基于Workbench六面体网格的桥式起重机受载主梁有限元分析

主梁是起重机的关键部位.以某起重机为模型,利用材料力学理论,计算受载主梁的挠度,分析主梁挠度随载荷大小及位置的变化规律.然后利用ANSYS Workbench软件,建立起重机受载主梁的有限元模型,对模型进行六面体网格划分,分析受载主梁的挠度和应力随载荷大小及载荷位置的变化规律,并与理论结果进行对比分析.结果表明,主梁挠度和应力与载荷位置呈正相关.当载荷作用在主梁跨中位置时,主梁挠度变形最大.     

基于变分非线性调频模态分解的滚动轴承多故障诊断方法研究

基于变分非线性调频模态分解,提出一种滚动轴承多故障诊断方法。对滚动轴承多故障振动信号分量的瞬时频率和瞬时幅值进行估计;在此基础上,通过最小化信号的带宽实现滚动轴承故障信号的重构。对比所提方法与变分模态分解法,通过实验案例对所提方法进行验证。结果表明：所提方法明显优于变分模态分解方法,即使在强噪声背景下,仍能有效地实现滚动轴承多故障信号的分解与重构,可以有效地诊断滚动轴承多故障。     

金属断口图像处理研究进展

论述了金属断口图像处理在国内外的发展与研究现状,以及金属断口图像的预处理过程、对图像的特征提取以及模式识别3个部分,并基于空间域及变换域对三部分的方法进行统计分析以及归纳总结。同时,针对算法的运算时间及速率、识别率以及鲁棒性等性能指标,对金属断口图像的识别综合性能进行判断分析和探讨。指出现阶段金属断口图像处理算法存在的不足之处及其进一步的发展方向,这将为断口图像智能诊断技术的发展提供有力的参考。     

旋转机械故障诊断中的EMD—HMM识别方法研究

结合经验模态分解（Empirical Mode Decomposition，EMD）和隐Markov模型（HMM）各自的优点，提出了一种基于EMD-HMM的旋转机械故障诊断新方法，该方法是先对振动信号进行EMD分解，对分解后的本征模函数进行希尔伯特变换得到其边缘谱图，并用希尔伯特边缘幅值谱作为特征向量，输入到各种故障模式的HMM中进行识别：该方法非常适合旋转机械设备非平稳运行过程中的故障诊断，实验结果表明该方法是有效的。     

不完备故障决策表中规则获取和优化的粗糙集方法

针对故障诊断知识库中经常出现故障征兆不完整现象,利用改进的粗糙集模型结合区分矩阵和区分函数直接从决策表中提取完整的规则集,并利用概率粗糙集模型指定了各规则的可信度和覆盖度,提高了规则的通用性。结合旋转机械故障诊断的实例表明该方法的有效性和适用性。     

静载拉伸和低周疲劳下Q235钢磁声发射特性

为揭示应力与磁声发射的关系以及明确磁声发射与铁磁性金属材料疲劳状态的关系,建立Q235钢静载拉伸的力-磁耦合模型和低周疲劳寿命模型,开展磁声发射的应用与理论研究。从有限元仿真的角度分析静载拉伸下磁声发射信号产生机理,根据低周疲劳仿真结果设计磁声发射低周疲劳试验。通过自行搭建的试验平台,验证建立的静载拉伸模型和低周疲劳模型,研究静态拉伸和低周疲劳两种状态下的磁声发射信号规律。结果表明：在静载拉伸下,在弹性范围内磁导率随着拉应力的增大呈现出线性增大的趋势,导致试件上的损耗增大,同时磁声发射信号变弱,磁声发射信号的均方根电压和包络面积呈下降趋势;在低周疲劳下,Q235钢低周疲劳寿命可以通过Smith-Watson-Topper模型进行预测,且Q235钢磁声发射信号的振幅、脉冲计数特征参数随着循环周次的增大也呈现出下降的趋势;研究成果明确了应力对磁声发射的影响以及疲劳状态对磁声发射的影响,为磁声发射的特征提取与模式识别提供了理论参考依据。     

基于时频分析的机械设备非平稳信号盲分离

针对传统的机械故障源分离方法忽略信号非平稳性的不足,结合时频分析和盲源分离的各自优点,提出一种基于时频分析的机械设备非平稳信号的盲分离方法,并与传统的机械故障源分离方法进行对比.实验结果表明,对于机械设备非平稳混迭信号,必须充分利用信号的非平稳性,才能达到很好的分离效果.文中的研究为机械设备非平稳混迭信号的分离提供一种新方法.     

基于CVA-ICA的机械故障源动态盲分离方法

动态盲源分离问题是多故障源盲分离的一个热点。传统的机械故障源分离方法要求满足统计特征保持稳定,且混合系统保持不变等假设,而忽略了时序信息。针对此不足,结合规范变量分析(Canonical variate analysis,CVA)和独立分量分析(Independent component analysis,ICA),提出一种基于CVA-ICA的机械多故障源动态盲分离方法。该方法的基本思想是将源信号看成状态空间的状态变量,观测信号看成状态空间的输出变量,从而将动态混合盲源分离问题转化为状态空间盲源分离问题,利用规范变量分析作为降维工具来构造状态空间,再利用传统的ICA算法对规范的观测信号进行盲源分离。仿真研究表明,在处理动态混合的盲分离中,提出的方法明显优于静态ICA方法,取得了满意的分离效果。将该方法应用到滚动轴承内圈和滚动体的故障盲分离中,试验结果进一步验证了该方法的有效性。     

基于Choi-Williams分布的机械故障源分离技术的研究

针对传统的机械故障源分离方法的不足,即源信号满足非高斯、平稳和相互独立性的假设,提出了一种基于Choi-Williams分布的机械故障源分离方法,并进行仿真研究,同时,还与传统的机械故障源分离方法进行了比较,仿真结果表明,对于机械非平稳信号的分离,必须充分利用信号的非平稳性,才能达到很好的分离效果。最后,将该方法应用到电机-减速箱耦合的多通道振动实验中,实验结果表明,该方法是有效的。     

旋转机械升降速过程BSI-FHMM识别方法的研究

结合时序模型的盲辨识和因子隐Markov模型，提出了基于时序模型盲辨识的特征提取方法建立机组各状态相应的FHMM识别法，成功地应用到旋转机械升降速过程的故障诊断中，实验结果表明，该方法有效。