基于小波变换与统计分析的转子碰摩声发射特性研究

为解决转子碰摩损伤声发射信号分类及解释难题,应用PCI-2声发射系统和WS-ZHT1型多功能转子实验台组成转子碰摩声发射检测系统,采集转子局部碰摩声发射信号,通过理论分析声发射信号特征和小波基函数性质,dB8小波适合提取声发射信号特征;碰摩产生大量声发射信号,大量声发射信号的统计特性蕴涵较多碰摩信息。对不同转速条件下不同检测位置碰摩声发射信号的统计分析表明,声发射信号的功率谱密度集中在100～400 kHz。声发射信号平均幅值、平均能量可作为区分转子碰摩程度特征参数;功率谱主频可作为区分声发射相对位置特征参数,结论与碰摩类型无关。     

基于近场波束形成法的声发射源定位研究

引入近场波束形成法处理声发射信号,研究在小区域布置少量传感器来实现声发射源定位的新方法.首先,利用板波理论进行声发射信号传播特性研究,对比了板中声发射信号与空气中声波传播的差异性,分析了波束形成法应用于声发射源定位的问题.并在板上进行断铅实验,验证了近场波束形成法进行声发射源定位的有效性.最后,在旋转机械碰摩模拟实验台上进行了碰摩实验,利用波束形成法进行碰摩声发射源定位,所提出的方法能有效地定位旋转机械初始碰摩位置.所得结果可为声发射源定位提供一种新途径.     

AE声谱图特征的转子碰摩故障识别方法研究

提出了一种基于时频分析的声发射信号特征参数分析方法——AE声谱图特征分析方法。它不仅能提高AE识别的有效数据量,同时利用声谱图作为表征转子运行状态的特征图,能从时间、频率和能量强度等多个角度显示AE信号的细节变化,进而有效描述AE信号蕴含的故障特征,对实现旋转机械的故障诊断具有重要意义。利用提出的AE声谱图特征构建了一个基于深度卷积神经网络的碰摩故障识别系统。实验结果表明,AE声谱图特征和CNN网络相结合,能有效提高转子碰摩AE信号的识别性能。     

高速转子轴承系统碰摩故障仿真研究

应用非线性动力学理论对高速碰摩转子系统模型进行了研究,得出滑动轴承支撑下的碰摩转子系统的振动特征.研究了偏心距参数对系统振动特性的影响.对建立的碰摩故障的转子系统的动力学模型应用数值积分方法进行求解,得到系统的响应,利用幅频曲线、分岔图、三维谱图研究系统响应随转速、偏心量的变化规律.为准确诊断滑动轴承支撑下的转子碰摩故障、减小系统故障发生率和提高系统动力学特性具有重要意义.     

转子-滑动轴承系统松动-碰摩耦合故障分析

针对转子-滑动轴承系统发生松动故障进而引发松动-碰摩耦合故障的诊断问题,基于非线性有限元方法 ,应用非线性短轴承油膜力模型、松动刚度模型及Hertz接触理论建立双盘松动-碰摩耦合故障转子-滑动轴承系统的动力学模型。首先,研究并分析了滑动轴承(油膜力)支撑下的健康转子系统的动力学特性;进而,通过对不同转速下耦合故障转子系统动力学特性的研究发现,滑动轴承支撑下的松动-碰摩耦合故障常常以碰摩故障特征为主,时域波形呈现下密上疏的波动形状,轴心轨迹表现为多个嵌套的"半椭圆形",这些故障特征可以作为诊断滑动轴承(油膜力)支撑下松动-碰摩耦合故障的一个理论依据。     

双盘转子系统轴向－径向碰摩非线性动力学特性分析

动静碰摩是透平机械常见的故障之一,其动力学行为较为复杂,表现为在机器运行的过程中碰摩故障产生的故障征兆丰富多样。建立了双盘转子-轴承系统在轴向碰摩、径向碰摩以及两种碰摩共同冲击下的有限元法连续模型,采用计及了回转效应和剪切效应的梁单元,对转子系统在不同碰摩情况下的非线性动力学行为进行了数值模拟,研究了转子转速、转子系统上的不平衡量的分布以及碰摩刚度对系统的影响。研究结果表明：相对于径向碰摩故障的动力学特征,轴向碰摩产生的非线性特征不明显,与工程中观察的现象基本一致的;但当两种碰摩均考虑时,系统的非线性动力学特征与仅考虑径向碰摩时有显著的不同。所得计算结果可为大型高速旋转机械系统的故障诊断和碰摩故障的振动控制提供理论指导,从而保证系统的安全运行。     

双转子系统动静碰摩动力学研究与基于振动加速度的实验验证

基于航空发动机动静碰摩故障的特点,建立双转子系统动静碰摩的动力学模型。模型中充分考虑机匣与轮盘碰撞时的弹性变形、接触渗透及弹性阻尼支撑,应用Hertz接触理论和库伦模型,建立干摩擦情况下双转子系统动静碰摩故障时的运动微分方程。运用四阶经典Runge-Kutta法进行求解,得到碰摩故障下双转子系统的动力学响应。因为实际的航空发动机转子的振动位移不易获取,多是测得轴承座或者机匣的振动加速度,为了提取碰摩状态下轴承座振动加速度特征,建立双转子系统试验台,进行动静碰摩实验,从轴承座测量振动加速度,通过频谱分析和包络谱分析方法,分析了轴承座振动加速度信号中的碰摩特征。结果表明双转子系统动静碰摩时,可将两个激励源的倍频和组合频率成分作为航空发动机动静碰摩故障的典型特征。而且当两个振源的频率值相互接近到20%的时候,双转子系统拍振信号强度较大。动力学仿真和实验取得了很好的一致性,验证了所提出的双转子系统碰摩模型的正确有效性。     

带有支座松动故障的转子-轴承系统碰摩的可靠性分析

 针对存在支座松动和碰摩的耦合故障转子-轴承系统,采用短轴承非稳态油膜模型和线性碰摩模型建立转子-轴承系统的动力学方程,应用矩阵微分理论、二阶矩技术、矩阵摄动理论和Kronecker代数方法系统地研究了此耦合故障转子-轴承系统的随机响应问题.应用四阶矩技术和Edgeworth级数展开,对耦合故障转子-轴承系统碰摩的可靠性进行了研究,并求出了数值解,给出了可靠性曲线.     

转子-滚动轴承耦合系统的转静碰摩故障分析与智能诊断

针对航空发动机转静碰摩故障诊断问题,建立了含不平衡-碰摩故障的转子滚动轴承耦合系统动力学模型.在模型中,充分考虑了滚动轴承的间隙、非线性赫兹接触以及变柔性VC(Varying compliance)振动.首先运用数值积分获取系统响应,进行碰摩故障分析,并得到了大量的碰摩故障仿真样本;其次利用支持向量机从大量样本中获取碰摩故障知识;然后利用转子实验器获取碰摩故障实验样本;最后利用训练好的支持向量机对碰摩故障实验样本进行智能诊断,最高识别率达到了91%.     

故障旋转机械非线性动力学近期研究综述

重点介绍"故障旋转机械非线性动力学的理论与实验"的若干研究结果.说明了研究故障旋转机械动力学的意义,讨论了有单一故障(裂纹、碰摩、松动和油膜震荡等)或耦合故障(裂纹和碰摩、裂纹和松动、碰摩和松动等)的转子系统非线性动力学的某些特性、转子系统故障发生与发展的慢变与突变过程及其特点、故障转子系统的可靠性分析若干理论问题,以及抑制转子系统振动的若干措施与方法等.     

基于GA-BP神经网络的结构损伤位置识别

针对传统BP神经网络训练中存在的一些问题，提出了一种基于遗传算法(GA)-BP神经网络混合技术识别结构损伤位置的方法。该方法利用基因实数编码的遗传算法优化BP网络的结构及初始参数，从而大大提高了神经网络的训练精度。运用GA-BP网络与传统BP网络技术分别对两个算例进行了结构损伤定位的识别仿真，结果表明遗传BP稳定性好，精度高，对噪声有很好的鲁棒性，便于工程应用。     

基于深度学习的双耳声源定位算法研究

针对多种定位因素存在复杂关联且不易准确提取的问题,提出了以完整双耳声信号作为输入的、基于深度学习的双耳声源定位算法。首先,分别采用深层全连接后向传播神经网络(Deep Back Propagation Neural Network,D-BPNN)和卷积神经网络(Convolutional Neural Network, CNN)实现深度学习框架;然后,分别以水平面 15°、30°和 45°空间角度间隔的双耳声信号进行模型训练;最后,采用前后混乱率、定位准确率与训练时长等指标进行算法有效性分析。模型预测结果表明,CNN模型的前后混乱率远低于 D-BPNN;D-BPNN模型的定位准确率能够达到87%以上,而 CNN模型的定位准确率能够达到 98%左右;在相同实验条件下,CNN模型的训练时长大于 D-BPNN,且随着水平面角度间隔的减小,两者训练时长之间的差异愈发显著。     

Sound Source Localization Based on SRP-PHAT Spatial Spectrum and Deep Neural Network

Microphone array-based sound source localization (SSL) is a challenging task in adverse acoustic scenarios. To address this, a novel SSL algorithm based on deep neural network (DNN) using steered response power-phase transform (SRP-PHAT) spatial spectrum as input feature is presented in this paper. Since the SRP-PHAT spatial power spectrum contains spatial location information, it is adopted as the input feature for sound source localization. DNN is exploited to extract the efficient location information from SRP-PHAT spatial power spectrum due to its advantage on extracting high-level features. SRP-PHAT at each steering position within a frame is arranged into a vector, which is treated as DNN input. A DNN model which can map the SRP-PHAT spatial spectrum to the azimuth of sound source is learned from the training signals. The azimuth of sound source is estimated through trained DNN model from the testing signals. Experiment results demonstrate that the proposed algorithm significantly improves localization performance whether the training and testing condition setup are the same or not, and is more robust to noise and reverberation.     

基于神经网络的桥梁损伤位置识别

损伤位置识别是对大型桥梁结构进行损伤检测的重要一步。以汲水门斜拉桥为背景,对应用神经网络的模式分类技术识别桥面结构损伤位置的方法进行了研究。使用了两种类型的网络,简称动态网络和GA网络,探讨了这一方法的可行性。动态网络的网络结构是根据训练进程而动态地确定的。GA网络是在训练中引进了遗传算法。比较了两种网络对损伤位置的识别效果。结果表明,应用神经网络的模式分类技术对桥梁桥面结构损伤位置识别的方法是可行的。只需要较少的输入数据,两种网络均可产生较好的识别结果。     

关于随机时滞神经网络稳定性的注记(英文)

利用非负鞅收敛定理、Lyapunov泛函方法和网络自身的特性讨论了变时滞随机递归神经网络的随机指数稳定性,给出了这类神经网络随机指数稳定性的新的代数准则,所给代数准则简单易用。两个应用实例说明即使针对随机Hopfield神经网络所给的代数准则也优于相关的判别准则。     

贝叶斯算法BP神经网络缺陷量化研究

为克服传统BP神经网络中网络训练速度慢、量化精度低、数据过度拟合、容易陷入局部极小点等缺点,该文将贝叶斯算法引入BP神经网络用于基于漏磁检测的缺陷量化,有效地控制网络模型的复杂度,利用不同尺寸的缺陷特征量训练网络,从而实现对缺陷长度、宽度、深度的量化,节约网络的训练时间,提高量化精度。     

基于卷积神经网络的模糊车牌自动识别

目前,清晰的车牌识别算法已经成熟,但是对于人眼不能识别的模糊车牌,传统车牌识别算法的识别率较低或者根本无法识别。鉴于此,提出了一种基于卷积神经网络的车牌字符识别算法。制作了含9 720幅模糊字符样本集,用8 748幅样本对卷积神经网络进行训练,测试样本时,先对模糊车牌字符进行盲分割等预处理,再调用训练好的卷积神经网络对盲分割后的字符进行识别。实验结果表明:该算法对训练集的准确识别率约为99.17%,对测试集的准确识别率约为93.32%,这说明该算法对模糊车牌的识别具有鲁棒性,能应用于各种场景。     

于GA-BP模糊神经网络的商业银行信用风险评估

研究了商业银行信用风险评估的现状,针对单独应用BP神经网络评估信用风险时存在的缺陷,提出了基于遗传算法优化模糊BP神经网络的信用风险评估新模型.通过遗传算法训练模糊BP神经网络,克服网络建模中产生的局部极小的缺点,提高了风险评估的准确性.最后,利用Matlab软件对样本数据进行训练和测试,仿真结果表明所构造的评估模型预测误差非常小.     

基于微分进化神经网络的模拟电路故障诊断

BP神经网络已在模拟电路故障诊断领域得到广泛应用,但BP神经网络存在训练速度慢且容易陷入局部最优的问题.由此,本文提出了一种基于混合变异策略的微分进化改进算法,描述了利用微分进化改进算法进行神经网络权值训练的过程和方法,并将微分进化神经网络用于模拟电路故障诊断,文中还对微分进化神经网络与BP神经网络进行了比较.实验结果表明,微分进化神经网络的训练时间和训练精度均优于BP神经网络,其在模拟电路故障诊断中的准确度比BP神经网络提高了7%.     

永磁同步电动机位置伺服系统的自适应神经网络控制

针对需要考虑参数不确定和负载扰动的永磁同步电动机位置伺服系统,提出了一种新型的自适应神经网络控制方法。首先,利用神经网络建立永磁同步电动机的智能模型。其次,针对模型特点,在反步递推设计框架下,应用神经网络基函数的本质特征,并引入动态面控制技术克服控制设计中存在的“复杂性爆炸”问题,设计基于自适应神经网络动态面控制的位置跟踪算法。最后,仿真结果表明该控制方案是有效可行的,与反步递推控制方案相比,基于神经网络动态面控制的位置伺服系统的跟踪误差具有更快的收敛速度。通过设计新的神经网络自适应律,提出的自适应神经网络控制方法可以避免现有反步递推控制设计中存在的代数环问题。此外,提出的控制算法不仅能够克服不确定性因素对系统性能的影响,而且算法结构简单,易于实现。