一种新型焊接电源

一种新型焊接电源采用了IGBT直接整流及PWM凋制,无须变压器,减少了能量转换环节,提高了电源效率。并且该电源只在各相电压和线电压较低的时刻吸收电流,克服了普通整流电源在高电压时短时间吸收电流对电网的污染。本电源体积小,质量轻,效率高,运行可靠,无噪声,是很有发展前途的电源。     

局域均值分解和1.5维谱在机械故障诊断中的应用

针对机械故障振动信号的非线性、非平稳特征,提出了局域均值分解和1.5维谱相结合的机械故障诊断方法。该方法首先对信号进行局域均值分解,将其分解为若干个PF分量之和,然后运用1.5维谱方法对含有故障特征信息的PF分量进行特征提取。该方法具有抑制高斯白噪声、检测非线性耦合特征等特性。仿真信号与机械故障诊断工程实例的分析验证了该方法的有效性。
     

超薄板脉冲微束等离子弧焊熔池振荡频率特征

脉冲微束等离子弧焊熔池振荡特征频率与焊件成形质量具有重要联系。传统的检测方法用于超薄板P-MPAW焊接熔池振荡频率实时检测时存在较大误差,因此课题组应用了一种基于激光反射的熔池振荡特征频率检测方法。课题组搭建的熔池振荡实时检测平台实现了超薄板P-MPAW熔池振荡特征信息的采集,并成功提取出熔池振荡特征频率,探讨了脉冲参数对于熔池振荡的影响机制。结果表明:熔池振荡频率随脉冲频率增大呈对数增长,随基值电流和峰值电流差异减小而减小,使用对数增长模型可对熔池振荡特征频率进行合理预测。     

矿用电驱动装置振动时频特性研究

介绍了振动信号时频分析方法，分析了矿用电驱动装置故障诊断的难点，构建了电驱动装置振动测试系统，拾取了电驱动装置振动加速度信号。应用小波阈值去噪方法，滤除了振动信号噪声，评价了去噪效果。利用小波时频分析技术，获得了电驱动装置振动时频图，分析了电驱动装置振动时频特性，计算了振动故障特征频率，诊断了电驱动装置故障并进行了结构改进，测试验证了改进效果。为矿用电驱动装置可靠性提升奠定了基础。     

滚动轴承内圈局部故障渐变动力学建模与分析

当滚动轴承内圈出现局部故障时会产生复杂的振动响应，从滚动轴承内圈实际故障形貌的渐变性和非规则性的客观实际出发，引入位移激励函数定性分析滚动体通过故障区域时球心位置的渐变规律，采用随机数列表征故障底部形貌非规则性的特点，综合考虑轴承的径向载荷和滚动体通过故障区域时的打滑率等因素，建立了一种内圈局部故障渐变的轴承动力学模型。通过对比分析不同转频条件下实验和仿真数据的故障特征频率值，验证了局部故障渐变动力学模型的准确性。     

求最小特征频率问题的分片常数水平集方法

通过引入虚拟材料，将线性弹性系统扩展到一个固定的背景域，研究结构振动最小特征频率的最大化问题。用分片常数水平集(Piecewise Constant Level Set, PCLS)方法表示不同材料区域，运用灵敏度分析得到PCLS函数最小特征频率的导数。提出一种重新启动的共轭梯度惩罚算法对二维及三维悬臂梁进行数值实验，实验结果表明，PCLS方法可以在迭代过程中自动成核和消除空洞，验证了共轭梯度惩罚算法的有效性。     

光声光谱气体检测系统中光声池的仿真优化设计

针对特定场合对光声光谱气体检测系统中光声池特征频率的设计需求，利用有限元分析法，以一阶圆柱形共振光声池为研究对象进行声学模态仿真，获得了前8阶声学模态；仿真分析谐振腔、缓冲室的半径和长度对光声池特征频率和光声信号强度的影响。仿真结果表明：当谐振腔半径为3 mm时，谐振腔长度为120 mm，缓冲室的半径、长度分别为14.7 mm、60 mm是光声池特征频率在1 400 Hz附近的最佳尺寸。     

特高压直流穿墙套管故障的振动监测研究

特高压直流穿墙套管是我国电网的卡脖子技术之一。目前不仅其核心设计与制造技术存在较多难点有待攻克，其设备运行的状态监测技术也是一个难点问题。为此，在分析特高压直流穿墙套管的结构和常见故障的基础上，探索了振动法在特高压直流穿墙套管故障在线监测领域的应用，并开展了理论仿真研究，发现当特高压直流穿墙套管的外绝缘或内绝缘发生损伤时，套管的基础特征频率有明显改变。随后对800 kV级特高压直流穿墙套管的电容芯子开裂和硅橡胶伞裙破裂开展了故障模拟和振动测试，结果表明不同故障状态下套管的基础特征频率有较大差异。因此采用振动监测技术可有效实现对特高压直流穿墙套管故障的甄别，可为特高压工程建设和运维人员提供技术参考。     

基于瞬时故障特征频率曲线提取的变转速滚动轴承故障诊断

提出了一种基于瞬时故障特征频率曲线提取的阶比分析诊断方法，首先，采用希尔伯特变换获得滚动轴承振动信号的包络信号；然后，采用同步挤压小波变换对包络信号进行时频分析，根据所得时频图确定滚动轴承瞬时故障特征频率曲线的频率范围，经过阈值处理、频率校准、曲线拟合估计瞬时故障特征频率；最后，根据瞬时故障特征频率进行等角度重采样及频谱分析获得阶比谱，根据故障特征系数和阶比谱图判定轴承故障。     

基于WOA-VMD联合MOMEDA的轴承外圈故障特征提取方法

滚动轴承工作环境较为复杂，在复杂的环境因素影响下，其故障特征信号容易受到噪声的影响，导致其难以被识别。针对这一问题，提出了一种基于鲸鱼优化算法(WOA)的变分模态分解(VMD)联合多点最优最小熵解卷积(MOMEDA)的滚动轴承外圈故障特征提取方法。首先，利用变分模态分解(VMD)对仿真信号进行了分解，使用鲸鱼优化算法(WOA)确定了最佳分解层数以及各分量的样本熵；然后，以样本熵最小值为目标寻优，得出了包含故障信号的最佳分量，对得到的最佳分量进行了MOMEDA重构，从重构信号的包络谱中获得了仿真信号故障特征频率及其倍频；最后，为了验证WOA-VMD联合MOMEDA的有效性，在实验台上采集数据，对滚动轴承的外圈故障信号进行了特征提取。实验结果表明：使用该方法可以高效地进行信号的分解寻优，能较为准确地得到仿真信号的故障频率(100 Hz)和实验台提取信号的近似故障频率(87.5 Hz),验证了该方法的有效性。研究结果表明：低信噪比的工况条件下，采用WOA-VMD联合MOMEDA的方法可以有效地提取滚动轴承的故障特征信号，并能从重构信号中提取故障特征频率。