基于Hausdorff距离的光纤陀螺阈值滤波算法

要实现采矿机组的智能化，必须对采矿机械的位姿进行实时准确地控制。由于开采工作面环境复杂，可选用捷联惯性导航技术来实现对采矿机械的监测。光纤陀螺作为捷联惯导系统的核心元件，其随机噪声制约着惯性导航系统的精度。传统的建模滤波及小波消噪方法由于其自身的局限性，不能保证准确性和去噪效果。所以结合经验模态分解（Empirical Mode Decomposition，EMD），提出了Hausdorff距离（Hausdorff Distance，HD）筛选准则与阈值滤波相结合的去噪算法。该算法以本征模态函数（Intrinsic Mode Function，IMF）与原始信号概率密度函数（Probability Density Function，PDF）的Hausdorff距离为判别依据，对所有IMF进行筛选，之后引入阈值对筛选出的IMF进行滤波处理，最后将其与余项重构。通过试验比较了软硬阈值的滤波效果，确定了该算法采用硬阈值。为验证算法的有效性，将该算法与其他3种方法进行比较，仿真信号与实测陀螺静态漂移数据的试验结果表明了该方法的优越性，能够有效降低陀螺的各项随机误差。     

ALIF-MMPE结合DAG-SVM的滚动轴承故障诊断

针对滚动轴承故障诊断中非平稳振动信号下的有效故障特征提取问题,提出一种基于自适应局部迭代滤波、多元多尺度排列熵和有向无环图算法支持向量机的滚动轴承故障诊断方法。自适应局部迭代滤波通过构建自适应滤波函数,能够有效抑制噪声和模态混叠,经自适应分解后得到若干本征模态函数。仿真结果表明其效果优于经验模态分解。然后利用多元多尺度排列熵对包含显著故障信息的本征模态函数进行信息融合和特征提取,组成故障状态特征集。采用主成分分析对故障状态特征集进行降维,随机抽取部分样本带入有向无环图算法支持向量机中进行训练,其它则作为测试样本进行故障识别和诊断。试验故障诊断结果表明:自适应局部迭代滤波下多元多尺度排列熵优于多个本征模态函数下的多尺度排列熵和经验模态分解下的多元多尺度排列熵;本文方法能准确地识别滚动轴承不同的故障类型及故障程度。     

单相硼化物的制备及摩擦磨损性能研究

为了深入研究渗硼层中硼化物的性能，采用真空感应熔炼法制备单相硼化物材料。观察分析制备的硼化物微观组织，测试其力学性能。采用MMU-5G型销-盘式摩擦磨损试验机，在干摩擦条件下，研究了不同载荷下单相硼化物的摩擦学性能，观察其磨损表面形貌特征，探讨其磨损方式。结果表明：制备的硼化物为单一相，试样纯度高，试样的平均显微硬度为HV2065，平均断裂韧性值为1.68 MPa·m1/2；硼化物的断口处没有宏观的塑性变形，断口齐平光亮，表现为脆性断裂特征；干摩擦条件下随着载荷从10 N增加到30 N，硼化物的摩擦因数先降低后增加，20 N载荷时达到最小值，而其磨损量随着载荷的增加不断上升；随着载荷从10 N增加到30 N，磨损表面的粗糙度先逐渐上升后急剧上升； 10~20 N载荷下，硼化物的磨损以磨粒磨损为主，而25~30 N载荷下，硼化物的主要磨损方式从磨粒磨损转变为脆性破损。     

CEEMDAN-PE-TFPF降噪法在齿轮故障诊断中的应用

针对齿轮故障诊断过程中,大量噪声使得故障特征难以完全提取的情况,提出了一种完整的自适应噪声集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)、排列熵(Permutation Entropy,PE)和时频峰值滤波(Time-Frequency Peak Filtering,TFPF)相结合的去噪方法。由于TFPF方法在窗长问题上的局限性,引用CEEMDAN和PE对此进行改进,使信号在噪声抑制和信号保真方面得到了很好的权衡。首先利用CEEMDAN算法得到原始信号的本征模态函数(Intrinsic Mode Functions,IMFs),计算每个IMF的PE值来判断IMF是否需要滤波,然后针对不同的IMF选择不同的窗口长度进行TFPF滤波,最后将滤波后的IMFs和剩余IMFs重构得到最终的降噪信号。通过模拟仿真信号和实测齿轮信号验证了该降噪方法的可行性,且降噪后的信号可以有效地揭示故障的特征信息。最后与多种降噪方法对比,体现了所提方法的有效性和优越性。