基于参数自适应变分模态分解的行星齿轮箱故障诊断

针对变分模态分解需要人为设定模态数量以及在强噪声情况下容易造成分解错误的问题，提出了依据功率谱密度极值点自适应确定模态数量与中心频率的参数自适应变分模态分解方法，通过信号仿真分析验证了方法的有效性。基于参数自适应变分模态分解提出了一种行星齿轮箱故障诊断方法，应用于行星齿轮箱第2级太阳轮裂纹的故障诊断，行星齿轮箱传动实验台的试验结果表明:该方法能实现振动信号准确分解，有效提取和辨别出故障特征频率，实现了在强背景噪声和微弱故障信号情况下对第2级太阳轮裂纹故障的准确诊断。      

小波神经网络在航空发动机故障诊断中的应用

针对某型航空发动机构建了转子-滚动轴承动力学仿真模型,并利用该模型构造了三种发动机故障样本.研究中采用松散型的小波神经网络,先对构造的三种故障信号进行小波包特征分析,提取其能量特征向量作为神经网络的输入,再采用改进的BP神经网络分类器进行发动机故障模式识别.仿真结果表明,基于小波神经网络的信息融合技术用于发动机的故障诊断是可行的和有效的.     

基于相关性分析的高精度相位求取方法

信号的相位是直升机旋翼动平衡调整关键参数之一,高精度的相位在旋翼动平衡调整中非常关键。在旋翼动平衡调整中,通常相位是通过对部件振动速度或者加速度信号作固定点数傅里叶变换得到的。然而傅里叶变换求相位存在局限,用定点数傅里叶变换求取的相位是不准确的,且受采样点数限制,用傅里叶变换求取的相位精度有限。本文从傅里叶变换原理出发,提出一种基于相关性分析的高精度相位求取方法,首先通过与正弦曲线作相关性分析求取初步相位,然后微调具有初步相位的正弦信号的平移步长求取高精度相位。通过分析与验证,本文提出的方法在计算速度和相位精度上有较好的表现。     

共沉淀法制备花状NiCo2O4及其吸波性能的研究

通过共沉淀法制备花状NiCo₂O₄吸波材料，利用XRD、FTIR、BET、XPS和SEM等方式表征了样品成分及形貌特征，将不同煅烧温度（300、400、500、600、700 ℃）的产物利用矢量网络分析仪通过同轴测试法模拟了不同厚度下的吸波性能。结果表明：400 ℃煅烧样品在反射损耗值、吸收带宽以及样品厚度都表现出较好的性能，当厚度为1.5 mm时，在14.32 GHz处吸波材料达到最大的吸收损耗值为-43.71 dB，有效吸收带宽为4.48 GHz （12.08~16.56 GHz），可以预见镍钴基吸波材料具有很大的潜力。