考虑界面微观滑移的连接非线性系统多尺度分析

振动环境下,连接界面上存在着复杂的多尺度粘滑摩擦行为,进而造成含连接系统复杂的非线性振动现象。本文针对机械结构中的搭接连接系统,采用改进的Iwan迟滞非线性模型建模连接界面的多尺度粘滑行为,建立了连接系统的非线性运动方程,利用多尺度摄动分析方法研究了系统在初始条件下的自由振动,获得了系统响应的近似解析解并与直接数值积分解进行了对比;研究了粘性阻尼系数、刚度比等参数对系统动力学响应的影响。结果表明,Iwan迟滞非线性模型能够复现界面多尺度的微观粘滑行为;多尺度近似解析解和数值解吻合很好;连接系统的自由振动过程中,系统相轨迹以螺线收敛,但平衡位置可能发生偏移;界面切向刚度表现出随振幅增大而减小的软化非线性特点,系统瞬时固有频率随振幅减小而增大;振动过程中连接界面单位周期的能量耗散随振动幅值的减小而减小。研究结果为进一步探索含连接复杂装配结构的非线性动力学行为提供了基础。     

基于改进l_1趋势滤波的滚动轴承故障诊断

针对轴承故障的振动信号滤波问题,提出了改进l1趋势滤波方法。该方法滤波效果由规则化参数决定,一般根据原始信号的特征信息来确定这个参数。为了提升适用性,最佳规则化参数通过与最大值之间的线性关系来选取。通过实际轴承的内、外圈故障振动信号分析发现,该方法能提取轴承故障特征。同时,相比于经验模态分解方法,改进方法具有更好的特征提取效果。     

基于核独立分量分析的非线性混合机械故障盲分离方法研究

提出了一种基于核独立分量分析(KICA)的非线性混合机械故障源盲分离方法,即利用核函数的优点,将信号从低维的非线性原始空间变换到高维线性特征空间,实现以线性ICA方法进行分离。仿真结果表明:与传统的ICA方法相比,本方法在处理非线性混合源盲分离上具有明显的优势,并在轴承故障信号盲分离实验中验证了它的有效性。     

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%。     

湘钢烧结厂SJ9500和SJ12000风机在线振动监测系统

介绍一种新的在线监测与故障诊断系统,并阐述其硬件和软件的实现方法。该系统集成了传感技术、信号分析技术、网络通信技术、控制技术和专家系统,实现了风机实时振动信号的自动采集,并通过计算机进行振动信号的处理和故障分析,能够及时反馈风机的在线状态,从而进行及时维修。该系统的实现提高了机械故障的监测速度和可靠性,在工业机械监测领域具有一定的实用性。     

稀疏驱动的航空发动机主轴承智能监测研究（英文）

微弱特征提取是航空发动机健康监测与智能诊断的关键技术之一。本文针对航空发动机主轴承微弱故障智能监测难题,基于信号先验提出增强稀疏驱动的智能监测方法。通过分析经典凸稀疏诊断模型难以兼顾信号降噪与特征重构性能的缺陷,构建基于莫罗包络理论的非凸正则凸优化增强稀疏模型,以实现微弱特征提取;进而提出稀疏驱动的深度卷积变分自编码网络智能监测方法,通过对健康状态稀疏降噪样本的训练实现对故障异常状态的智能识别。通过航空发动机主轴承疲劳寿命试验的工程案例对提出方法进行性能验证,结果表明:增强稀疏驱动的智能监测方法具有良好的异常状态智能识别能力,能够有效支撑航空发动主轴承微弱故障的智能监测与诊断。     

基于外场实测数据的非平稳非高斯振动试验条件制定

本文重点讨论如何依据外场试验数据制定非平稳非高斯振动试验条件.基于地面和空中运载工具振动的产生机理,选用乘积公式作为运载器随机振动分析的统一模型.利用滑动平均将实测非平稳非高斯信号分解成平稳载波和时变调制波.提出了反映调制波时变特征的二次分解和综合算法.用外场实测数据演示了炮击振动、轮式车辆道路运输振动和火箭飞行振动的...     

基于时间序列数据挖掘的旋转机械故障预报

提出一种基于时间序列数据挖掘的故障预报新方法。把故障前兆因子作为一种暂态,根据旋转机械轴承振动的实验数据建立时间序列．利用时延嵌入的方法重构状态空间,在状态空间中使用遗传算法搜寻最优暂态束．组成暂态集。用暂态集对旋转机械轴承振动的测试数据进行分析．判断是否为故障前兆因子．从而实现故障预报。     

机械螺栓连接状态监测和辨识方法研究进展

螺栓连接广泛存在于机械装配结构中.振动环境下螺栓连接的状态会发生滑动、分离甚至松脱等现象,从而严重影响结构的功能性和安全性.监测和辨识机械螺栓连接的状态是结构健康监测研究的前沿热点.首先,对螺栓连接非线性动力学问题的研究现状进行了分析,指出针对复杂螺栓连接结构的非线性动力学问题的深入研究是建立可靠的状态检测和辨识方法的基础.然后,讨论了基于振动分析的两类结构健康监测方法在机械螺栓连接中的研究进展,重点综述了基于机电阻抗的状态监测方法的原理、应用现状和不足.最后,讨论了基于非线性系统动力学理论的状态监测方法及其在螺栓连接中的研究应用情况,指出了该技术进一步发展应用的若干关键技术.     

基于小波变换和神经网络的直升机旋翼不平衡故障诊断方法

依据直升机旋翼不平衡故障空间与多点机体振动空间存在一对一映射关系的理论,采用某旋翼试验台设置桨距不平衡、质量不平衡以及后缘调整片不平衡的方法获取试验数据。利用小波变换和神经网络处理直升机机体振动信号,并对直升机旋翼单故障和复合故障进行诊断。最终实现了一种利用小波变换处理机体振动信号诊断旋翼不平衡故障的方法。     

基于声发射技术的铁路重载货车滚动轴承故障诊断研究

通过声发射检测技术对铁路重载货车滚动轴承故障进行不解体诊断,利用小波包分析技术对采集到的声发射信号进行分解和重构,提取故障信号的能量特征向量,将处理后的特征向量输入到BP神经网络进行滚动轴承故障模式识别,进而判断轴承是否发生故障以及故障的类型。经过使用大量的实际滚动轴承实验数据进行验证,其结果都表明了使用本文的方法的有效性。     

Variational Mode Decomposition for Rotating Machinery Condition Monitoring Using Vibration Signals

The failure of rotating machinery applications has major time and cost effects on the industry.Condition monitoring helps to ensure safe operation and also avoids losses.The signal processing method is essential for ensuring both the efficiency and accuracy of the monitoring process.Variational mode decomposition(VMD)is a signal processing method which decomposes a non-stationary signal into sets of variational mode functions(VMFs)adaptively and non-recursively.The VMD method offers improved performance for the condition monitoring of rotating machinery applications.However,determining an accurate number of modes for the VMD method is still considered an open research problem.Therefore,a selection method for determining the number of modes for VMD is proposed by taking advantage of the similarities in concept between the original signal and VMF.Simulated signal and online gearbox vibration signals have been used to validate the performance of the proposed method.The statistical parameters of the signals are extracted from the original signals,VMFs and intrinsic mode functions(IMFs)and have been fed into machine learning algorithms to validate the performance of the VMD method.The results show that the features extracted from VMD are both superior and accurate for the monitoring of rotating machinery.Hence the proposed method offers a new approach for the condition monitoring of rotating machinery applications.     

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。     

Sliding Mode Fault Tolerant Attitude Control Scheme for Spacecraft with Actuator Faults

An active fault tolerant control scheme is investigated for the attitude control systems of spacecraft with external disturbance and actuator faults by using the sliding mode technique. Firstly,the dynamic equations and kinematic equations of spacecraft are given. For the dynamic mode of spacecraft in faulty case,a fault diagnosis component is used for fault detection and estimation by using a nonlinear observer. According to the fault estimation information obtained during the fault diagnosis,the fault tolerant control scheme is developed by adopting the backstepping sliding mode control technique. Meanwhile,the Lyapunov theory is used to analyze the stability of the closed-loop attitude systems. Finally,simulation results for the attitude dynamics models show the feasibility of the proposed fault tolerant scheme.     

核统计分析和监测方法处理多模式批处理过程

提出了一种解决批处理过程多种工作模式故障检测问题的方法。该方法从多种工作模式中提取各个模式相类似的信息,解决了该工作模式下故障检测建模问题;将核函数应用到算法中,利用核技术提高算法处理非线性数据故障检测的能力;将在每种工作模式下的数学模型进行分解,将反映相似信息和各个模式不同的信息进行分离,并分别建立故障检测模型,通过分析可以辨别出当前所处的工作模式,并且有效地检测故障的发生。     

基于粒子滤波和似然比的接收机自主完好性监测算法

由于粒子滤波算法在处理非线性系统非高斯噪声问题具有较大的优势,提出将粒子滤波算法与对数似然比方法有机结合应用于接收机自主完好性监测(Receiver autonomous integrity monitoring,RAIM)中。通过粒子滤波算法对状态进行精确估计,利用对数似然比建立一致性检验统计量进行故障检测。在建立全量累加对数似然比和部分累加对数似然比检验统计值的基础上,通过比较系统各状态累加对数似然比和检测阈值之间的关系,进而对卫星故障进行检测。对算法进行了数学建模,描述了RAIM算法流程。通过实测数据对提出的RAIM算法进行验证,结果表明:粒子滤波在非高斯测量噪声情况下可以对GPS接收机状态进行精确的估计,利用对数似然比建立的一致性检验统计量能有效地检测并隔离故障卫星,验证了该算法应用于接收机自主完好性监测的可行性和有效性。     

Compressive Sensing Sparse Sampling Method for Composite Material Based on Principal Component Analysis

Signals can be sampled by compressive sensing theory with a much less rate than those by traditional Nyquist sampling theorem,and reconstructed with high probability,only when signals are sparse in the time domain or a transform domain.Most signals are not sparse in real world,but can be expressed in sparse form by some kind of sparse transformation.Commonly used sparse transformations will lose some information,because their transform bases are generally fixed.In this paper,we use principal component analysis for data reduction,and select new variable with low dimension and linearly correlated to the original variable,instead of the original variable with high dimension,thus the useful data of the original signals can be included in the sparse signals after dimensionality reduction with maximize portability.Therefore,the loss of data can be reduced as much as possible,and the efficiency of signal reconstruction can be improved.Finally,the composite material plate is used for the experimental verification.The experimental result shows that the sparse representation of signals based on principal component analysis can reduce signal distortion and improve signal reconstruction efficiency.     

基于Hopfield神经网络的非线性系统故障估计方法

针对一类故障参数是线性可分的非线性系统,在参数故障情况下提出了一种基于Hopfield递归神经网络的故障估计方法。利用Hopfield递归神经网络的自学习能力和稳定性理论,将故障参数的估计问题转化为Hop-field神经网络的稳定性问题,克服了现有数值方法存在量化误差和算法收敛性等问题。与自适应观测器和等价空间方法等相关故障参数估计方法相比,具有设计简单、易于实现和适用性宽等特点。仿真结果表明,对于常值故障和时变故障,诊断系统均具有较好的估计效果和动态性能。     

滚动轴承故障诊断的频谱分析技巧

本文主要介绍旋转机械中滚动轴承故障诊断的实用技巧,采用振动分析方法,通过监测滚动轴承的振动状态,采集振动信号波形进行频谱分析,从而合理安排关键设备的预防维修计划,避免因突发性设备故障所造成的经济损失,确保生产的顺利进行。