电冰箱低压回气管断裂原因分析及其消除办法

我部承担国内各电冰箱厂家在整个湘南地区的电冰箱保修业务。一些商业单位和顾客反映,当打开包装箱试机时,常发现电冰箱低压回气管下部发生裂口或者裂断,以万宝牌158升冰箱占大多数。断裂的情况有三种:①管的侧裂口;②管的双侧裂口;③管子完全断开。断面整齐,属于环形横断性。断裂部位都在低压回气管下部与压缩机的引管焊接点附近,距离壳体约80毫米;也有一部分断裂点出现在压缩机引管的根部。这两处正是经焊接加热以     

采用全阶状态观测器的IGBT模块结温预测

为解决控制器功率器件过温失效问题,需要对IGBT的PN结温度进行实时精确估计。设计全阶状态观测器对IGBT的结温进行实时估计,并综合考虑电、热参数的相互影响,采用闭环控制实现结温的估计修正;根据双脉冲测试原理搭建IGBT动态特性离线测试平台,研究导通电流、母线电压、结温对IGBT损耗的影响,采用线性插值法推导IGBT损耗的数学模型;根据热-电比拟理论建立热网络模型,搭建热阻测试平台获得温度与瞬态热阻变化曲线;基于IGBT热网络模型推导各温度节点的状态方程,针对开环估计方法估计精度差的问题,设计全阶状态观测器,利用观测器输出壳温和实测的壳温之间的误差对结温估计值进行实时修正。搭建基于Matlab\\Simulink的仿真平台,验证了IGBT结温估计的有效性和准确性;搭建结温预测实验平台,采用热敏参数法对结温状态观测器进行验证。仿真和实验结果表明,估计的结温能够很好地跟踪实际值,验证了提出方法的准确性。     

增量学习直推式支持向量机及其在旋转机械状态判别中的应用

直推式支持向量机(support vector machine, SVM)是基于已知样本建立对特定的未知样本进行有效识别的理论框架,与归纳式支持向量机相比,前者更经济、分类效果更佳。然而,直推式支持向量机的致命缺点是需要占用大量的训练时间,为此,提出了基于增量学习的支推式支持向量机训练算法,即把当前迭代训练得到的支持向量样本与新赋予类别标签的部分测试样本作为训练样本集参与下一次的迭代训目的是通过减少训练样本的数量以节约训练时间。同时,为确保算法的收敛性及分类准确率,在训练过程中引入了成对标注及错误回溯处理。实际的状态判别结果证明了该方法的有效性。     

坦克变速箱工作档位齿轮故障诊断研究

通过在实车上模拟坦克变速箱工作档位齿轮故障,利用Hilbert变换幅值解调法提取箱体振动信号的包络,并对包络信号进行抽取和低频段频谱细化,提出了一种基于包络细化谱分析的坦克变速箱工作档位齿轮故障诊断方法。     

考虑中性点电位的三电平虚拟空间矢量窄脉冲抑制

三电平逆变器虚拟空间矢量脉宽调制(VSVPWM)应用广泛,但由于是三电平控制,在某些区域会产生窄脉冲,从而带来不必要的开关损耗和热量积累。分析了VSVPWM的窄脉冲分布,利用差模电压和共模电压对窄脉冲进行了抑制,同时将中性点电位控制在小范围内波动。仿真和试验证明了该方法能够抑制绝大部分窄脉冲,并且不会造成输出波形畸变和谐波增加。     

基于支持矢量聚类的机械故障诊断

针对无监督的支持矢量聚类方法由于样本类别数量未知带来的模型参数难以选择的问题,提出有监督的支持矢量聚类方法,并应用到机械故障诊断中.该方法首先以聚类区域个数及支持矢量个数作为模型参数的选择准则,以支持矢量为核估计样本分布的概率密度,并根据概率密度估计值选择不同聚类区域的类别代表样本,而后引入k近邻法实现对不同故障的分类.对测试样本的分类结果表明了该方法的有效性.     

基于核主元分析与纠错输出编码SVM的齿轮故障诊断

摘要：为提高齿轮故障诊断的准确率,提出了核主元分析和纠错输出编码支持向量机相结合的方法。首先采用基于核主元分析方法对原始样本向量进行预处理,实现对原始样本向量的降噪及冗余消除。然后采用基于纠错输出编码矩阵构造出若干个互不相关的子支持向量机,以提高分类模型的整体容错能力。最后,把经过核主元处理后的新向量作为纠错输出编码支持向量机的训练及测试样本,实现对不同故障状态齿轮的识别。结果表明,该方法能够提取更有效的分类样本向量,故障诊断效果更好。
     

基于 Welch 法的一种目标识别方法

目的 寻求一种用于识别战场发声目标的有效方法。方法 应用了数字信号处理、模式识别等有关理论。结果与结论 对几种典型装备的声音信号进行了实际分析和试验,取得了较好的识别效果。     

基于自适应助推算法的集成支持向量机在柴油机故障诊断中的应用

利用支持向量机( SVM)进行机械故障诊断时，分类效果与核函数紧密相关。但核函数的选取一直缺少明确的理论指导，而且由于学习过程中常采取近似计算，致使分类结果远非期望水平。本研究首先利用匀幅、互信息指标构造特征向量；而后基于自适应助推法得到一系列基本SVM;并基于多样性准则对这些基本SVM进行筛选，最后对满足条件的基本SVM加权得到集成SVM。将集成SVM应用到某型坦克柴油机的故障诊断中，性能评价及分类结果表明，集成SVM比单- SVM具有更好的分类性能，故障诊断准确率更高。     

基于一类超球面支持向量机的机械故障诊断研究

针对机械故障诊断中故障类样本不易获取以及样本分布不均的问题,提出了基于一类超球面支持向量机(SVM)的故障诊断方法,该方法只需要对正常类样本进行训练.试验分析了异常类样本缺失对一类超球面支持向量机性能的影响,并提出模型参数优化选择方法,以提高分类模型的推广能力.分析了不同训练结果的分类能力,并对一类超球面支持向量机与一类超平面支持向量机的分类结果进行比较,验证了前者的正确性和有效性.