基于图像识别的机械振动信号特征提取与寿命预测方法研究

滚动轴承作为许多机械设备的关键组件,被广泛应用于机械制造、航空航天等领域,其健康状态直接影响了相应设备的剩余寿命,因此在设备故障预测与健康管理(Prognostics and Health Management, PHM)领域,滚动轴承寿命预测具有很高的研究价值。目前基于数据驱动的轴承寿命预测方法主要利用特征提取并构造健康因子(Health Indicator, HI),然而在这一过程中特征的选择与融合依然依赖于专家先验知识,并且健康因子也很难从复杂的时序数据中进行提取。因此,提出了一种新型的数据驱动寿命预测算法,在特征提取方面,通过连续小波变换(Continuous Wavelet Transform,CWT)将传感器振动信号转换为时频谱图,再通过深度残差网络(Deep residual network, ResNet)结合时空卷积网络(Temporal Convolutional Network, TCN)将时频谱图中的时域频域特征构造成为健康因子,最后完成剩余寿命预测。本研究在PRONOSTIA数据集上与现有的数据驱动算法进行了对比,证明了该算法可以更准确地完成剩余寿命预测。     

三类气动导纳数值识别方法的适应性研究

针对气动导纳函数的数值识别方法,借助于CFD,在简谐脉动来流、湍流和竖向阶跃来流下对平板断面和箱梁断面的导纳函数函数进行研究。首先,在无断面存在的空流域内详细研究了简谐脉动来流、湍流和竖向阶跃来流的传播特性及其数值计算方法。其次,对有断面存在的情况进行了数值计算。最后,识别得到了平板断面和箱梁断面在三种不同来流下的气动导纳函数。结果表明:对平板断面,三种方法识别得到的气动导纳函数与Sears函数吻合良好,验证了三种数值计算方法的可行性;对箱梁断面,简谐来流和湍流下识别的气动导纳差别不大。相比之下,完全基于线性叠加原理的阶跃来流方法产生了实质性的偏差,表明该法不宜用于钝体断面。计算效率方面,湍流的计算效率适中且对任意断面适用;简谐脉动来流的计算效率最低,适用于气动导纳与风场无关和弱相关的断面;竖向阶跃流方法具有计算时间短的优势,但它仅能用于气动导纳与风场完全无关的断面。     

用于压气机流动计算的3种模型比较

为了更好地对压气机流动进行模拟,在课题组自行开发的结构化有限体积解算器上实现了用于压气机流场计算的混合平面法、谐波平衡法及相滞后法.以NASA Stage 35为例,对3种方法的计算结果进行了比较分析.结果表明:相滞后法的计算精度最高,混合平面法的计算精度最低;相滞后法与半环的双时间推进法结果相近,计算速度提高了20倍;相比混合平面法,谐波平衡法能准确地模拟动静叶间的非定常干涉及进出口参数变化;在谐波阶数达到5阶后,谐波平衡法计算得到的结果不随阶数变化,且与相滞后法的结果基本吻合;混合平面法的计算效率远高于另外两种方法,相滞后法与谐波平衡法在谐波阶数为5阶时的计算效率相当.      

高阶谐波控制对旋翼桨-涡干扰载荷和噪声的影响

直升机小速度平飞和斜下降飞行时会产生严重的桨-涡干扰(BVI)噪声。基于修正Beddoes尾迹/桨叶动力学耦合方法和Farassat 1A公式,建立了一个新的能够计入高阶谐波控制(HHC)影响的旋翼桨-涡干扰气动载荷和噪声计算模型。在该模型中,高阶谐波控制引起的桨尖涡附加位移通过对高阶入流进行时间积分推导得出,而单一阶次的谐波输入引起的各阶谐波响应通过传递函数来确定,传递函数则由桨叶的动力学特性计算。首先对HARTⅡ旋翼斜下降飞行状态的桨-涡干扰气动载荷进行了计算模拟,验证了所建立方法的可靠性。然后,着重研究了在典型的三阶谐波桨根激励下,不同输入相位对HARTⅡ旋翼桨-涡干扰气动载荷和噪声特性的影响。结果表明:桨叶的动力学特性尤其是扭转特性对高阶谐波控制效果影响显著,且高阶谐波输入的相位选择对桨-涡干扰噪声的控制至关重要,若控制相位选择不当,反而会增大旋翼噪声。     

基于空间矢量脉宽调制的过调制策略研究

在电机控制中,过调制算法能够显著提高逆变器输出的电压,对提高电机转速有着重要意义。为了改善空间矢量脉宽调制对直流母线电压利用率不足的缺点,研究了基于空间矢量脉宽调制的单模式过调制算法,对输出电压基波幅值与其谐波含量进行理论分析。针对过调制区实际输出电压基波幅值与参考电压不一致这一问题,对目标调制比与给定调制比的关系作出可控性分析,作出拟合曲线并求出函数关系,最后对该过调制算法进行了仿真研究和试验验证。仿真分析和试验验证结果均证明了理论分析的正确性和可行性。     

基于小波包变换及相关系数法的复合材料层合板冲击位置识别研究

复合材料较为广泛应用于航空、航天等工程领域,但对冲击载荷十分敏感。因此,对复合材料结构承受的冲击载荷进行在线监测以及冲击位置的实时识别具有重要意义。文章以复合材料层合板为研究对象,基于两个冲击位置的距离越靠近则接收到信号幅频特性相似度越高的特点,采用FBG光纤光栅传感器,通过小波包变换的方法来提取能量特征向量,同时结合相关系数法来实现复合材料层合板的冲击位置识别。在480 mm×480 mm的复合材料层合板上开展冲击实验,8次实验皆完成了冲击位置识别,其中7个点距离误差为0 mm,实现精准识别,另一个点误差在6%以内。     

基于小波神经网络PID的永磁同步电机转速控制

提出了基于小波神经网络PID的永磁同步电机(PMSM)转速控制策略。根据系统运行参数的变化,采用三层前馈式人工神经网络,基于梯度下降纠正误差法在线训练实时更新PID参数值。采用小波神经网络和增量式PID共同构成转速环控制器。建立PMSM数学模型,设计PMSM速度环控制器,构建S函数,对控制算法进行仿真试验,验证了该控制算法的先进性。试验结果表明,所提控制策略比传统PID转速控制具有更好的动态性能和抗干扰能力。     

多尺度自适应直接信息采样与重构

现有的直接信息采样(Analog-to-Information Conversion,AIC)方法在压缩感知框架下,将采集和压缩过程融合,但并未充分考虑不同稀疏成分在信号重构当中的地位。针对该不足之处,提出一种多尺度自适应直接信息采样与重构算法。该算法充分考虑小波变换后的高频信号和低频信号在重构中的不同地位,实现速率自适应的直接信息采样。同时,给出变速率采样下的信号重构策略,以解决常规重构算法在速率自适应采样时失效的问题。仿真结果表明,多尺度自适应AIC系统可以获得比传统AIC系统更好的AFSNR性能。     

基于小波变换和支持向量机的开关电流电路故障诊断新方法

针对开关电流(Switched current,SI)电路的故障诊断和定位问题,为进一步提高故障诊断准 确率,提出了基于小波变换和粒子群优化(Particle swarm optimization,PSO)支持向量机 (Support vector machine,SVM)的开关电流电路故障诊断新方法。该方法首先对节点电流 信号进行蒙特卡罗分析,然后通过小波分解计算分形维数,再利用核主元分析（Kernel pri ncipal component analysis,KPCA）降低特征值维数,实现最优故障特征的提取。最后通 过PSO SVM完成对各种故障模式的分类。对六阶切比雪夫低通滤波器进行了仿真实验验证, 获取了较高的故障诊断准确率,与其他方法进行比较,实验结果显示了本文方法的优越性。     

神经网络在逆变器控制中的应用

针对传统的基于最优消谐波理论的逆变器 ,应用了一种全新的神经网络控制器。当系统工作时 ,由在线神经网络实时调节逆变器输出电压的大小 ;同时各功率管的开关角由另一个神经网络通过对最优 PWM最优开关角的拟合 ,直接计算出来。整个控制系统具有结构简单、反应灵敏、调压精确、输出电能质量高且全数字化的特点。