多共振分量融合CNN的行星齿轮箱故障诊断

针对行星齿轮箱中各部件所激起的振动成分混叠、早期故障特征经常被较强的各级齿轮谐波成分以及环境噪声所湮没的问题，提出一种多共振分量融合卷积神经网络（multi-resonance component fusion based convolutional neural network，简称MRCF-CNN）的行星齿轮箱故障诊断方法。首先，对振动信号进行共振稀疏分解，得到包含齿轮谐波成分的高共振分量和可能包含轴承故障冲击成分的低共振分量；其次，构建多共振分量融合卷积神经网络，将得到的高、低共振分量和原始振动信号进行自适应的特征级融合，通过有监督的方式训练模型并进行行星齿轮箱故障诊断。对行星齿轮箱实验数据的分析结果表明，该方法能够有效分类行星齿轮箱中滚动轴承和齿轮的故障，成功对行星齿轮箱故障进行诊断，同时能够进一步增强卷积神经网络对振动信号所蕴含的故障信息的辨识能力。     

基于鲁棒性小波包峭度图的滚动轴承故障诊断

由于基于小波包变换滤波器的设计方法仍然是采用基于样本四阶矩的谱峭度,因此在实际应用中可能会存在非鲁棒性等问题。在此基础上定义了具有鲁棒性的谱峭度系数,提出了基于小波包变换的具有鲁棒性的峭度图算法。滚动轴承的实测信号验证了所提出的方法不仅能够真实地反映谱峭度大小,而且能够准确过滤出故障瞬态冲击成分,有利于基于包络谱分析轴承故障特征频率检测,说明其具有较好的应用前景。     

任意阶PDE降噪特性分析

通过对分数阶微积分原理的研究,提出了任意阶偏微分方程(partial differential equations,简称PDE)降噪的统一模型,实现了基于任意阶PDE降噪的数值化方法,并分析了任意阶PDE降噪特性。该数值化方法能够快速实现信号降噪,耗时少。通过仿真实验,分析了PDE降噪性能的影响因素,与其他去噪方法进行了对比分析,并对现场实测信号进行了降噪分析。结果表明,PDE数值求解降噪方法性能优良,算法简单。     

旋转式压缩机定转子摩擦副材料的配伍性试验

在建立的滚动／滑动两用基础润滑性能试验台上对旋转压缩机几种定转子常用 材料的摩擦磨损进行了对比试验，得到了它们的温度时间变化曲线，并据此得到了 最优的材料配伍。     

三维几何模型的中性文件格式数据交换方法研究

现在CAX系统多是以单元自动化为目标来开发和应用的,各系统的数据在逻辑结构和物理结构上均存在较大差异,产品数据交换就成为一亟待解决的问题.在今后较长时期内多种数据交换标准并存的事实条件下,提出利用三维几何模型的中性文件格式之间的数据交换来解决该问题.简介了中性文件交换的接口方案及交换过程,详细讨论了中性文件格式的数据交换方法并给出了应用中性文件格式的数据交换方法实现三维几何模型的转换实例.     

复小波分解联合SVD提取振动信号非平稳特征

针对齿轮箱故障信号的多分量多频调制特点,提出了一种基于奇异值分解的最优小波解调技术。首先,采用小波变换的最小Shannon熵作为时间尺度分辨率的度量指标,将其应用到Morlet分析小波的参数优化选择中;其次,对常规小波参数选择方法进行了改进,利用奇异值分解技术对最优小波变化尺度进行了迭代搜索。该方法可以很好地降低噪声信号,有效提取信号中的周期成分,具有较好的瞬态信息提取能力。试验结果也表明了该方法在齿轮箱故障特征提取中的重要性以及降噪方法的有效性。     

PCA-PSO/GS-SVM组合方法在风电齿轮箱故障预测中的应用研究

在标准支持向量机(SVM)的基础上,引入主成分分析法(PCA)、粒子群算法(PSO)以及网格算法(GS),构建针对风力机故障的PCA-PSO/GS-SVM组合预测模型。相对于标准SVM,该模型采用PSO以及GS算法寻优参数,能够更准确地建立各变量间的相关关系以提高模型的预测准确性。以中国北方某风场2 MW风电齿轮箱在2017年上半年某2个月的SCADA监测数据为例进行分析。结果表明,对于以齿轮箱输出功率为例的骤变信号的预测,采用PSO算法寻优后的绝对误差均值是采用GS算法的3.0647倍,而对于以高速侧轴端温度为例的缓变信号的预测,则采用PSO算法更加合理;同时发现剔除训练样本数据中的奇异点能够有效提高模型的预测精度及其泛化能力。     

基于前馈的风力发电机组变桨距控制

针对变速变桨(Variable Speed Variable Pitch,VSVP)风力发电机组如何抑制反馈信号滞后引起的输出功率波动进行研究。在研究了传统PID反馈控制和基于测量风速前馈控制的基础上,提出了有效风速估计的前馈与传统PID反馈结合的变桨距控制策略,通过卡尔曼滤波与牛顿-拉夫逊算法进行有效风速估计,根据估计的有效风速给出合适的前馈桨距角,实现动态前馈补偿。以2 MW变速变桨风力发电机组为验证对象,基于Bladed软件平台对前馈控制策略与传统的变桨控制策略进行仿真比较。结果表明：相对传统的变桨距控制,提出的变桨距控制使风力发电机组能够在额定转速下保持稳定的电功率输出。     

基于SPSO优化Multiple Kernel-TWSVM的滚动轴承故障诊断

双子支持向量机(twin support vector machine,简称TWSVM)的核函数选择对其分类性能有着重要影响,TWSVM其核函数一般是局部核函数或者全局核函数,这两种核函数的泛化能力和分类性能不能兼顾。笔者利用综合加权的高斯局部核函数和多项式全局核函数方法组成双核函数来改进TWSVM以提高其泛化能力和分类性能,并采用简化粒子群优化(simple particle swarm optimization,简称SPSO)方法来对权值和参数进行优化,提出了SPSO优化Multiple Kernel-TWSVM模型,将该模型应用到滚动轴承故障诊断模式识别中。实验结果表明,双核TWSVM比单核TWSVM和反向传播(back propagation,简称BP)神经网络具有更高的分类准确率。     

基于FAHP的机械振动WSN均衡拓扑构建方法

针对机械振动无线传感器网络因拓扑不均衡导致传输时延和网络传输能耗增加的问题,提出了一种基于模糊层次分析(fuzzy analytic hierarchy process,简称FAHP)的均衡拓扑构建方法,该方法由构建模糊判断矩阵和计算权重向量组成。首先,传感器节点进行簇内通信获取信标广播信息,将信标节点网络决策因子统一量纲化,利用网络决策因子构建模糊判断矩阵;其次,检验模糊判断矩阵一致性,采用行和归一化处理或拉格朗日最小二乘法计算权重向量;最后,传感器节点通过权重向量计算出各个信标节点综合权值,关联最优信标节点为父节点加入网络,将提出的模糊层次分析拓扑构建方法与基于链路质量单准则构建网络拓扑机制进行对比。实验结果表明,该方法能有效改善传输时延和机械振动无线传感器节点网络寿命。