润扬悬索桥桥址区实测强风特性的对比研究

2005年8月与9月期间,台风"麦莎"和"卡努"分别袭击江苏,润扬悬索桥健康检测系统(WASHMS)记录了经过桥址区的两个强风样本.通过对实测风速风向数据的分析,得到了平均风速和风向、湍流强度、湍流积分尺度、湍流功率谱密度函数等强风特性.分析结果表明,桥址区实测"卡努"台风的湍流强度比"麦莎"台风的要高,且二者均高于规范建议值;二者水平湍流功率谱密度函数与Kaimal谱均吻合得不太理想,低频段偏低,高频段偏高.最后对实测的脉动风谱离散数据进行了非线性最小二乘法拟合,得到拟合自谱曲线及相应的拟合参数,为该桥的抗风研究提供参考.     

基于温度信号的高速干铣削试验研究

本文应用红外测温系统对高速铣削过程中切削温度的动态变化进行在线监测.给出了铝合金高速铣削过程中不同磨损程度和不同材料的刀具加工时对应的切削温度以及切削温度随切削速度的变化规律,其结论有助于指导铝合金高速铣削加工、优化高速切削工艺.     

一种基于知识推送的故障诊断系统

分析了基于知识的故障诊断,针对现有系统不能主动将知识在适当的时候传递给决策者的缺点,提出了一种基于知识管理的、以数据流驱动的、知识主动推送的故障诊断系统的体系结构,分析了其主要层次结构及知识的组织和管理,提出了以数据流驱动的知识主动推送方式.建立了知识主动推送的控制模型,开发了知识管理和数据流驱动的集成原型系统,并以液体火箭发动机试车台的故障诊断为例,实现了基于知识推送的故障诊断系统,后续实验证明了该方法的有效性.      

基于小波神经网络的齿轮系统故障诊断

通过对齿轮系统在不同的运转状态下不同的故障类型进行试验测试分析,获取了有关的测试信号,对振动特征信号进行了小波阈值去噪,采用离散小波变换(DWT)对去噪后的信号进行8层分解处理,对各层的小波系数进行了小波重构,得到8层细节信号和1层近似信号,并计算了各层信号的能量,得到了信号的能量分布特征.在此基础上把各层信号特征作为神经网络的输入,进行了网络的研究、分析处理和故障分类,并对小波神经网络方法与单独采用神经网络方法的故障诊断结果进行了比较评价.研究表明,去噪处理后的效果比没有去噪的信号特征更加明显,而采用小波神经网络诊断方法,对于齿轮无故障、齿根裂纹故障、分度圆裂纹故障和齿面磨损故障能够进行很好地区分与诊断,其诊断成功率均在95%以上,可对实际工程工作的齿轮系统进行故障诊断.      

定量危害性矩阵分析方法研究

危害性矩阵分析中,由于同一个严酷度类别在矩阵图中是一个区间,容易出现当几个故障模式的严酷度相同时,在矩阵图中无法精确标识,从而使得得出的危害度有偏差.同时,利用作图法,分析效率较低.本文首先对目前的危害性分析方法进行改进,将区间进行再次划分并用显性直观的数值进行度量;然后,以某型飞机升降舵操纵分系统为例,进行危害性分析.结果表明:该方法可以对各故障模式或产品的危害度给出精确的量化值,为改进决策提供支持.     

基于EMD熵特征融合的滚动轴承故障诊断方法

研究了滚动轴承故障诊断单一故障信号的局限性和故障特征的非线性,从信息融合的理论出发,利用非线性动力学参数熵作为特征,提出了基于经验模态分解(EMD)熵特征融合的方法来解决滚动轴承故障诊断问题.首先将原始信号进行EMD,利用EMD的自适应多分辨率的特点计算EMD得到的固有模态函数(IMF)信号的多种熵值,然后采用核主元分析(KPCA)对提取的状态特征进行信息融合,从而得到互补的特征,最后将提取的融合特征通过支持向量机(SVM)进行故障诊断.滚动轴承故障诊断实验表明:该方法结合了EMD、信息熵理论和KPCA强大的非线性处理能力的特点,可以进行滚动轴承故障诊断.      

涡扇发动机气路传感器故障诊断

为了实现对某涡扇发动机传感器故障的在线诊断,提出并设计了1种基于在线贯序极端学习机的故障诊断算法。其核心思想是在定位某传感器故障后,在线建立针对该故障传感器"预学习"的信号重构算法,解决多故障混叠问题。在线信号重构算法以泛化能力指标为判定条件,利用选择策略对算法网络权值进行选择性更新,提高了故障诊断系统的实时性。以某型涡扇发动机为对象开展了传感器故障诊断与重构仿真,结果表明:该算法能够对发动机单、双传感器故障进行准确地诊断与信号重构,且具有良好的实时性。     

基于IPSO Elman神经网络的航空发动机故障诊断

为提高航空发动机故障诊断的精度,提出改进粒子群优化的Elman神经网络对航空发动机故障诊断的方法。利用MIV(平均影响值)对神经网络的输入端自变量进行筛选,降低输入维度;采用改进粒子群优化算法对Elman神经网络的权值和阀值进行优化,并对优化的神经网络进行训练;用训练好的神经网络对航空发动机故障进行诊断并与常规的BP（back propagation）、Elman神经网络、GM（1,n）、SVM (support vector machines)进行对比。仿真结果表明:IPSO Elman(improved particle swarm optimization Elman neural network)神经网络的诊断误差在不同数量训练样本时都小于其他方法,并且在参选故障诊断的性能参数不同时,其诊断误差相近,展现出较强的适应能力。      

基于局部均值分解和峭度图的滚动轴承包络分析方法

提出了基于局部均值分解(local mean decomposition,LMD)和峭度图(kurtogram)的滚动轴承包络分析方法.该方法中,原始滚动轴承故障振动信号通过LMD进行自适应的频率成分分离和初步降噪,包络分析中带通滤波器的参数通过峭度图客观地提供,从而提高滚动轴承包络分析的准确度.通过对滚动轴承仿真信号以及实验信号的分析,结果表明:在低信噪比情况下,LMD可以自适应分离出滚动轴承的固有振动成分,峭度图可以自动确定包络分析中带通滤波器的参数,与传统包络分析比较,所提方法能更加清晰准确地提取滚动轴承的故障特征.      

基于结构健康监测的飞机结构 MSG-3 分析

结构健康监测(SHM)技术被广泛引入到了飞机设计与维护,本文依据现阶段SHM技术的发展现状,将SHM技术与MSG-3分析思想融合,制定了一种针对采用SHM技术飞机结构的计划维修分析流程。