基于时间反转的玻璃钢复合板材声发射源定位方法

玻璃钢复合材料在许多工业领域得到了广泛应用,但是对于该复合材料的声发射动态监测还存在很多问题有待解决。针对玻璃钢复合材料的强各向异性特征,提出一种基于时间反转原理的虚拟加载聚焦增强技术,可应用于声发射源定位。首先按照时间反转原理,推导出虚拟加载过程中的信号聚焦增强技术的理论模型;然后在复合材料上布置传感器阵列,并在监测区域内不同位置进行声速测量,获得材料平均声速为2 432.32 m/s;最后将实验采集的模拟声发射源信号按照理论模型进行处理,计算监测区域内每一个像素点的振动幅值,重建波动幅值图,并以最大幅值处确定为声源位置,同时将波动图经过阈值处理后,可从图中直接看出声发射源的位置。实验结果证明,该方法相对现有声发射仪器,定位精度在4%以内,能够满足工程应用要求。     

基于LabVIEW和cRIO技术的液压AGC伺服缸的加载动态性能测试台

该测试台是基于LabVIEW和cRIO技术,对液压AGC伺服缸进行了加载动态性能测试。该测试系统由加载机架、液压系统和测控台构成。测试台自投入使用以来,已进行了多批次的AGC伺服缸的动态性能测试,实践证明测试台性能可靠、精度高、扩展性强,并显著缩短了开发周期。     

基于声发射技术的螺栓状态监测研究

利用声发射技术监测螺栓工作过程中的状态变化,对声发射检测信号进行时域、频域及小波分析。结果表明,螺栓由于塑性变形和断裂引起的声发射频率明显区别于振动、撞击、摩擦等所产生的频率,验证了声发射技术用于连接螺栓状态辨识的可行性。     

基于信息融合的薄壁机器人轴承状态评估

针对薄壁机器人轴承的状态评估,提出了基于信息融合的评估方法。采集声发射(Acoustic Emission, AE)和振动加速度信号,并在时域和频域上分别提取两种信号的特征作为识别薄壁机器人轴承状态的特征参量,利用自组织特征映射(Self Organizing Maps, SOM)神经网络对AE和振动信号的特征信息进行融合。经过实测数据的分析与验证,结果表明,该方法能够有效地判断出薄壁机器人轴承的状态类型。     

基于信息融合的机器人薄壁轴承故障智能诊断

为了实现轴承故障智能诊断,对基于信息融合的机器人薄壁轴承故障智能诊断方法进行研究。首先,采用声发射和振动传感器,搭建了机器人薄壁轴承试验与多信息数据采集系统;然后,以薄壁单列角接触球轴承ZR71820为对象,在轴承外圈、内圈和滚动体上分别制作点蚀、裂纹缺陷,用正交试验法采集不同缺陷类型、不同当量载荷及不同转速状态下薄壁轴承在试验过程中的声发射和振动信号;最后,选取时域中均方根值和峭度指数及频域中均方根频率作为振动、声发射信号的特征参数,分别进行了基于单一振动、声发射信号的薄壁轴承故障诊断,并采用SOM与BP神经网络将试验过程中的振动和声发射信号的特征信息进行融合,研究了基于信息融合的机器人薄壁轴承故障智能诊断技术。结果表明:基于振动信号故障诊断的正确率为85.7%;基于声发射信号故障诊断的正确率为81.0%;基于BP神经网络信息融合故障诊断的正确率为93.5%;基于SOM神经网络信息融合故障诊断的正确率为95.2%。基于SOM神经网络信息融合的薄壁轴承故障智能诊断比单用振动或声发射信号的诊断正确率分别高出9.5%和14.2%,比用BP神经网络信息融合故障诊断的正确率高1.7%。     

大型轧机AGC伺服油缸结构疲劳研究

分析了大型轧机AGC伺服油缸的主要失效形式,其中最严重的失效形式为缸筒疲劳破坏。针对AGC伺服油缸缸筒结构,使用Creo软件三维建模,并基于有限元计算模块Creo Simulate对其应力分布进行有限元分析,然后基于疲劳分析软件FEMFAT对缸筒的疲劳强度进行评估。该计算方法模拟AGC伺服油缸工作的动态疲劳工况,为优化设计提供了理论依据,使整个设备更加安全可靠,保证了轧钢生产线的稳定运行。     

基于传感器增强的测力仪实验平台扩展方法

针对现有测力平台无法满足大尺寸特征实验、微细切削实验以及缺乏多信号融合等问题,提出了基于传感器增强的测力仪实验平台扩展方法。以Kistler 9257B压电测力仪为基础,对测力平台进行扩展。通过增加大尺寸测力板满足大尺寸特征的切削实验要求。同时增加加速度传感器,通过测量加工过程中工件的加速度,对切削力进行惯性力补偿,提高切削力的测量精度,并可用于微细切削实验。此外通过将声发射传感器监测加工过程中的声发射信号同切削力和振动信号融合,为加工过程中刀具状态的辨识提供依据。验证表明,经过扩展的测力平台可以达到预期的效果。     

AE技术在离心泵转子部件故障诊断中的应用研究

离心泵的故障主要集中在转子部件,其故障发生的过程中伴随有丰富的声发射信号,故通过分析其信号特征可得出故障的相应信息.采用特征参量、分布分析方法及波形的时域分析方法对声发射信号进行了分析,并确定了事件计数率、RMS电压和振铃计数率作为声发射故障诊断的特征参量.同时验证了针对早期磨损类故障声发射诊断方法比振动诊断方法更好的诊断效果.     

基于小波系数统计特征的光学元件粗糙度声发射监测研究

表面粗糙度是光学元件表面质量的重要评价指标之一。传统的粗糙度检测方法大多采用离线方法,无法实现在线表征。为此讨论了一种基于声发射检测技术的表面粗糙度监测方法,利用改进的表面粗糙度检测装置,采集不同粗糙度下声发射信号;由于传统方法存在一定的局限性,因此提出了基于小波分解系数有效值统计特征的表面粗糙度监测方法,通过对摩擦抛光的声发射信号进行特征提取,来辨识粗糙度。研究结果表明,利用该方法所提取出的特征可以对表面粗糙度进行有效区分,验证了其是光学元件表面粗糙度声发射监测的有效方法。     

疲劳裂纹扩展声发射信号去噪盲分离

采用声发射技术评估疲劳裂纹扩展状态时,评估结论会受到其它类型声发射信号和噪声的干扰.针对上述问题,在分析经验模态分解和独立分量分析特点的基础上,提出集合导数优化经验模态分解与独立分量分析相结合的声发射信号去噪盲分离方法,用于疲劳裂纹扩展声发射信号的处理.分别进行模拟声发射信号和疲劳裂纹扩展试验,采用上述方法对采集声发射信号进行去噪盲分离,结果表明:基于集合导数优化经验模态分解与独立分量分析的声发射信号去噪方法可有效去除噪声信号的干扰,准确分离出疲劳裂纹扩展声发射信号,为进行含裂纹结构的疲劳损伤状态评估和剩余寿命预测奠定基础.     

Discussion of the Definition for Acoustic Emission Event in the Time Series of Concrete Damage Process

Acoustic emission signals from concrete compression damage process are non-stationary and their arrival time is unknown. Therefore, the definition on the acoustic emission event in the time series is not clear. In this paper, the acoustic emission signals associated with concrete specimen under uniaxial compression are acquired by full-digital acoustic emission system. The overlapping phenomenon of acoustic emission signal is presented and discussed by the analysis of time interval between adjacent hits. Acoustic emission signals are classified into three categories according to their waveform characteristics. And the result shows that as the loading process continues, more and more amount of continuous type of acoustic emission signals appeared, indicating the acoustic emission signal does not carry the features of burst type, which will introduce obvious errors in the calculation of acoustic emission event. In contrast, the average signal level used in the analysis of continuous type of acoustic emission signal shows a good regularity with the damage process of concrete.

     

轧机AGC伺服液压缸结构优化探讨

针对我国某一钢厂的轧机AGC伺服液压缸出现的故障进行了分析,对出现伺服液压缸缸体底部裂损进行了详细的研究,并且用ANSYS对其进行了有限元分析,突破了常用的增大伺服液压缸底部圆弧半径等思维,提出了一种新的改进方案,即将缸体底部的圆弧变为倒角,适当调整倒角的尺寸,使得工作状态变得更加安全和可靠,分析了各个参数对最大应力的影响状况,并选择了最佳参数,使AGC液压缸处于较好的工作状况结构,优化后的结构应力明显减小,满足工作要求。     

基于S变换的热连轧机耦合振动特征提取

提出一种基于短时傅里叶变换的自适应频域滤波方法,将噪声信号与振动特征成功地分离。根据短时傅里叶变换和功率法设定的阀值,自动捕捉了振动信号在不同时间段的优势频率。对振动信号、压下液压缸压力信号和伺服阀给定信号做短时傅里叶变换后,热连轧机振动被诊断为液机耦合振动。利用离散小波变换和S变换相结合的方法对轧机振动信号进行分析,确定轧机起振的时间为液压压下系统的投入时间,证明了热连轧机存在液机耦合振动现象。     

AGC系统负载变化补偿的自适应控制

针对轧机厚度自动控制(Automatic Gauge Control,简称AGC)系统的负载在轧制过程中的时变特性,运用了负载变化补偿自适应控制策略.并采用MATLAB软件的SIMULINK模块对2030系列轧机的AGC系统进行动态特性仿真分析,将传统的电液伺服反馈控制与新设计系统做比较,仿真研究结果表明,设计的自适应AGC系统负载变化时响应更快,且具有更好的动态调节性能.     

Monitoring of Ball Bearing Operation under Grease Lubrication Using a New Compound Diagnostic System Detecting Vibration and Acoustic Emission

Our new compound diagnostic system comprised of a compound sensor, a signal processor, and a personal computer installed signal processing software. The compound sensor made by an advanced sensor fusion technique was able to detect simultaneously the vibration acceleration and the acoustic emission by itself. The signal processor received a signal from the sensor and separated it into the vibration acceleration signal and the acoustic emission signal. The signal processor and the personal computer processed the acceleration signal and acoustic emission signal for diagnostic information. The rolling contact fatigue process of a ball bearing under grease lubrication was monitored using the compound system. The system outputs diagnostic information, for example, the means, the variance, the skewness, and the kurtosis of the vibration acceleration signal and the acoustic emission signal. In diagnosing the rolling contact fatigue failure, the root mean square (rms) value of the vibration acceleration was most effective, and the mean of the demodulated acoustic emission was second to the rms value of the acceleration in effectiveness. From the result of the evaluation, it became clear that the system was useful for diagnosing rolling contact bearings under grease lubrication.     

Characteristic recognition of chatter mark vibration in a rolling mill based on the non-dimensional parameters of the vibration signal

Detecting chatter mark vibration in rolling mills operating under normal working conditions is difficult. A novel characteristic recognition method of chatter mark vibration, where the non-dimensional parameters are calculated with time varying signals and kurtosis under normal rolling mill operating conditions, is presented in this paper. The character of the chatter mark vibration signal is obtained by calculating the kurtosis value of each vibration signal segment obtained by subdividing the raw time varying vibration signal. The probability density function is utilized to reveal obvious differences between signals with respect to the normal and chatter conditions. The method overcomes the limitation of traditional spectrum analysis, which is sensitive to working conditions. Numerical simulation and experimental results show that the proposed method has better recognition capability than traditional spectrum analysis.     

轧机AGC油缸试验台加载机架强度分析

运用解析法和有限单元法对AGC油缸试验台加载机架进行了分析计算.在分析计算过程中,取对称加载机架的一半为研究对象,对模型载荷的施加、约束的处理等进行了较为详细的分析.     

基于CSLBP的轴承信号时频特征提取方法

针对滚动球轴承振动加速度信号特征提取问题,提出一种基于中心对称局部二值模式(center-symmetric local binary pattern,简称CSLBP)的时频特征提取方法。首先,利用广义S变换对滚动球轴承振动加速度信号进行处理,通过采用时频聚集性度量准则自适应地确定广义S变换的调整参数,从而获取时频分辨性较好的二维时频图;然后,计算二维时频图的CSLBP,提取CSLBP纹理谱描述滚动球轴承振动加速度信号的时频特征。对滚动球轴承正常、外圈故障、内圈故障和滚动体故障4种不同状态的振动加速度信号进行了研究。结果表明,CSLBP纹理谱能有效地表达滚动球轴承振动加速度信号的时频特征,与局部二值模式(local binary pattern,简称LBP)和统一模式LBP纹理谱相比,CSLBP纹理谱具有特征维数低和区分性能好的优点。     

改进时频分析和特征融合在内燃机故障诊断中的应用

针对基于内燃机振动信号的故障识别诊断问题，首先提出一种基于阈值筛选的变分模态分解(VMD)、玛基诺-希尔时频分布(MHD)的时频分析方法，该方法针对Cohen类时频分布存在的交叉干扰项问题，通过阈值筛选法确定VMD算法的分解层数，从而将内燃机振动信号分解成一系列单分量模态信号，然后对单分量信号进行MHD时频表征及线性叠加得到时频聚集性优良、物理意义明确的振动信号时频谱图。再通过局部非负矩阵分解(LNMF)对时频图像特征进行提取，将提取的特征与振动信号时域参数进行特征融合，得到融合特征向量。对支持向量机(SVM)采用改进粒子群优化算法进行参数优选，然后对特征向量进行训练和测试，实现了内燃机的故障识别诊断。将该方法应用于内燃机气门间隙故障8种工况下缸盖振动信号的识别诊断试验，结果表明，该方法能够对不同工况振动信号进行有效识别分类。通过参数优选，最高识别率达到了99.17%，同时对比传统的最近邻分类器的分类结果，证明了该方法的优越性。     

批量钻削监测信号双谱特征融合研究及应用

基于钻削工步质量波动与监测信号特征变化之间的耦合现象,提出一种基于监测信号双谱特征的高精度批量钻削工步质量一致性控制检测方法。认为正常钻削过程的声发射和三向加速度振动监测信号可视为随机过程,满足或近似高斯分布,信号偏离高斯分布的程度与各钻孔加工质量波动间存在对应关系;以各钻孔声发射和加速度振动监测信号为研究对象,提取各钻孔监测信号的双谱幅值平均值为特征,对不同钻削情况下信号偏离高斯分布的程度进行定量分析;采用基于ReliefF算法的特征加权模糊聚类分析,进行基于监测信号双谱幅值均值特征矩阵的钻孔质量分类,并与人工检测的工步质量一致性结果对比分析。计算和分析结果表明,监测信号双谱特征与各钻削工步质量之间存在有机联系,对信号双谱特征进行融合聚类可分析批量钻削工步质量的一致性。