基于Volterra级数和SVM的旋转机械故障诊断方法研究

提出一种基于Volterra级数和支持向量机的旋转机械故障诊断方法。该方法首先利用量子粒子群优化算法辨识出正常、转子碰摩、转子裂纹、基座松动四种状态下的Volterra核,分别利用一阶Volterra核和前三阶Volterra核作为特征向量,然后将这些特征向量输入到SVM(support vector machine)分类器中进行识别。实验结果表明,提出的方法是有效的,当利用一阶Volterra核作为特征向量难以区分故障时,可以利用更高阶的Volterra核作为特征向量来区别,这些体现出所提出方法在旋转机械故障诊断中独特的优势。     

基于高密度小波变换的航空发动机滚动轴承故障诊断方法

基于高密度小波变换对原始信号尺度划分更加精细的优势,将高密度小波变换、软阈值降噪和频谱分析相结合,提出了基于高密度小波变换的航空发动机滚动轴承故障诊断方法。该方法通过设定分解层数对信号进行高密度小波变换,得到每一尺度上的低频、中频、高频分量;对各分量软阈值降噪处理后进行频谱分析,进而实现故障特征频率的识别。利用仿真信号验证了高密度小波变换的有效性,通过航空发动机滚动轴承内圈故障和滚子故障工况下的试验信号进一步验证了该方法提取故障特征的能力,与传统小波变换方法的对比证明了该方法在抑制噪声干扰和故障特征频率识别方面的优势。     

基于经验Ridgelet-2DPCA的断口图像识别方法研究

经验Ridgelet变换具有方向选择性和自适应分解能力,2DPCA可直接利用原始图像构建协方差矩阵。结合经验Ridgelet变换和2DPCA的各自优点,提出了一种基于经验Ridgelet-2DPCA金属断口图像识别方法。同时将提出的方法与Ridgelet-2DPCA、经验Ridgelet-PCA识别方法相比较,实验结果表明,提出的方法中的二维固有模态分量比Ridgelet系数具有更丰富的特征信息,2DPCA相比于PCA,图像结构信息更加完整,因而,提出的经验Ridgelet-2DPCA的金属断口识别方法取取得了比经验Ridgelet-PCA、Ridgelet-2DPCA更好的识别效果。     

基于非线性输出频率响应函数的转子不对中-碰摩耦合故障诊断方法研究

基于非线性输出频率响应函数(NOFRF)的独特优势,将非线性输出频率响应函数引入到转子不对中-碰摩耦合故障中,提出了基于非线性输出频率响应函数的转子不对中-碰摩耦合故障诊断方法。利用提出的方法辨识得到了不同对中度及其角度的转子系统的NOFRF值,对比分析了不对中度及其角度对转子系统各阶NOFRF值的影响。仿真结果表明随着不对中度和角度的增加,NOFRF中二次谐波二阶非线性输出频率响应函数和二次谐波四阶非线性输出频率响应函数有着较为明显的增幅;一次谐波三阶非线性输出频率响应函数随不对中角度的增加而减小。因此,可以依据二次谐波二阶非线性输出频率响应函数、二次谐波四阶非线性输出频率响应函数、一次谐波三阶非线性输出频率响应函数值的变化规律识别转子系统的不对中程度。最后通过试验结果验证了仿真结果的正确性,研究成果为具有不对中-碰摩耦合故障的转子系统的故障诊断提供了重要的依据。     

加强G网、C网电波秩序管理为公众移动通信营造良好电磁环境

随着移动通信业务的飞速发展，公众移动通信与人们生活的关系日益密切，成为国民经济和人民日常生活的重要组成部分。近年来，公众移动通信基站数量日益增多，基站管理日趋重要，排除公众移动通信网干扰已成为无线电技术管理的重点和难点问题之一，也是体现和提升无线电管理技术水平的重要标志。     

基于全矢谱核函数主元分析的旋转机械故障诊断方法研究

结合全矢谱和核函数主元分析的各自优点,提出了一种基于全矢谱核函数主元分析的旋转机械故障诊断新方法.该方法充分利用了全矢谱提取回转信息的完整性和全面性,同时又利用了核函数主元分析具有处理非线性问题的能力.提出的方法与传统的核函数主元分析方法进行了对比,试验结果表明提出的方法是有效的,非常适合提取旋转机械故障的非线性特征,并能很好的进行旋转机械的故障模式识别.     

基于TVAR的自适应时频分析及在故障诊断中的应用

研究了非平稳信号的时变自回归（TVAR）建模方法，通过引入基函数将非平稳时变参数的辨识转化为线性时不变问题的辨识；在此基础上，应用带遗忘因子的递归最小二乘算法进行参数估计，实现了信号的自适应时频分析。通过仿真算例将该法与短时Fourier变换、Wigner分布的结果相比较，验证了该方法时频分辨率高的优越性。最后，将该方法应用于轴承的故障诊断，结果表明，该方法用于故障诊断的特征提取是有效的。     

匹配追踪方法在故障诊断中的应用研究

匹配追踪法可将信号分解成一系列时频原子的线性组合,并在每次分解前自适应地初始化时频原子的参数。本文研究了匹配追踪的原理和方法,并将匹配追踪后的分解结果与Wigner分布相结合,得到了具有高分辨率的自适应时频分布。通过仿真算例将该法与Wigner分布、小波包变换,短时傅立叶变换的结果相比较,验证了该方法的优越性。最后,将该方法应用于轴承的故障诊断,结果表明,本文方法用于故障诊断的特征提取是有效的。     

单晶涡轮叶片长期服役组织演化及性能退化分析

为对单晶涡轮叶片长时服役后的显微组织损伤及力学性能退化程度进行评价，分别选用服役时间为25000h和50000h的燃气轮机用高压涡轮叶片，截取叶身中部材料进行组织定量表征和显微硬度测试。定量测算了不同服役时间和不同位置的γ"相尺寸、体积分数，二次γ"相尺寸，基体通道宽度，并进行了维氏硬度测试。结果表明：同一服役时间不同位置γ"相尺寸粗化程度不同，前缘、尾缘高温区γ"相尺寸大于叶盆、叶背处，而体积分数稍小于其他两处；服役50000h的叶片γ"相尺寸大于相同位置处服役25000h叶片，体积分数呈相反规律；部分位置存在二次γ"相析出现象，二次γ"相析出位置基体通道宽度明显增加，经1100℃/2h空冷/炉冷实验验证，二次γ"相析出与工作高温及冷却方式有关；尾缘服役异常高温区出现TCP相，该相富含W、Re元素，经分析为μ相；不同服役时长前缘、尾缘位置显微硬度均下降明显，且显微硬度下降与γ"相尺寸增大呈负相关、体积分数减少呈正相关关系，γ"相尺寸、体积分数可作为本材料损伤评价参量。     

AR模型的盲辨识及其在机械故障中的应用研究

提出了一种AR模型的盲辨识的算法，该算法与传统AR模型的辨识算法的区别在于：它可同时确定AR模型的阶次和参数，而不需事先确定AR模型的阶次或者假定AR模型的阶次已知，其特点是计算最小，具有很好的收敛性，并在此基础上，将AR模型的盲辨识方法应用到机械故障诊断中，进行了实验研究，取得了很好的效果。