基于FDM降噪和快速谱峭度分析的转子碰摩故障诊断

针对传统分解算法在强噪声背景下提取转子碰摩弱故障特征信息效果不佳的问题,提出了基于傅里叶分解算法(FDM)降噪和快速谱峭度分析的故障诊断方法.首先利用FDM算法实现转子碰摩故障振动信号的完备性分解,依据信号峭度值准则筛选出能够最大限度保留原始振动信号故障特征信息的分量信号,同时对备选信号分量进行重构得到降噪后的故障振动...     

军用装备运输振动环境：全息分析与再现

本文讨论了军用装备运输振动环境的全息分析与再现方法。基于乘积模型的信号解调,将运输振动分解成载波和调制波,结合谱分析获得表征运输振动的关键特征参数,以此统计制定试验条件,同时给出了运输振动再现方案与保真度评价方法。通过多个案例的演示验证,该方法展示出广泛的适应性和灵活性,具有较好的应用价值。     

永磁双凸极电机中常见故障的机理研究

永磁双凸极电机运行时,可能会出现以下常见故障:三相绕组线或/和三相霍尔连接线的错误接线;霍尔信号自身的故障,即恒为高电平或低电平,其电平不随转子位置变化而变化。出现这些故障后,电机的电动运行将受何影响,以及如何迅速判断并排故成为重要的实际问题。文中针对12/8极转子斜槽式永磁双凸极电机,列举了电机常见的故障模式,继而分别对霍尔信号线及三相线接线故障、霍尔信号本身故障进行了详细的机理分析,得出结论,给出每一种故障出现后电机的工作情况,并通过故障模拟及工程实践验证了文中分析结论的正确性及实用性。     

基于ELMD与改进SMSVM的机械故障诊断方法

机械振动信号携带大量重要的机械状态信息,然而机械故障振动信号在复杂工作状态下通常呈现非平稳、非线性特性。因此,从振动信号抽取和选择有效的机械故障特征、提高故障识别性能,成为机械故障诊断研究的热点。针对上述问题,本文提出了基于集成局部均值分解(Ensemble local means decomposition,ELMD)与改进的稀疏多尺度支持向量机(Sparse multiscale support vector machine,SMSVM)的机械故障诊断方法。该方法首先使用自适应非线性、非平稳信号处理方法 ELMD把多模态调制故障信号分解成为多个单模态解调信号,有效地增强了故障特征。把压缩感知和多尺度分析技术融合于故障模式分类中,提出改进SMSVM旋转机械故障识别方法,提高多类机械微弱故障数据模式识别性能。该方法融合稀疏表示、多尺度分析和SVM的优点,无需求解复杂的优化问题,易于推广至更多尺度SVM,具有计算量少、泛化性与鲁棒性好、物理意义明显等优点。人工数据和实验设备数据验证了本文算法的优越性。     

齿轮故障诊断技术的研究

本文总结了我们多年来对齿轮故障诊断的研究工作。论述了故障齿轮振动信号的数学模型;论证了齿轮故障诊断的新方法:细化复包络分析、宽带解调技术、三阶谱分析、相关谱分析和最大熵谱分析,并列举了实例。 细化复包络谱是将细化技术应用到复包络谱上,可以提高频率分辨力。理论分析与计算机模拟表明,宽带解调技术具有很高的信噪比。三阶谱与相关谱对某些故障的分析很有效。理论分析表明,对调相信号的最大熵谱估计是有偏估计,文中还给出了线性调相与线性调频两种情况下的偏移量。     

非平稳信号滤波降噪方法研究

飞行器振动环境复杂多变,具有典型的非平稳特征,因此需要采用时频分析手段对非平稳信号分析处理。针对此问题,本文提出一种基于分数阶傅里叶变换(FRFT)的非平稳信号滤波降噪方法,通过对比证明,对于一般非平稳信号的滤波降噪,分数阶傅里叶变换方法优于傅里叶变换方法。对于线性调频信号的滤波降噪分析,分数阶傅里叶变换方法明显优于一般滤波降噪方法。     

空间调制的讨论

一、什么是空间调制在航空导航设备中 ,常会碰到“空间调制”这个概念 ,笔者刚接触到这个词时 ,也很奇怪 ,因为这是一个教科书中未提及的概念。实际上 ,“空间调制”并非是什么新的调制方式 ,只是因为调制的实现方法特别 ,调制是通过“空间”而非“电路”完成的 ,因此得名为“空间调制”。我们这里所说的“空间调制” ,是指用“空间”来实现信号的调幅 ,即幅度调制。为了说明问题清楚起见 ,我们分析一下调幅波的数学表达式 :由调幅波的数学表达式 ,我们可以设想 ,如果让发射机分别产生载波、上边带和下边带信号 ,送到不同的天线上分别辐射。…     

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。     

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。     

双波束天线阵时空调制OFDM通信测向方法

为解决利用通信信号的测向和通信定位综合设计问题,提出了一种载有方向信息的OFDM时空调制技术。该技术采用两副同中心但方向图有偏差的特殊天线阵列发射,使单天线接收机接收的信号是OFDM特性,每个OFDM子载波调制信号载有空间方位信息和数字通信信息,接收机通过解调信号即可通信测向。文中详细介绍了非正交四相和非均匀八相子载波时空调制信号设计思想,阐述了子载波间伪随机码空间调制编码方法,给出了数据信息调解和方位角估计算法。计算机仿真结果表明:在高斯信道下系统的误码性能与普通PSK-OFDM一样,实现了在调制信号设计层面上的数字通信与测向的深度综合。     

基于ALIF和FWEO的滚动轴承故障特征提取方法

针对传统算法难以准确提取强背景噪声下滚动轴承微弱故障特征的问题,提出了基于ALIF(自适应局部迭代滤波)和FWEO(频率加权能量算子)的故障特征提取方法。利用ALIF将故障信号分解为若干I分量,通过计算不同I分量的峭度值及与原始信号的相关系数,筛选出与原始信号相关性最大的2个I分量进行重构,并利用FWEO进行解调,最终得到重构信号的能量谱图来实现轴承故障特征信息的提取,并与基于传统算法EMD和FWEO的方法进行对比,仿真和实验结果表明,该方法在故障信息提取方面的能力更优,对滚动轴承的故障诊断也更有优势。     

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。     

高温结构激光扫描模态测试的降噪与参数识别

针对高温结构激光扫描模态测试中存在的噪声问题,提出了一种基于模态峰值汉克尔奇异值分解的降噪处理与模态参数识别方法。首先,将测试得到的频率响应函数(Frequency Response Function(FRF))经过FFT逆变换得到对应的时间域脉冲响应函数(Impulse Response Function(IRF)),并通过汉克尔奇异值分解(Hankel Singular Value Decomposition (HSVD)),进一步将脉冲响应函数转化为按能量从大到小顺序排列的一系列分量信号组合;其次,以恢复所有关心的模态峰值为基准,将分量信号从前到后累加,并在所关心的模态峰值完全恢复后,将剩余分量信号当作噪声舍弃掉;该步骤会去除掉信号中包含的大部分噪声,但仍会有一些残余噪声不可避免地被恢复;再次,对步骤二中提取得到的分量信号,采用基于模态峰值频率通带的迭代选取进行二次滤波,以分离出属于模态峰值的分量信号,进而将它们累加为降噪后的IRF信号,并转换至频域以获取降噪后FRF信号;最后,对降噪后的频响函数进行模态辨识以提取模态参数。本方法应用于600度高温环境下一个直板叶片的激光扫描模态测试数据的处理,结果表明频响函数中的噪声被有效滤去,模态参数可准确地提取,显示了方法的有效性和优越性。     

2.4犿跨声速风洞连续变迎角试验关键技术研究

在2.4m跨声速风洞开展连续变迎角试验技术研究中,遇到了3个难题:跨声速流场被持续扰动,快速精确补偿困难;试验有用信号频率与干扰信号频率产生重叠,降噪处理困难;信号间不同步对试验数据的影响增大,信号精确同步困难。采用总静压滤波优化和PID(Proportional Integral Differential)调节优化等方法提高流场快速跟随性,硬件+软件+小波等复合滤波方式进行降噪处理,并利用互相关函数实现各信号的精确同步,建立了2.4m跨声速风洞连续变迎角试验技术。使用J7等标模对该项技术进行了验证,结果表明,上述问题均得到有效解决,连续变迎角试验流场犕犪数稳定在±0.002范围内,数据的精准度达到阶梯测力试验水平。     

麻花钻磨损振动信号的时域与频域特征分析

本文提出采用振动信号监测钻削过程中钻头的磨损状态。对主轴振动信号随钻头磨损而变化的时域和频域特征进行了实验研究和理论分析。实验表明:振动信号能够较好地反映切削过程中刀具的状态。随着刀具磨损的增加,振动信号的振幅增大,振动能量亦相应增加。信号的时域波形和谱结构表明刀具在即将发生剧烈磨损之前,将出现所谓“转速调制现象”,即与转速同步的振动信号被高频信号所调制。文中解释了这种现象发生的机理,并提出利用该特性进行钻头磨损监测和预报的方法。建立了以APPLE—Ⅱ微型机为主体的刀具磨损监测系统,实际监测试验表明监测系统具有很好的应用前景。     

一种基于白噪声的多点激励随机信号生成方法

为提高多输入多输出(Multiple input multiple output,MIMO)线性随机振动试验系统中具有相关特性的多路驱动信号生成精度,基于驱动谱非负定Hermite特性及矩阵分解理论提出了一种CD(Cholesky decomposition)白噪声滤波信号生成方法。构造具有特定"频响特性"的传递系统,将一系列独立白噪声通过该系统得到具有预期相干特性、相位差以及自谱的平稳随机信号。建立悬臂梁两输入两输出线性振动系统仿真模型,将传统傅里叶逆变换时频转换方法与CD滤波法生成的驱动信号进行对比分析。结果表明新方法精度与参考值误差不足1dB。两轴振动试验验证结果表明,应用CD法既满足工程实际标准需求,又为振动环境试验提供理论依据。     

正弦扫描振动试验数据后处理方法研究

提出一种正弦扫描振动试验数据的后处理方法,此方法不依赖振动控制仪和数据采集系统的COLA功能,也不依赖同步振动控制仪驱动信号作为参考信号,可基于满足一定条件的参考信号对试验数据进行后处理,并通过实例进行了验证。     

旋翼变距拉杆关节轴承磨损故障特征及磨损程度识别

在旋翼故障试验台上设置不同程度的变距拉杆关节轴承磨损故障,分别测量其引起的机体振动信号,通过频谱分析技术提取该类故障的机体振动特征。取故障信号频谱分量作为训练和测试样本,利用径向基神经网络的良好逼近能力,实现了仅用机体振动信号来识别变距拉杆关节轴承磨损程度,识别平均误差小于10%。该诊断方法简捷可行,为进一步开发旋翼状态监测与故障诊断系统提供技术基础。     

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。     

混合级联式中频逆变器控制策略

针对高功率密度航空中频逆变器研制要求,采用混合级联式多电平逆变器的方案在减小输出滤波器的重量和体积上有显著优势,同时还能保证较好的输出特性和减小电磁干扰。本文对2H混合级联结构传统混合调制工作原理及存在的功率倒灌问题进行了详细分析研究,获得倒灌功率大小与主要参数的关系,为消除功率倒灌问题采用了单极性载波层叠调制方法,并对单极性载波层叠调制混合级联逆变器调制原理和输出特性进行了分析,并通过仿真进行了验证。