考虑冲击力的球轴承复合缺陷动力学建模

滚动轴承在旋转机械中应用十分广泛,其运行状态直接影响设备的工作性能,有必要对轴承故障机理进行深入研究.基于Hertz接触理论,建立了四自由度的内外圈复合缺陷球轴承模型,该模型考虑了缺陷引起的时变位移激励和冲击力激励,并分析计算了冲击力的大小及作用角度.分别对内圈、外圈单一缺陷及内外圈复合缺陷情况下球轴承的振动响应进行了数值仿真,仿真结果与实验数据吻合较好,内圈故障特征频率(BPFI)和外圈故障特征频率(BPFO)及其倍频在频谱图中清晰可辨,分析了负载大小和缺陷宽度对轴承振动特性的影响.研究结果可为滚动轴承的故障诊断提供理论参考.     

旋转机械诊断中的矢功率谱-模糊C均值聚类方法

结合矢功率谱和模糊C均值聚类算法,提出了一种新的旋转机械故障识别方法。该方法以矢功率谱为特征向量,以模糊C均值聚类算法为分类器,成功地应用到旋转机械故障诊断中。实验结果表明,该方法是有效的。     

基于经验小波变换的机械故障诊断方法研究

经验小波变换(EWT)是一种新的自适应信号分解方法,该方法继承了 EMD 和小波分析方法的各自优点,通过提取频域极大值点自适应地分割傅里叶频谱以分离不同的模态,然后在频域自适应地构造带通滤波器组从而构造正交小波函数,以提取具有紧支撑傅立叶频谱的调幅-调频(AM-FM)成分。本文将该方法引用到机械故障诊断中,提出了一种基于经验小波变换的机械故障诊断方法,并与EMD方法进行了对比分析。仿真结果表明,经验小波变换方法明显优于EMD方法,能有效地分解出信号的固有模态。与 EMD 相比较,该方法具有分解的模态少,不存在虚假的模态,计算量小,且在理论上具有易理解性等特点。最后将该方法应用到转子碰磨故障诊断中,实验结果进一步验证了该方法的有效性,能够有效地揭示出碰磨故障数据的频率结构,区分碰磨故障的严重程度。     

基于短时傅里叶变换和深度卷积神经网络的直升机齿轮箱故障诊断方法

齿轮箱作为直升机重要的传动机构,其运转的可靠性对保障直升机系统安全具有重要的作用.针对传统信号处理需要大量专家经验来识别故障类型的不便性和复杂性,为了实现直升机齿轮箱故障诊断,本研究提出一种基于短时傅里叶变换和深度卷积神经网络的故障诊断方法.首先,将采集到的直升机齿轮箱振动信号利用短时傅里叶变换绘制时频图,以提取振动信...     

浅论建筑工程网上招标投标

从建筑业现状，打造建筑企业信用系统，网上签字，系统阐述了网上招标投标的条件业已成熟，并进而提出这也是杜绝招投标过程中不正之风的有效手段。     

跨省区水利水电工程有关移民问题的研讨

跨省区水利水电工程建设项目主要在水库征地移民、电站利益分配等方面面临一些重大问题需协调解决。笔者结合龙滩水电工程建设的实际，对有关问题进行了初步探讨，并提出了建议与对策。     

旋转机械启动全过程DHMM故障诊断方法研究

旋转机械启动过程中的振动信号包含有重要的参考信息，研究该过程中的旋转机械运转状况，有助于发现存在于系统中的早期故障。根据离散隐Markov模型（DHMM）的建模理论，对旋转机械启动过程的振动谱矢量序列进行标量量化处理，并建立了各种模拟故障的DHMM进行故障分类尝试，实验证明，该方法是十分有效的。     

主分量分析和因子隐Markov模型在机械故障诊断中的应用

主分量分析(principal component analysis,PCA)是统计学中分析数据的一种有效方法,可以将高维数据空间变换到低维特征空间,因而可用于多通道冗余消除和特征提取.因子隐Markov模型是隐Markov模型的扩展,它比隐Markov模型更有优势,适用于动态过程时间序列的建模,并具有强大的时序模型分类能力,特别适合非平稳、信号特征重复再现性不佳的信号分析.文中结合主分量分析与因子隐Markov模型,提出一种新的故障识别方法,即以主分量分析方法进行冗余消除和故障特征提取,因子隐Markov模型作为分类器.并应用到机械故障诊断中,同时与基于主分量分析的隐Markov模型的识别方法相比较,实验结果表明基于PCA的因子隐Markov模型识别法和基于PCA的隐Markov模型识别法在故障识别上都是有效的,但对于相同的状态空间,前者的训练速度快于后者,尤其是状态空间越大,这种优势越明显.     

基于矢模糊函数的旋转机械故障诊断方法的研究

结合全矢谱技术与模糊函数,提出了一种矢模糊函数的新概念。定义的矢模糊函数继承了全矢谱技术与模糊函数各自的优点,既能全面地反应机械振动的全面性,又能很好地抑制Wigner分布中的交叉项干扰。阐述了矢模糊函数的定义、算法及其特点,并把矢模糊函数成功地应用到旋转机械故障诊断中。为了对比分析,还通过类似的方法定义了矢Wigner分布。仿真和实验结果表明,提出的矢模糊函数在旋转机械故障诊断中是非常有效的,矢模糊函数优于矢Wigner分布。     

矢功率谱与RBF网络结合在旋转机械故障诊断中的应用

与传统功率谱相比,矢功率谱融合了多通道的能量信息,反映的信息更全面.径向基函数网络具有良好的推广能力和分类能力.基于此,本文结合矢功率谱和径向基函数网络,提出了一种新的故障识别方法,该方法以矢功率谱为特征向量,径向基函数网络为分类器.并以转子裂纹、转子不对中、油膜涡动为例进行实验研究,实验结果表明,该方法是有效的.