基于红外通信技术与适配器的高速数据采集系统设计

针对高速数据传输稳定性较低、多源数据传输过程非线性干扰较大的问题,设计了基于红外通信技术与适配器的高速数据采集系统。使用系统高速数据采集层的多个高速适配器,完成各待采对象的高速信号数据采集,将其通过通信层的通信接口上传到红外通信模块,利用该模块将所得信号数据复原成真实数据后并传送到服务层,该层的多源数据融合模块运用主成分分析方法,融合接收到的全部数据,同时采用展示层的液晶显示模块,呈现完整的高速数据采集结果。实验结果表明：该系统在不同信号数据长度下,均能以较高采样速率完成不同类型数据的精确采集;该系统能保证各通信信道在不同通信距离下的高速数据传输稳定性,且所得高速数据融合结果能清晰、完整地呈现全部高速数据采集结果。     

基于改进PCA联合SVM的电厂设备故障诊断方法

转子系统是燃气轮机极为重要的组成部件,对其进行故障诊断与分析对燃气轮机的安全稳定运行具有重要意义。转子故障信号为典型的非线性、非平稳和微弱性时间序列。提出了一种基于改进主成分分析(Improved Principal Component Analysis, ImPCA)的燃气轮机转子故障诊断方法。首先针对传统PCA主分量个数确定难题,将贝叶斯理论引入PCA,构建贝塔先验主成分分析模型对转子故障信号进行自适应分解,将其转化为少数几个主分量(Principal Component, PC)之和的形式,然后将PC对应的大特征值作为特征向量并构建SVM分类器进行分类,实现对“不平衡故障”“动静件碰磨故障”和“不对中故障”三种燃气轮机转子故障的有效分类诊断。基于实际数据的实验结果表明,所提方法能够获得97.2%的平均诊断正确率,并且具有噪声稳健性,适用于实际工程应用场景。     

基于小波包分解和宽度学习的轴承故障检测

针对真实环境中复杂变工况情况下轴承故障检测问题,提出一种基于小波包分解（Wavelet Packet Decomposition,WPD）和优化宽度学习系统（Broad Learning System,BLS）的轴承故障检测方法（简称WBLS）。首先,小波包分解非平稳时变轴承信号,提取尺度系数和小波系数作为二维的时频特征;其次,将二维时频特征输入BLS网络和具有增量学习的BLS网络映射成特征节点和增量节点,借助伪逆计算BLS网络的权重;最后,将特征节点、增量节点拼接与权重同时输出,完成BLS网络训练,进行测试分类。通过在CWRU公开数据集上的实验结果表明,基于WBLS的方法分类准确率为97.67%,网络训练耗时9.62 s,说明该方法能在保持较优分类准确率的同时,快速完成训练,节省大量时间。     

改进YOLOX网络的轴承缺陷小目标检测方法

针对深度学习模型在工业轴承表面缺陷检测中多目标情形下的小目标漏检率高、模型特征融合不充分的问题,基于YOLOX提出一种多注意力特征加权融合的小目标缺陷检测算法。在骨干网络引入特征提取更加细粒度的Res2Block模块,同时嵌入自注意力机制,增加隐性小目标的区域特征,减少漏检率;设计内嵌坐标注意力并作为加权条件的双路金字塔特征融合网络,提升浅层细节特征和深层高级语义特征的交互融合能力;后处理阶段引入Focal Loss损失函数,增加模型对正样本目标的学习,进一步减少漏检率。实验结果表明,与原YOLOX算法相比,改进算法在自制小型列车轴承表面缺陷数据集上mAP提高了4.04个百分点,对小目标的识别率明显提升。     

基于压电传感阵列的萜烯类挥发物鉴别

为了实现柑橘中萜烯类挥发物的鉴别,选取柑橘主要萜烯类挥发物,d-柠檬烯、α-蒎烯和月桂烯作为目标分子。采用本体聚合法,MAA为功能单体,EGDMA为交联剂,AIBN为引发剂,制得对应的分子印迹聚合物(MIP)。使用聚氯乙烯将MIP粉末与石英晶体微天平(QCM)电极结合,制成MIP-QCM传感器,三种传感器组成传感阵列。搭建配气系统并测量传感阵列对纯样和混合样本的响应。以传感器最大频率偏移作为特征值。传感器对各自目标纯样的响应随浓度变化呈良好的线性关系,R²分别为0.992 4、0.983 6和0.985 9,灵敏度均在0.2 Hz/ppm以上,重复性百分比均在95%以上。采用主成分分析法(PCA)鉴别纯样和其对应的混合样本,鉴别准确率为100%。传感阵列对萜烯类挥发物纯样和添加了少量干扰物的混合样本有很强的鉴别能力。     

PCA-VQ融合降维的SMO-SVM说话人识别研究

针对说话人语音原始梅尔频率倒谱系数(MFCC)特征参数维数较高造成的模型计算效率低以及不稳定的问题,基于序列最小优化(SMO)高效算法求解支持向量机(SVM)基本型的对偶问题,开展主成分分析-矢量量化((PCA-VQ)融合降维的SMO-SVM说话人识别算法研究。改进后的算法在MATLAB平台上仿真通过。仿真结果表明:通过PCA-VQ融合算法对MFCC特征参数进行优化降维后,SMO-SVM说话人识别模型的正确率提高3.77%,训练时间节省1.24 s,具有较好推广应用价值。     

变转速下滚动轴承的阶频谱相关域微弱故障特征增强与提取

滚动轴承是旋转机械常用且故障率较高的部件之一,其故障的及时发现,对于设备安全、稳定运行具有重要意义。滚动轴承的早期故障特征十分微弱,容易被强背景噪声干扰所掩盖。同时,滚动轴承往往在变转速工况下运行,故障特征的时变特性导致特征提取较为困难。针对上述问题,提出一种变转速下滚动轴承的阶频谱相关(OFSC)域微弱故障特征增强与提取方法。首先,利用变转速下滚动轴承故障信号的角度时间域循环平稳特性,将故障信号转换到阶频谱相关域。然后,采用鲁棒主成分分析(RPCA)的低秩稀疏分解方法,将轴承振动信号的阶频谱相关矩阵分解为表征轴承故障特征的稀疏成分,并去除表征噪声的低秩成分,进一步提高稀疏分量的分辨率。最后对分解出的稀疏分量构建增强包络阶次谱(EEOS)来检测滚动轴承的故障特征。仿真和实验分析验证了该方法对于变转速工况轴承微弱故障特征增强和提取的有效性和鲁棒性。     

无人直升机尾桨轴承超声信号故障映射模型

无人直升机被广泛应用于军事民用领域中执行高危任务,对其进行健康维护具有重要意义。尾桨轴承是无人直升机尾桨的关键零件,关系到无人直升机的平衡与航向控制。传统基于振动信号的监测诊断方法易受环境噪音干扰,诊断算法也易受噪声混叠影响。为解决以上问题,提出了一种基于超声信号的无人机尾桨轴承故障映射模型。首先,采集轴承不同故障状态下的超声信号。然后,利用自适应噪声完备集合经验模态分解(CEEMDAN)算法将信号分解,对分解后的信号分量计算各类熵值并融合构造特征向量。最后,将特征向量输送到基于粒子群优化算法的最小二乘支持向量机中建立特征向量与故障类型的映射模型,实现故障诊断。该方法在超声信号下对尾桨轴承早期故障诊断具有有效性和敏感性。     

基于多模型融合的分布式光电仪器突变状态智能检测方法模型

为光电设备正常运行提供有效保障,设计基于多模型融合的分布式光电仪器突变状态智能检测方法模型。采用分布式光电仪器实时运行参数数据作为输入,分别构建KPCA、偏最小二乘算法和Elman神经网络的光电仪器突变状态检测模型,它们分别检测分布式光电仪器突变状态,将它们的输出结果作为输入,利用PSO-RBF神经网络模型对多模型分布式光电仪器检测结果进行融合处理,得到最终分布式光电仪器突变状态智能检测结果。实验结果表明：该模型采集分布式光电仪器电压运行数据较为准确,可有效检测分布式光电仪器突变状态,且其检测结果的决定系数数值较高,具备较为显著的应用效果。     

磁流变液阻尼器控制下贯流式机组轴系碰摩振动特性分析

针对贯流式水轮发电机组轴系受多振源引发的振动问题,基于线性接触力和库伦摩擦力组成的叶尖碰摩力模型,建立综合考虑不平衡磁拉力、油膜力以及不平衡水力等外激励影响下的机组转子–转轮–轴承系统碰摩动力学模型。为抑制转轮叶片振动诱发的碰摩故障,将一种电流调节式磁流变液阻尼器引入系统,采用数值方法研究有无磁流变液阻尼器在不同转速及转轮质量偏心下对转轮振动的抑制规律。结果表明：磁流变液阻尼器的存在使原本复杂的系统响应形式变得有序,能够减弱机组在转速变化过程中产生的振动,使转轮运动更为贴近同步周期运动形式;同时,可缩减因质量偏心变化造成的混沌行为并减小其振幅波动。磁流变液阻尼被动控制对贯流式水轮发电机组具有良好的适用性,可为贯流式机组轴系减振提供有益借鉴。