并行稀疏滤波在轴承声信号下的故障诊断

振动信号是航空发动机故障监测的常用信号。由于航空发动机结构复杂，对振动传感器的布置要求日益严格。声学信号以其非接触式、易布置、低成本的优点，在轴承智能故障诊断中引起了广泛的关注。然而，由于航空发动机内声信号所处的环境噪声较强，传统的轴承故障诊断方法无法实现精确的特征提取。为此，研究有效的特征提取方法实现轴承声信号下的智能故障诊断显得尤为重要。稀疏表示是智能故障诊断中的一个研究热点，在稀疏特征提取方面显示出强大的力量。对强噪声下的声信号进行有效的稀疏特征提取，可为轴承的非接触式故障诊断提供解决路径。提出一种基于并行稀疏滤波的轴承故障诊断方法，能够实现对轴承声信号的稀疏特征提取。并行稀疏滤波通过在传统稀疏滤波的基础上增加另一个归一化方向来实现进一步的稀疏特征提取，然后采用权值归一化方法约束训练得到的权值矩阵。最后，通过仿真和实验数据验证了所提方法的优越性。结果表明，并行稀疏滤波能够实现轴承声信号的有效稀疏特征提取和精准分类，可用于声学信号下的轴承智能故障诊断。     

超弹性N形杆纯弯曲力矩理论建模和试验验证

为了使N形杆在空间结构中顺利展开,对其缠绕过程中的力学特性进行了分析。基于协变基向量法建立了纯弯曲条件下各向同性单片带簧在缠绕时应变能理论模型,并采用最小势能原理推导了弯矩的理论模型,然后通过拟合曲率推导了N形杆缠绕时的理论模型。研制了4根N形杆样件,并搭建了试验平台,使用数显式推拉力计分别对杆件在缠绕过程的拉力进行了5次测试,然后求出峰值力矩,发现试验值与理论值的偏差不大于8.83%,偏差平均值为2.813%,从而验证了理论模型的准确性。该研究可用来分析超弹性杆在纯弯曲状态下的峰值力矩,对超弹性杆在宇航空间中的应用具有重大意义。