基于阶次倒双谱分析的滚动轴承故障诊断方法

针对齿轮箱升降速过程中振动信号非平稳的特点,将常规的阶次分析与倒双谱技术相结合,提出了基于阶次倒双谱的轴承故障诊断方法.首先对齿轮箱升降速瞬态信号进行时域采样,再对时域非平稳信号进行等角度重采样,转化为角域平稳信号,最后对角域重采样信号进行倒双谱分析,就可提取滚动轴承振动信号的故障特征.通过对滚动轴承内圈、外圈故障实验信号的分析.表明阶次倒双谱分析能有效地诊断滚动轴承故障.     

阳离子淀粉、壳聚糖与丙烯酰胺接枝共聚研究

以硝酸铈铵为引发剂,合成了阳离子淀粉-壳聚糖-丙烯酰胺接枝共聚物,讨论了反应温度、引发剂浓度、单体用量、反应时间以及壳聚糖用量对接枝共聚反应的影响.结果表明,[AGU]=0.20 mol·L-1,mCTS/mCS=1/6,[AM]=1.0 mol·L-1,[Ce4 ]=5 mmol·L-1,T=60 ℃,t=3 h,转化率和接枝效率可分别达到88%和92%以上.壳聚糖与阳离子淀粉质量比增大,转化率增大,接枝效率则随着壳聚糖用量增大一直降低,说明壳聚糖的存在,丙烯酰胺均聚的几率增大.     

考虑杆塔风险概率的输电线路巡检路径优化方法

针对实际输电线路的结构,同时考虑巡检距离和杆塔风险等级为目标函数,提出一种差分纵横交叉算法(DECSO),用于解决输电线路巡检路径优化问题。该算法通过对巡检路径进行寻优,同时兼顾杆塔风险概率,形成一条最优路径,使得在巡检距离最短的同时,保证了输电线路可以安全稳定运行。基于DECSO算法,采用Matlab仿真软件对一个具有20个杆塔的输电线路网络进行了仿真研究。将仿真结果和其他算法的结果进行比较,结果表明了算法在解决输电线路巡检路径的可行性和优越性。     

聚丙烯生产包装线中包装机故障的综合判析

在聚丙烯生产过程中,一旦包装线发生故障将会对整个工艺生产造成影响,为此就包装线故障率较高的包装机部分进行综合分析判断,为今后的包装机维护提供指导。     

基于关联距离熵的齿轮箱故障诊断

将非线性时间序列的局部投影消噪算法引入到故障诊断领域中,并应用改进的局部投影算法对齿轮箱箱体表面振动信号进行消噪,最后通过计算关联距离熵来进行齿轮箱故障诊断,实验证明,该方法能达到很好的诊断效果.     

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。     

瞬时频率估计的齿轮箱升降速信号阶次跟踪

提出了基于瞬时频率估计的齿轮箱升降速信号阶次跟踪的新方法。首先对振动信号进行经验模态分解得到信号的固有模态函数，再求各个固有模态函数的Hilbert变换，得到信号的瞬时频率，从而直接从振动信号得到参考轴的转速信号，然后根据参考轴的转速信号对时域振动信号进行等角度重采样，最后对重采样信号进行阶次分析。通过仿真信号和对齿轮磨损故障实验信号的分析，表明该方法能有效地诊断齿轮的故障。     

基于阶次跟踪和经验模态分解的滚动轴承包络解调分析

针对齿轮箱升降速过程中振动信号非平稳的特点,将计算阶次跟踪方法与经验模态分解技术相结合,提出一种研究旋转机械瞬态信号故障诊断的分析方法。首先对齿轮箱启动时测得的振动信号进行时域采样,再对时域信号进行等角度重采样,将其转化为角域准平稳信号,然后对角域里的信号进行经验模态分解得到多个固有模态函数分量,最后对包含轴承故障信息的高频固有模态分量进行包络解调分析。结果显示：阶次跟踪技术能够有效地避免传统频谱方法所无法解决的“频率模糊”现象,将非平稳信号转化为准平稳信号;经验模态分解方法能够提取包含故障信息的固有模态分量,将两种方法相结合是对传统频谱分析法的有力补充,具有很广阔的应用前景。     

基于非线性几何不变量的轴承故障诊断方法研究

针对轴承传动本身具有非线性而在传统故障诊断中又被忽略掉的问题,提出了基于分形和混沌等非线性几何不变量的轴承故障诊断方法。该方法对测得的轴承振动时间序列去噪以后进行相空间重构,然后计算重构信号的分形维数、Lypunove指数、K熵、关联距离熵等多个几何不变量,并以此作为轴承故障诊断特征量,输入到径向基神经网络,对轴承故障进行模式识别。实验结果表明该方法能有效区别轴承各种故障状态,且为旋转机械的故障诊断提供了一种新方法。     

多个低速重载轴承同轴不完全旋转状态下的振源识别

多个低速重载轴承同轴安装时,产生的故障振动脉冲会出现混叠现象,分别提出了利用振幅衰减原理和角域特征参量2种方法,解决了多轴承同轴不完全旋转状态下的振源识别问题,为脉冲信号的振源正确分离为低速重载轴承故障诊断方法研究奠定了基础。