度、第3阶矩、熵值等随腐蚀时间的增加而增加,说明随着腐蚀时间的增加,试件表面蚀坑逐渐变大变深,腐蚀越来越严重,腐蚀形貌越来越复杂。     

基于小波包变换和B样条拟合的特征参数提取

提出了综合应用卷积型小波包变换和B样条拟合的特征参数提取方法，卷积型小波包变换能取得比常规小波消噪更好的效果，对于消噪处理后的信号，用B样条进行逼近，得到其分段解析表达式，并计算一阶和二阶导数确定特征点，提取特征参数，有效抑制了噪声对特征点计算的影响，提高了特征参数提取的准确度。     

基于排列组合熵的转子振动信号故障诊断SVM方法研究

针对发动机转子的多种故障模式,提出了基于排列组合熵的SVM故障诊断方法。利用转子实验台,模拟了转子正常、转子不平衡、转子不对中、动静碰磨和基座松动5种典型振动模式,并使用振动传感器采集多路振动数据。计算振动数据的排列组合熵并将其作为故障特征向量,对特征向量样本集进行多级SVM分类诊断,并运用小波包能量特征提取方法提取信号特征。实例计算与结果对比表明,本文方法的正确率要高于基于小波包能量提取特征的SVM分类诊断方法,在提取转子振动信号的特征向量及在小样本下的故障分类诊断等方面,具有可行性和有效性。     

基于视觉识别的电解加工多孔表面评定方法研究

针对电解加工多孔表面特点,提出表面形貌评价指标,获取多孔表面图像并对其进行预处理,提取腐蚀率、不均匀度、灰度等特征参数,揭示各特征参数与电解加工多孔表面形貌的相关性,并通过实例证明该方法适用于电解加工多孔表面的测量。     

基于图像的腐蚀损伤及疲劳寿命研究

在实验室环境下,对航空LY12CZ铝合金试件进行了腐蚀试验,然后采用图像处理的方法,提取了孔蚀率、点蚀坑分形维数、点蚀坑半径3种腐蚀形貌特征值,通过灰色预测方法对腐蚀形貌特征值与腐蚀损伤之间的关系进行了研究,得到了基于形貌特征值的GM(1,3)腐蚀损伤预测模型。在此基础上,利用AFGROW软件建立了断裂力学模型,对不同腐蚀形貌特征条件下LY12CZ试件的疲劳寿命进行了计算与讨论。结果表明,试件的疲劳寿命与其表面腐蚀形貌密切相关,3种腐蚀形貌特征值均与试件的疲劳寿命负相关。此外,基于腐蚀形貌特征值计算得到的疲劳寿命值与利用实测点蚀坑深度计算得到的疲劳寿命值吻合较好,平均相对误差为8.84%。     

基于无序点云的叶片截面特征参数提取

针对提取航空发动机叶片截面特征参数的实用性要求,研究了基于无序点云数据的叶片截面特征参数提取方法.综合距离法和二分法的优点,采用基于矩形腐蚀法的距离-二分法对点云数据排序,基于最小包容区域直线和最小二乘圆拟合,提出了将整条叶片截面点云数据分割成前缘、后缘、叶盆和叶背4部分的自动分区方法,对特征参数提取方法做了研究并用VC++进行算法实现,使用UG/OpenGrip生成UG中叶片截面上的点云数据进行实验运算,计算精度达到10-4mm,表明在实际测量和参数提取中算法误差可以忽略.      

基于BP神经网络的自动倾斜器轴承故障诊断

针对直升机故障诊断的需求,开展全尺寸某型直升机自动倾斜器轴承故障诊断研究。基于电火花刻蚀技术,进行自动倾斜器轴承植入外圈、内圈及滚珠故障试验。在小波包去噪的基础上,提取故障信号的小波域能量和功率谱谱熵特征参数,将其输入反向传播(BP)神经网络中,对自动倾斜器轴承进行故障诊断。研究结果表明,该方法降低了背景噪声的干扰,平均故障诊断率达80%,能够实现自动倾斜器轴承故障诊断,但滚珠故障诊断还有待进一步研究。     

腐蚀环境下材料的疲劳缺口系数

采用当量加速环境谱对LY12CZ铝合金材料进行了不同年限的加速腐蚀试验,并对腐蚀后的试件进行疲劳试验,根据试验数据,对不同腐蚀年限下试件的疲劳缺口系数Kf和DFR值进行了计算,并研究了其随腐蚀年限变化的规律。     

航发叶片机器人磨削颤振检测方法

针对机器人磨削航发叶片过程中末端执行器颤振检测不及时的问题,提出一种基于排列熵的磨削颤振检测方法。利用滑动窗口算法计算颤振原始信号的连续排列熵值,通过排列熵经验阈值0.95判断机器人末端是否发生颤振。其中,采用基于序数模式的排列熵算法,很大程度上提高了排列熵特征的提取效率。当信号长度为10000时,所提出算法的排列熵的计算时间减小到约0.25 s,比传统排列熵算法的计算时间减小了一个数量级。数值模拟及试验结果表明,所提出的方法可以在颤振爆发前约0.48s检测出颤振,为采取颤振抑制措施争取了更多的反应时间。     

基于EMD样本熵-LLTSA的故障特征提取方法

针对振动信号的非线性、非平稳性以及微弱故障特征难以提取的问题,提出了一种基于经验模态分解(EMD)、样本熵和流形学习的故障特征提取方法.该方法将EMD、样本熵和流形学习相结合.首先,利用EMD的自适应多分辨率的特点计算分解得到的IMF(固有模态函数)信号的样本熵,初步提取滚动轴承状态特征值;然后利用流形学习方法对初步的提取的滚动轴承状态特征进行进一步的提取;最后利用支持向量机(SVM)对该特征提取方法进行分类评估,并将该方法运用在滚动轴承故障诊断实验中,实验证明该特征提取方法与基于小波包样本熵的故障诊断方法相比具有很好的聚类性能,且对于SVM的分类结果可达100%,在降低了特征数据的复杂度的同时,增强了故障模式识别的分类性能,具有一定的优越性.     

基于排列熵的长时间序列复杂程度分析

针对光纤陀螺温度漂移过程中,长时间序列的复杂程度分析问题,提出了一种新的排列熵计算模型.排列熵算法能够有效放大时间序列的微弱变化,且计算简单、效率高,在时间序列分析方面具有很好的效果.但时间序列长度对排列熵的影响较大,同时,长时间序列的排列熵算法效率较低.为了有效计算长漂移序列的排列熵,引入包络曲线思想并计算包络均值,...     

基于平滑先验分析和排列熵的滚动轴承故障诊断

由于机械系统的复杂性,滚动轴承振动信号的特征信息表现在不同尺度上,因此需要对振动信号进行多尺度分析。基于此,提出一种基于平滑先验分析(Smoothness priors approach,SPA)和排列熵(Permutation entropy,PE)的滚动轴承故障诊断方法。该方法首先采用平滑先验分析方法代替传统的时间序列分解方法对滚动轴承信号进行分解,得到轴承信号的趋势项和去趋势项;其次,分别计算趋势项和去趋势项的排列熵值;最后,将排列熵值作为特征向量,输入基于粒子群优化支持向量机建立的分类器。将该方法应用于滚动轴承实验数据并进行对比分析,结果表明,在训练样本数为每类50%的条件下,该方法的故障诊断正确率比PE和经验模态分解-PE分别高出12.5%和3.125%。     

基于图像处理技术的铝合金腐蚀分形特征

通过基于二值图像处理技术对LY12CZ铝合金表面腐蚀图像进行特征提取,获取不同腐蚀时间下的蚀孔数目;基于统计分形模型的基础上,发现铝合金蚀孔分布具有统计意义上的分形特征;随着腐蚀时间的增加,分维数与失重率也随之增加,分维数随腐蚀时间的变化规律与失重率随腐蚀时间的变化规律基本一致,都符合幂函数的形式,故可采用分维数作为评...     

预腐蚀疲劳退化加速因子研究

考虑预腐蚀对材料疲劳性能的影响,以疲劳强度作为腐蚀量,给出了考虑预腐蚀疲劳退化的加速腐蚀因子的定义和表达式,并结合疲劳分析方法,以细节疲劳额定值(DFR)作为疲劳强度的衡量,给出了预腐蚀条件下的DFR确定方法,通过加速环境和实际服役环境下DFR随预腐蚀时间退化规律的对比分析,建立基于DFR的加速腐蚀因子,并进行参数估计,最后,给出了LY12CZ铝合金试件在典型环境下的加速腐蚀因子取值.      

局部拉弯应力对民机蒙皮2024-T3铝合金剥蚀行为的影响

 根据弯梁法自制简易加载装置,结合电化学阻抗谱(EIS)测试方法,研究了民机蒙皮2024-T3铝合金在局部拉弯应力作用下浸泡于剥落腐蚀(EXCO)溶液中的剥蚀行为。结果表明,合金在发生剥蚀时,EIS中将出现2个时间常数。2024-T3铝合金加载试样的EIS在12 h时出现2个时间常数,而未加载试样的EIS在12~24 h之间才出现2个时间常数,且通过对比剥蚀过程中2种试样EIS的拟合数据,说明局部拉弯应力对2024-T3铝合金剥蚀的发生及发展具有促进作用。     

涡轮叶片早期裂纹的三维叶尖间隙EEMD能量熵融合诊断方法

为了解决航空发动机涡轮叶片早期裂纹故障信号微弱、难以识别的问题,提出一种基于三维叶尖间隙集成经验模态分解（EEMD）能量熵融合的涡轮叶片早期裂纹诊断方法。采集涡轮叶片三维叶尖间隙信息,利用EEMD分别对三维叶尖间隙各维信号进行处理,得到相应的固有模态函数(IMF),以此计算每一维信号分量EEMD能量熵,构建能表征叶片裂纹状态的不同EEMD能量熵高维矢量集。建立多个堆叠自动编码器(SAE)分别对各高维矢量集进行特征学习并提取所学习的深层特征表达。利用支持向量机算法(SVM)和遗传算法(GA)融合各维深层特征以综合不同维度信息进而充分判定叶片裂纹状态。通过涡轮叶片裂纹诊断试验,结果表明:所提方法能有效提高叶片早期裂纹诊断精度,其平均准确率达到98.415%,标准差仅为0.697%,具有很好的稳定性、泛化性和自适应性。     

LY12CZ铝合金型材的腐蚀动力学统计规律研究及日历寿命预测方法探讨

以周期浸泡试验作为加速腐蚀试验,以最大腐蚀深度作为腐蚀损伤衡量指标,研究了 LY1 2 CZ铝合金型材腐蚀的统计规律和动力学规律。结果发现 :LY1 2 CZ铝合金型材的最大腐蚀深度符合 Gumbel统计规律;对于一定的面积 (一定的失效概率 ),最大腐蚀深度随时间变化的动力学曲线为 S形曲线,必须分为点蚀阶段 ( Sigmoidal( Boltzman)曲线 )、剥蚀阶段 (直线 )两部分进行拟合。在此基础上,提出了根据研究对象的面积、腐蚀损伤容限、周期浸泡试验的加速系数及最大腐蚀深度、面积、腐蚀时间的之间函数关系式预测外场的日历寿命的方法     

预腐蚀和交替腐蚀作用下航空铝合金多轴疲劳行为及寿命预测

飞机在腐蚀环境下服役时,损伤形式为地面腐蚀与空中疲劳交替过程。依据该工况特点,研究了预腐蚀和交替腐蚀作用对2024-T4和7075-T651两种航空铝合金多轴疲劳行为的影响规律。结果表明：等效应力恒定时,随着预腐蚀时间增加,试样表面蚀坑数量和密度增加,腐蚀影响权重增大,2种铝合金多轴疲劳寿命均降低;交替腐蚀-多轴疲劳试验中,单位加载周次恒定时,单位腐蚀时间增加导致多轴疲劳寿命下降,试验过程中随着交替级数的增加,试样表面腐蚀程度加剧;基于Miner模型和预腐蚀疲劳寿命数据,提出修正的损伤累积模型,进行交替腐蚀-多轴疲劳寿命预测,寿命预测值基本位于2倍分散带内。     

基于ACMPE、ISSL-Isomap和GWO-SVM的行星齿轮箱故障诊断

针对从行星齿轮箱非线性、非平稳振动信号特征提取困难的问题,提出了一种基于自适应复合多尺度排列熵(ACMPE)、改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)和灰狼群优化支持向量机(GWO-SVM)相结合的行星齿轮箱故障诊断方法。利用ACMPE从复杂域提取振动信号的故障特征,构建高维故障特征集;采用ISSL-Isomap方法对高维故障特征集进行维数约简,提取出低维、敏感故障特征;应用GWO -SVM分类器对低维故障特征进行模式识别,判断故障类型。行星齿轮箱故障诊断实验结果分析表明:与多尺度排列熵(MPE)、复合多尺度排列熵(CMPE)等特征提取方法相比,ACMPE方法在分类效果和识别精度上更具优势;与局部切空间排列(LTSA)、等度规映射(Isomap)、加权Isomap(W-Isomap)、监督Isomap(S-Isomap)和监督型自组织增量学习神经网络界标点Isomap(SSL-Isomap)等降维方法进行比较,ISSL-Isomap方法降维效果最佳;所提方法的故障识别率达到100%,具有一定优越性。