基于模型的转子系统不平衡量的估计

采用基于模型的方法对转子系统的不平衡量进行估计,首先记录初始状态下的振动信号,然后根据实时测得的不平衡响应信号,得出差值振动信号,联立转子系统的动力学方程,得出不平衡等效载荷,根据等效载荷,得出不平衡的位置、相位及大小.采用模态扩展技术实现由有限几个点的振动响应获取所需点上的响应.由于噪声的影响,提出了基于高斯小波的降噪方法.仿真与实验结果表明,这一方法能够比较准确地估计出转子系统的不平衡量.      

智能检测技术

智能检测技术作为当前测控领域研究和应用的热点,在航空、航天、国防等诸多行业中都具有巨大的应用前景。从超声、射线检测到智能化涡流检测和声学检测,智能检测技术已贯穿于工业生产和科学研究的全过程,成为重要的保障技术。     

数控切削加工领域的数字化测量技术和量具量仪

作为系统运行质量保证体系中关键信息的获取,分析和评定环节,数字化测量技术和精密量具量仪是数控切削加工技术与装备的"眼睛",装备、服务并推动着先进数字化切削技术和数控切削机床的持续向前发展.     

检测技术的现状及未来发展

也许就在10年后,一名机械师只需绕着飞机走一圈就可以完成对飞机的检查.这种检查不是普通的目视检查,需要技术人员将手持无线超声波装置,通过-个小芯片不停发出寻呼信号,以便掌握飞机是否存在问题.     

航空电缆故障在线检测与定位技术研究

在综述了电缆故障类型和现有电缆故障检测与定位方法的基础上,引入了两种电缆故障在线检测与定位新方法——序列时域反射法(STDR)和扩散频谱时域反射法(SSTDR),分析研究了两种方法的原理,选取了一种适用于两种方法的相关算法——改进的实序列频域相关算法,并在MATLAB中建立了仿真模型,对两种方法进行了仿真验证,并进行了比较,对实际的应用具有理论指导意义。     

谈发动机状态监控的利用

AnApplicationoftheEngineConditionMonitering现代民用航空发动机的状态监控,一般包括对发动机机械参数和性能变化监控两方面。对机械参数的监控包括：（1）对发动机转子振动的监控,振动水平反映了发动机转子的平衡情况以及轴承的状态（2）对滑油消耗量和磁性同的监控。对发动机性能变化的监控,则是通过对发动机主要参数如：转子转速、发动机排气温度、燃油流量等的监控,来反映发动机性能衰退情况、发动机有无故障和部件有无损伤。目前发动机厂家都为其生产的发动机编制了相应的计算机软件,并提供给用户,以实现对发动机的状态监控…     

石英挠性加速度计在角度检测中的应用

随着科学技术的进步,角度检测在现代工业体系中占有重要地位.现有角度检测设备因其测量范围、测量精度和功耗等局限,而逐渐不能满足测量要求.采用石英挠性加速度计传感器、AD7734与ARM MCU组合而成的一种新型倾角测量仪,通过对石英挠性加速度计的电流信号进行调理和AD采集,以及对采集的数据进行滤波处理,解算出倾角,通过标准RS485通信接口将数据传输到PC机上显示.实验表明:在0°～ 30°角度测量范围内,该系统倾角测量精度可以达到±0.01 °,具有很好的工作稳定性.同时,该倾角测量仪具有体积小、精度高、重量轻、功耗低等优点,可广泛应用到桥梁架设、国防军事、地质勘探、土木工程、石油钻井、航空航天、航海、精密加工等领域.     

基于改进Canny的激光主动成像图像边缘检测算法研究

针对传统Canny边缘检测算法存在的不足,结合激光主动成像末制导的实际特点,提出了一种改进的Canny边缘检测算法.该算法在Canny边缘检测算法的基础上,采用同态滤波和提升小波变换级联的方法代替传统的高斯滤波器;采用3×3邻域的权值梯度计算方法代替原有的2×2邻域差分运算;采用Otsu自适应阈值计算方法,使算法可根据图像自身特点选择最合适的阈值.实验证明:该算法提升了传统Canny算子的抗干扰能力和鲁棒性,能够较好地保存边缘信息,准确检测出激光主动成像图像的边缘,具有较强的自适应性.     

基于改进信息融合的航空发动机状态评估方法

针对航空发动机状态监测数据的模糊性和随机性,结合贝叶斯粗糙集和D-S证据理论,提出一种改进信息融合的状态评估方法。首先对样本数据进行离散化处理,通过基于区分矩阵的属性约简算法对影响发动机性能的特征参数进行提取,生成最佳决策表。然后根据置信增益函数重新定义了贝叶斯粗糙集,利用贝叶斯粗糙集的支持度和置信增益函数作为证据的支持程度,得到各准则下的证据基本信任分配。最后利用证据合成法则对多个证据进行合成,得到评估结果。通过实例计算,验证了改进方法应用在航空器发动机状态评估中的有效性以及在处理不完备信息问题时的优越性。     

基于簇特征加权的航空发动机状态监视方法

提出了基于簇特征加权模糊C-均值聚类算法(FWFCM)的航空发动机状态监视模型,该模型主要分为离线学习和在线监视两个部分,离线学习模块计算出模型参数输出到在线监视模块,在线监视模块根据模型参数对实时数据进行分类,实时数据又输入到离线学习模块中参与更新模型参数.结果表明:相比基于数据加权策略的模糊聚类算法(DWFCM)以及经典模糊C-均值聚类算法(FCM),该方法平均离线状态识别率和在线状态识别率分别提高了5.233%和8.358%.实验证明此方法性能好且有很好的鲁棒性和泛化能力,对于不确定性的航空发动机在线状态监视有较好的应用价值.