基于平滑先验分析和模糊熵的滚动轴承故障诊断

由于机械系统的复杂性,振动信号的随机性表现在不同尺度上,基于对振动信号进行多尺度的模糊熵(FE)分析,提出了基于平滑先验分析(SPA)和模糊熵的滚动轴承故障诊断方法。采用SPA方法对振动信号进行自适应分解,得到振动信号的趋势项和波动项;分别计算趋势项和波动项的模糊熵;将模糊熵值作为特征向量,输入至基于优化算法的支持向量机(OSVM)。将该方法应用于滚动轴承实验数据,分析结果表明:该方法在仅提取两个分量特征的情况下即可达到100%的故障诊断精度,可有效实现滚动轴承的故障诊断。      

快速凝固高温Al—Fe—Mo—Si—Zr—Ti合金强化相相变过程及机制的研究

用Ｘ－ｒａｙ衍射、ＴＥＭ及ＦＤＸ详细研究了快速凝固高温Ａｌ－Ｆｅ－Ｍｏ－Ｓｉ－Ｚｒ－Ｔｉ合金强化相相变过程及其机制。     

光测力学现状及应用

 本文综合评述了光测力学的近况和发展,其中包括传统的光弹性法和云纹法,以及近代光测力学的全息干涉法、散斑计量和云纹干涉法。文中简要介绍了上述方法的基本概念和特点,并给出了若干工程应用的实例。     

船用低成本GNSS测向系统研究

GNSS导航星座主要由GPS、GLONASS、Galileo、BDS四大系统卫星组成,到2020年,用户有望同时观测到40多颗导航卫星,大幅提升导航性能的同时,也扩展了其应用领域。针对靶船、渔船对航向测量的需求,基于GNSS接收机应用现状,设计了低成本GNSS测向系统,使用2块Ublox LEA-M8T模块和STM32F407处理器搭建原理样机硬件平台,开展基于Kalman滤波器的载波相位差分姿态测量算法研究和基于Kalman滤波器的伪距差分姿态测量算法研究。静态实验表明,在8.5m基线的情况下,航向角测量标准差为0.0396°,俯仰角测量标准差为0.0889°。使用伪距差分算法,纬度方向上测量误差标准差为0.5923m,经度方向上测量误差标准差为0.4609m,高度方向上测量误差标准差为1.0766m。     

定向结晶材料力学常数测试技术

高温材料的不断使用,使航空发动机性能不断改善。而高温下材料弹性常数难以获得,因为传统的力学测试方法难以进行高温下变形的精确测量。激光云纹干涉法具有高灵敏度、大量程、非接触、全场和实时观测等优点,从而得到广泛的应用。本文介绍了利用清华大学高温激光云纹干涉测试系统,对高温定向结晶材料弹性常数的测试技术。     

一种优化高度通道的行人导航算法

针对纯惯性行人导航系统中,高度误差很快发散的问题,提出了一种在零速区间内将水平误差和高度误差分开修正的算法。首先,利用陀螺仪输出在零速区间内的先验信息,设计了一个基于伪标准差和N-P准则的零速检测算法。然后,通过对比纯惯导条件下零速修正前后高度估计的结果,发现传统零速修正对高度误差过度修正,因而提出一种将水平误差和高度误差分开修正的方法,以便控制高度修正的程度,使得高度修正结果按照期望进行。经过大量不同环境,不同行人的实测实验,验证了文章提出的改进高度通道的行人导航零速修正算法准确有效,相对传统零速修正算法,本算法大大提高了高度估计的精度。     

考虑静叶封严泄漏对压气机端区影响的三维叶片优化

鉴于静叶叶根封严蓖齿间隙的泄漏对压气机端区所产生的不利影响,取某带静叶封严结构的双级轴流压气机为研究对象,采用遗传算法对其进行了气动数值优化.优化自变量为所选双级轴流压气机的后面级静叶近轮毂区叶型的安装角和前缘角,优化目标为极大化该双级轴流压气机的等熵效率.优化后,双级轴流压气机设计点的等熵效率提高了约0.2个百分点.所优化的静叶近轮毂处呈现出了明显的端弯效果.双级轴流压气机性能改善的主要原因是,通过对后面级静叶根部叶型的调整,使其端区来流的攻角值落在了该叶型的最优设计攻角的附近.     

基于平滑先验分析和排列熵的滚动轴承故障诊断

由于机械系统的复杂性,滚动轴承振动信号的特征信息表现在不同尺度上,因此需要对振动信号进行多尺度分析。基于此,提出一种基于平滑先验分析(Smoothness priors approach,SPA)和排列熵(Permutation entropy,PE)的滚动轴承故障诊断方法。该方法首先采用平滑先验分析方法代替传统的时间序列分解方法对滚动轴承信号进行分解,得到轴承信号的趋势项和去趋势项;其次,分别计算趋势项和去趋势项的排列熵值;最后,将排列熵值作为特征向量,输入基于粒子群优化支持向量机建立的分类器。将该方法应用于滚动轴承实验数据并进行对比分析,结果表明,在训练样本数为每类50%的条件下,该方法的故障诊断正确率比PE和经验模态分解-PE分别高出12.5%和3.125%。     

基于EMD-SVR的光纤陀螺随机误差预测

为了提升光纤陀螺随机误差建模的准确性及补偿结果,提出了一种基于经验模态分解与支持向量机结合的随机误差预测方法。鉴于随机误差的非线性及不稳定性,直接进行预测时精度不高,采用经验模态分解对原始数据进行分解以降低时间序列的复杂程度;然后根据经验模态分解得到的各本征模态函数及趋势序列,构建基于支持向量机的预测模型;再将所得的各分量的预测结果综合以得到光纤陀螺随机误差的预测结果。以光纤陀螺随机误差数据作为验证,结果表明,相较于传统的预测方法,均方根误差与平均绝对误差分别降低了78.4%和75.5%,有效提高了回归精度。