基于EMD-ICA与遗传算法的轴承故障诊断方法

针对振动信号中轴承故障特征信号微弱难以识别的问题,对通过试验采集到的内环故障、外环故障以及滚动体故障振 动信号进行处理。采用最小二乘法和指数平滑法对振动信号进行预处理,利用EMD分离振动信号的局部特征,并根据IMF分量 的信息熵增益比实现重构;采用ICA对混叠的振动信号进行分离,并对分离后的振动信号进行特征提取;采用遗传算法对多维振 动特征参量进行降维,筛选出最优特征参量;采用遗传算法优化的极限学习机对轴承故障振动特征集进行识别,将常见的SVM、 BP等诊断模型作为对比算法。试验结果表明：采用ICA能将混叠信号有效分离,实现故障信号的提取;遗传算法不仅能够实现最 优特征的选择,同时能够对极限学习机算法进行有效优化,提升算法的诊断效果。优化的算法相比其它诊断识别方法性能较佳, 使3种故障的平均诊断效果达到90%以上。     

基于无刷直流电机的电动车控制器研究与设计

传统的电动车用无刷直流电机(BLDCM)控制器功率逆变电路,为实时检测相电流,通过电阻进行相电流采样并反馈给微控制单元(MCU)进行电流环闭环控制,然而,在功率较大的控制器电路应用中,大电流会导致功率损耗增加。为解决这一问题,以STM32系列微型单片机为核心,设计了一套电动车控制器控制电路。重点阐述BLDCM硬件控制。为改进电源短路保护电路,提出了一种新型的MOS管内阻采样方法,并制作铝基板PCB。测试结果表明:该控制电路测控性能稳定,能够应用于工业生产中。