某型无人直升机结构振动可靠性分析及研究

振动是无人直升机结构系统设计时重要关注方向之一,振动水平的高低直接影响无人直升机系统的飞行品质。常用的定性振动设计理论没有考虑由于材料或尺寸参数随机性带来的固有频率和激振频率的分散性,文中所提的常规振动可靠性分析理论很好的弥补了这一缺陷。文中考虑结构系统自由度及激振源个数不同情况,推导了振动可靠度求解公式。最后,以某型无人直升机为例,验证了所提方法及公式推导的正确性。     

直升机主减半主动反共振隔振技术研究

根据现有主减反共振隔振和主动控制理论，设计新型直升机主减隔振原理样机模型。随着直升机工作频率的改变，隔振系统识别频率的变化，自动调节隔振器质量块位置，使系统始终有隔振效果。以直升机原理样机为对象，加入基于神经网络的控制方法，对实验对象进行动力学特性标定，获得质量块位置与工作频率之间的关系。研究频率跟踪算法，将神经网络和频率跟踪算法两者结合，编制出可以采集信号，识别频率的LabVIEW程序。实验结果证明，新型主减隔振系统隔振效果和控制效果符合预期，可以为直升机主减的振动主动控制系统设计提供一定的指导。     

风机转子动平衡一阶非线性识别与校正方法研究

在实际风机转子动平衡过程中,由于转子系统的不平衡量与振动之间存在一定的非线性,导致运用线性模型进行的动平衡测试结果存在非线性测量误差,往往需要多次启、停测量才能达到平衡精度要求。为此,考虑非线性因素的影响,阐明了不平衡量与振动响应呈非线性关系,提出了一种在单面刚性转子动平衡测试的基础上进行一阶非线性识别与校正的现场动平衡测试方法。通过实验研究,证明了利用该方法进行动平衡测试的有效性及优越性。     

直升机航向姿态系统机内测试降虚警方法

振动、温度等环境因素导致的虚警问题严重阻碍着机内测试在直升机航向姿态系统中的应用,针对该问题建立了航向姿态系统机内测试的隐马尔科夫模型,采用正常、虚警、故障等历史信息训练该模型.提出了基于隐马尔科夫模型的降虚警方法,该历史信息与当前机内测试结果相结合,监测识别机内测试虚警.某型直升机航向姿态系统机内测试试验结果表明,该方法可以有效地降低机内测试虚警.     

基于铣削力识别的铣削监测与铣刀故障诊断

为提高铣削过程监测与刀具故障诊断精度，通过测量铣床的频响函数和在铣削加工中的铣床振动加速度响应信号，用载荷识别的方法计算铣削力，分别得到了用4刀齿和2刀齿加工时横向铣削力的识别结果，所得到的铣削力曲线与加工工况吻合良好。以所识别铣削力为特征参量，用ART2神经网络进行了铣削过程监测与铣刀故障诊断，其结果比直接用振动响应信号进行监测与诊断更可靠，从而得到较好的监测诊断结论。     

基于特征快速构造与卷积神经网络的机泵故障识别研究

将卷积神经网络(CNN)应用于振动信号分析时,往往会出现由于一维信号转化为二维特征导致的计算量巨大的问题,针对这一问题,对卷积神经网络输入构造及不同构造方式对神经网络性能的影响进行了研究。基于机泵振动信号分析特点,提出了一种新的将一维振动信号转换为二维的特征快速构造方法;基于特征快速构造方法和卷积神经网络,构建了机泵故障智能识别模型;利用某石化现场轴承故障和不平衡故障数据对故障模型进行了测试,并与其他信号转化方法及故障识别模型进行了对比。研究结果表明:不同故障类型模型均可以快速收敛,故障识别准确率均达95%以上;在故障识别准确率和训练效率方面,该模型较其他模型有着较显著的优势。     

直升机主减半主动反共振隔振技术研究

根据现有主减反共振隔振和主动控制理论,设计新型直升机主减隔振原理样机模型。随着直升机工作频率的改变,隔振系统识别频率的变化,自动调节隔振器质量块位置,使系统始终有隔振效果。以直升机原理样机为对象,加入基于神经网络的控制方法,对实验对象进行动力学特性标定,获得质量块位置与工作频率之间的关系。研究频率跟踪算法,将神经网络和频率跟踪算法两者结合,编制出可以采集信号,识别频率的LabVIEW程序。实验结果证明,新型主减隔振系统隔振效果和控制效果符合预期,可以为直升机主减的振动主动控制系统设计提供一定的指导。     

固支梁振型与损伤关系的试验模态分析

结构的动力特性和结构参数直接相关,结构的损伤将引起相应动力特性的改变。因此,如果能建立结构动力特性变化与结构损伤之间的映射关系,则可以利用结构振动测试信息实现结构损伤识别。按照采用数据和识别原理的不同,大致可以分为基于频率的方法、基于振型的方法、基于模态柔度的方法以及基于神经网络的方法等,但是在大型土木工程结构的测试中,一般只能获得低阶模态及不完备的自由度测试信息。     

直升机尾桨系统振动成因分析及调整措施

以B ELL206BⅢ型直升机为研究对象,详细分析了该型直升机尾桨系统的振动特点及成因,并使用ACES公司的MODEL4040振动测试仪对尾桨进行振动平衡测试,给出解决该型直升机尾桨系统振动的调整方法及措施。     

BP神经网络在截齿合金头失效识别中的应用

为实现采煤机截割过程中截齿合金头失效形式的监测和识别,提出一种基于BP神经网络的多特征信号识别截齿合金头失效形式的方法。测试提取截割过程中合金头龟裂、合金头脱落、合金头崩刃和合金头严重磨损4种截齿x,y,z三个方向上的振动特征信号和截割电机电流特征信号,选取特征值信号的最大值、均值和方差作为特征样本对BP神经网络进行学习和训练,建立截齿合金头失效形式的识别模型,实现截割过程中截齿合金头失效形式在线监测与准确识别。实验结果表明,BP神经网络的判别结果和测试样本的实际失效类型相符,能够对截齿合金头失效形式进行准确识别,为实现采煤机截齿在线监测和失效形式识别提供新的方法和手段。     

柴油机燃烧系统故障的小波包神经网络模糊诊断法

喷油器堵塞和气门机构间隙异常是柴油机燃烧系统的常见故障,对其诊断十分重要,常规诊断方法效果不理想。文中提出一种将小波包分解、神经网络和模糊逻辑结合起来的诊断方法。运用小波包频带能量分解,不仅能得到中低频的燃烧爆发振动信号,也能得到中高频的气门落座信号;运用神经网络使故障诊断具有自适应、自学习的能力;将模糊逻辑用于判决中,使判决结果更可靠、意义更明确。用24台次柴油机故障模拟实验数据训练神经网络,效果良好。对现场使用的12台次柴油机故障诊断,有10台次诊断完全正确,取得了较满意的效果。     

机床结合部动力学建模与辨识方法的研究

针对机床结合部动力学建模与辨识过程中对子结构间耦合关系与内部激振对外部响应影响考虑不充分问题,采用频响函数矩阵建立完备的机床结合部动力学理论模型;基于力学平衡条件和位移兼容条件推导了辨识方程,提出一种新的动力学辨识方法;辨识过程中融入了子结构间耦合关系,将难测频响矩阵作为中间变量抵消,避免使用难以测量频响或估算难以测量频响所引入的方程误差。在此基础上,将辨识方程拓展至整个测量频段,构建包含辨识关系的矛盾方程,通过最小二乘法求解确定了结合部的等效动刚度,建立了结构的有限元模型。为验证方法的正确性与可行性,基于LMS试验平台进行了现场试验,获得了良好的试验效果;与缩减维度、忽略内部激振作用的建模方法进行了对比分析,结果表明本文方法具有更好的预测性。     

基于神经网络的机翼振动主动控制

根据DARMA模型提出了简单易用的神经网络控制方案，该方法采用线性人工神经网络对系统动态特性进行在线辨识，并利用辨识得到的信息，采用BP神经网络对系统进行控制，将该算法应用于飞机机翼振动主动控制数值仿真。仿真结果表明，该方法能减少算法的计算量，压缩计算时间，便于提高系统采样频率，使得自由振动和调频振动的抑制成为可能。     

D-S理论在复合振动识别中的应用

在D—S证据理论的基础上，针对动力机械复合振动识别中在同一征兆域中很难区分多种振动故障的实际状况，研究利用其他征兆域的识别信息，进行全局信息融合，从而达到较为准确的振动故障定位；系统地论述了基于证据理论和神经网络的多参数体系识别的数据融合方法，在该方法中采用证据理论的组合规则进行局部和全局信息融合，结果表明D—S证据理论能有效地识别动力机械复合振动特征；给出了识别实例。     

基于神经网络的非线性振动系统识别：由脉冲响应的学习实现系统响应的预测

本文从工程应用的实际出发,提出了一种适用于非线性振动系统识别的神经网络模式。文中以非线性振动为物理模型对象,通过时序列脉冲响应的学习实现强制激振响应的预测例,验证了所提出的神经网络模型中的预测结构形式与输入和输出的构成,以及有限学习信息利用方法的有效性。     

微分变换法在动力学响应分析及系统边界参数识别中的应用研究

引入求解非线性微分方程的微分变换法，将其推广为广义微分变换法。建立求解一般非线性振动微分方程的一般框架，将此方法用于求解著名的Vander pol方程。并且将微分变换法推广到结构边界参数识别，以一个典型的悬臂梁边界参数识别为例，对其进行数值仿真和实验研究，并将此方法的实验研究识别结果与用实测频率响应函数法的识别结果作比较。说明该方法具有良好的工程应用价值。     

基于转子端数据驱动LSTM-CNN模型的高速旋转系统运行状态识别方法

针对复杂结构高速转轴运行状态难以准确实时监测与识别的问题,提出了一种基于转子系统数据驱动的复合神经网络转轴工况识别方法。首先,提出了一种基于长短期记忆网络(Long short-term memory,LSTM)和卷积神经网络(Convolutional neural networks,CNN)的复合神经网络模型(LSTM-CNN)。然后,建立双盘转子动力学仿真模型,并利用Newmark-β法对转子系统进行数值求解,获得转子系统关键固定节点动力学响应特征;同时基于有限元仿真获得关键旋转节点的动力学响应特征,并将两类数据分别导入LSTM-CNN模型中进行工况识别,并对其准确率和效率进行比较分析。最后,设计搭建高速转子实验平台,获取转子端和固定端数据分别对模型进行训练与验证,比较不同模型对高速转轴运行状态的识别能力。仿真数据与实验验证分析结果均表明基于转子端数据驱动的LSTM-CNN模型识别比传统的基于固定端数据驱动的识别方法具有更优的识别精度和效率。     

基于小波包-神经网络方法的支撑座连接螺栓松动损伤诊断的实验研究

在某导弹支撑座模型宽带随机振动实验的基础上,针对其连接螺栓松动所产生的支撑座结构响应的非平稳特性,采用小波包分析的方法得到缩减的信号特征;然后利用BP神经网络的模式分类功能,进行了螺栓松动程度的损伤识别研究。实验结果表明,小波包结合神经网络的方法可以有效地识别该支撑座连接螺栓的松动程度。     

航空发动机振动趋势预测的过程神经网络法

提出一种基于过程神经网络思想的航空发动机振动趋势预测方法.利用过程神经网络具有输出函数对输入函数在时间上的聚合效应和非线性映射能力,预测方法的网络结构选择为9个输入节点,第2层和第3层各有9个隐层节点,1个输出节点,参数外推预测,将选取的振动历史数据分为学习样本和检测样本两组,学习样本用于网络训练,检测样本用于检验预测模型的精度.在相同条件下,与传统人工神经网络进行趋势预测比较,提高了网络训练速度,降低了预测误差.将所提出的预测方法应用到某型航空发动机的振动趋势预测中,预测结果与实际值的误差符合要求.