TB6钛合金疲劳试验过程中的声发射信号特征

随着直升机应用越来越广泛,其内部关键部件在高强度运行中疲劳裂纹的检测愈发显得重要,常规无损检测技术无法对裂纹的产生与变化进行实时监测。通过对直升机常用部件材料TB6钛合金进行疲劳断裂试验,使用声发射检测技术采集试验过程中的声发射信号,采用小波能量系数经历图分析方法,综合特征参数经历图分析和小波分析对信号的特征变化进行研究,研究表明:该材料的疲劳断裂过程经历了四个阶段,各个阶段的声发射特征量有明显转折点,裂纹开始萌生时可以观察到声发射特征参数和小波能量系数有明显跳变,声发射信号的中心频率随时间推移有向高频移动的趋势,这些特征规律为TB6钛合金部件的声发射动态监测和健康评价提供了参考依据。     

基于声发射技术的搅拌摩擦焊接工具磨损监测

为在线监测搅拌摩擦焊接过程工具磨损状态,本文基于虚拟仪器技术设计了一套声发射在线监测系统,结合声发射传感器、数据采集卡及信号调理器实现了对搅拌摩擦焊接加工过程中声发射信号的采集。实验中采用带有螺纹的搅拌针工具来焊接7075铝合金,并利用自主开发的在线监测系统采集焊接过程中的声发射信号。然后对采集到的声发射信号进行小波包分解处理,计算分解后各频段能量所占百分比,并提取能量分布规律作为信号特征。研究表明:搅拌摩擦焊接工具在不同磨损情况下具有不同的声发射信号特征,小波包分解处理表明搅拌头磨损轻微时,低频段能量占比较高;相反,搅拌头磨损严重时,低频段能量占比较低。     

声发射在微铣削过程中监测刀具破损的应用

应用声发射传感器对微铣削过程中的刀具状态进行监测。通过结合传声器传感器,利用小波分析,声发射传感器能更精确有效地监测刀具破损的现象。分别在几种不同的工件材料进行了声发射监测实验。通过该声发射监测刀具破损技术采集得到信号,再利用小波分析对实验数据分析。结果表明,在微铣削中利用声发射信号来监控刀具状态的可行性。     

远近场声发射信号相关性研究

通过研究材料或结构中产生的声发射信号,获得损伤源的位置、损伤的类型及损伤严重度等信息,因而声发射信号成为分析材料或结构损伤状态的基础。在不同位置处所采集的声发射信号由于传感器特性、结构不连续、频散效应等产生明显的特征变化,这将影响到对材料或结构损伤状态一致性的研究。通过数值仿真的手段获得理想的高速撞击声发射信号,利用概率统计中的相关性分析方法,对获得的损伤源远近场声发射信号进行相关分析,计算相关系数,得到了远近场声发射信号相关性的变化规律,分析了相关系数与声发射波形、频率之间的关系,所得研究结果对评定损伤源位置精度及损伤模式识别的信号选取具有一定的参考价值。     

声发射检验技术进展

本文简要介绍了声发射技术的发展史，并从声发射技术的原理、波形分析法、参数分析法、声源定位技术和声发射仪器几个方面进行了综述，主要讨论了最新的波形分析技术和检测仪器的构成。最后指出了声发射检测的发展方向是声发射信号的模拟识别及人工神经网络模式识别分析。     

调制信号双谱在滚动轴承故障诊断中的应用研究

如何从噪声中提取有效的故障特征频率,如何有效地解调振动信号中固有的调制分量,这种问题的存在影响诊断的精确性。为了解决这一问题,应用调制信号双谱(Modulated signal bispectrum, MSB)的信号处理方法,开发了基于信号解调特性的MSB来进行解调和降噪。首先将采集到的振动信号,使用MSB方法进行降噪和解调,得到调制信号双谱图;为准确地量化边带幅度,使用调制信号双谱-边带估计器(Modulation signal bispectrum-sideband estimator, MSB-SE)进行处理;通过选择几个次优的切片构成最佳的切片;最终,通过复合切片谱实现故障特征频率的提取,为进一步验证MSB的准确性,并用调制信号双谱相干性检测。通过对模拟信号及滚动轴承故障实验数据进行分析,验证了该方法的有效性和优越性。     

基于时频图和CNN的滚动轴承故障诊断

针对传统轴承故障诊断方法泛化能力差,提出了一种基于时频图和卷积神经网络(CNN)的滚动轴承故障诊断方法。首先,对振动信号进行短时傅里叶变换,构造时频图;然后,将训练信号的时频图作为卷积神经网络的输入,训练网络模型;最后,将测试信号的时频图输入网络模型,实现对滚动轴承的故障状态识别。通过美国凯斯西储大学的开放数据集进行多组验证实验,结果表明该方法能够有效的判断轴承是否存在故障,并且能够识别故障类型,准确率可以达到97.63%以上。     

基于ALIF和FWEO的滚动轴承故障特征提取方法

针对传统算法难以准确提取强背景噪声下滚动轴承微弱故障特征的问题,提出了基于ALIF(自适应局部迭代滤波)和FWEO(频率加权能量算子)的故障特征提取方法。利用ALIF将故障信号分解为若干I分量,通过计算不同I分量的峭度值及与原始信号的相关系数,筛选出与原始信号相关性最大的2个I分量进行重构,并利用FWEO进行解调,最终得到重构信号的能量谱图来实现轴承故障特征信息的提取,并与基于传统算法EMD和FWEO的方法进行对比,仿真和实验结果表明,该方法在故障信息提取方面的能力更优,对滚动轴承的故障诊断也更有优势。     

陶瓷基复合材料双剪切性能的声发射特征研究

针对陶瓷基复合材料结构损伤声发射监测模式识别及强度评估问题,利用圆柱形试样双剪切试验获取破坏过程典型的声发射波形信号,采用傅立叶和时频分析等手段,获得声发射信号特征,发现同批次试样在不同加载条件下的损伤演化规律不同.分析声发射信号历程变化特征,在典型高幅值信号下,小幅值声发射信号代表了不同的损伤模式;纤维铺层与加载方向...     

全尺寸飞机疲劳试验过程中的无损检测及声发射监测技术研究

本文介绍了在全尺寸飞机疲劳试验过程中的无损检测和声发射监测的技术细节,说明了如何根据监测目标任务要求,确定传感器位置和安装方案、进行声传播通道性能测试、材料声发射(AE)性能研究和考证整个检测系统工作的平稳性。讨论了如何合理设置数据采集系统的参数,研究了背景噪声的变化规律,并特别研究了同疲劳裂纹形成和扩展有关的声发射信号的特征及如何从强背景噪声环境中获得有用AE信号。论文以中央翼-外翼连接区域和起落架上枢轴接头等关键部位为例,说明实施监测的方法。由于疲劳试验特别强调监测结果的实时性和及时性,在声发射信号处理方面,作者利用趋势分析,基于时间、空间的滤波和基于幅度和能量分布等多种信号处理方式,以及多参数综合识别技术对一些关键部位的状态进行了声发射连续跟踪监测,为保证全尺寸飞机机体部件疲劳试验的顺利进行起到了重要作用。     

铁路货车滚动轴承故障声学诊断研究

针对铁路列车滚动轴承故障在途检测的需要,提出一种轴承故障声学诊断方案,并重点讨论了在时域和频域内选取特征参数分析的故障诊断方法。试验证明此方案可以较高精度地对铁路货车滚动轴承故障进行检测。     

基于声发射砂轮磨损监测系统的研究

磨削加工过程中砂轮出现磨损需要反复的修整,砂轮磨损状态的监测可以有效判别砂轮工作状态,减少砂轮修整次数。本文建立了一种基于声发射信号的砂轮磨损监测模型,提出了基于一种小波分解系数均方值统计分析的砂轮磨损状态特征提取方法。同时,采用BP神经网络对砂轮磨损状态进行识别,其输入为3种提取特征,输出为3种不同的砂轮磨损状态。通过磨削试验对监测系统进行评价。结果表明,所提出小波分解系数均方值统计分析的特征提取方法和砂轮磨损监测系统均具有良好的效果。     

直升机减速器故障齿轮振动信号特征研究

开展直升机减速器故诊断研究需要通过大量费用高昂的实验获取典型故障的信号特征。为降低实验费用,提出一种基于软件仿真获取直升机减速器故障齿轮时域信号特征的方法。仿真结果表明,采用该方法可以模拟减速器可能产生的振动信号。振动信号统计分析结果表明,可以通过振动信号的时域特征参数对故障的类型进行判断。     

梯形螺纹振动辅助冷挤压工艺参数影响分析

为深入研究梯形螺纹振动辅助冷挤压机床的加工过程,延长挤压丝锥寿命以及提高梯形内螺纹质量,本文建立了一套基于虚拟仪器的专用在线监测系统。研究了不同挤压工艺参数下加工过程中的振动、声发射、扭矩以及温度信号,并通过对信号的分析处理,揭示了不同工艺参数与加工过程信号之间的内在联系。研究结果表明,随着主轴转速和润滑油黏度系数的提高,振动、声发射信号的均方根值不断提高,振动、声发射信号频率由低频向高频移动,扭矩和温度也不断提高。激振频率的最优值在18 Hz左右。     

基于神经网络的直升机自动倾斜器轴承故障诊断方法

为了进一步提高直升机的安全性，利用BP神经网络和RBF神经网络对直升机自动倾斜器轴承进行故障诊断。完成了直升机自动倾斜器轴承故障植入试验，获取了自动倾斜器轴承的故障振动数据，并进行了振动数据的特征信号提取。采用振动数据特征信号的多参数融合作为神经网络的输入，对自动倾斜器轴承故障进行诊断，获得了较高的故障诊断率。采用基于神经网络的故障诊断方法，自动倾斜器轴承各类故障的最高故障诊断率均大于89%。     

滚动轴承在任意方向的支承刚度

为仔细分析高速转子——滚动轴承系统的动力学特性,本文提出了滚动轴承在任意方向的支承刚度的概念,应用弹性理论和滚动轴承内部几何关系,推导了滚动轴承在任意方向的支承刚度的数学表达式。同时还提出了球轴承和单列向心短圆柱滚子轴承在外载荷作用下内圈位移的简化表达式,给出了计算方法和编制了相应的计算程序。 为验证上述理论的正确性和程序的可靠性,应用本文方法进行了大量的计算试验,与美国空军推进实验室所提供的轴承刚度的资料相比较,计算结果相当吻合。在此基础上,本文还进一步探讨了轴承的轴向负荷和径向负荷、径向间隙和负荷分布参数对轴承刚度的重要影响,得到了许多重要结论。     

基于神经网络的智能刀具状态检测系统

可靠的在线刀具磨损状态检测是柔性制造系统、计算机集成制造系统以及自动化机床必不可少的一个环节。文中论述了用反传神经网络与一类模糊神经网络分析处理由力传感器和声发射传感器所测得的刀具状态信号，识别出刀具的磨损情况，从而进一步实现刀具磨损状态的在线检测，控制自动机床及时更换刀具。本研究对四种规格的钻头的磨损情况进行了全程检测，并比较分析了反传神经网络与模糊神经网络对这一问题的有效性。实验结果表明，这两种方法对处理刀具磨损状态检测均有显著的效果与很高的准确性。用一类模糊神经网络处理多传感器信息是实现刀具状态在线检测的一个极为有效的方法。     

Remaining Useful Life Prediction of Rolling Element Bearings Based on Different Degradation Stages and Particle Filter

A method is proposed to improve the accuracy of remaining useful life prediction for rolling element bearings,based on a state space model(SSM)with different degradation stages and a particle filter. The model is improved by a method based on the Paris formula and the Foreman formula allowing the establishment of different degradation stages. The remaining useful life of rolling element bearings can be predicted by the adjusted model with inputs of physical data and operating status information. The late operating trend is predicted by the use of the particle filter algorithm. The rolling bearing full life experimental data validate the proposed method. Further,the prediction result is compared with the single SSM and the Gamma model,and the results indicate that the predicted accuracy of the proposed method is higher with better practicability.     

基于证据理论聚类算法的故障诊断

为了正确高效地诊断故障,以并发故障为例,建立了基于证据理论聚类算法的诊断模型,提出了基于Dempster理论的聚类算法,该聚类算法既分析每个单类,还考虑单类的各种组合,并利用质心特性,将单类聚类原型推广为适合组合类特性的聚类原型。通过故障实例说明,本文模型既适合普通故障诊断,更适合并发故障诊断,且计算的时间复杂度较小。