国外砂带平面磨削概况与190柴油机缸盖平面磨削的试验研究

本文叙述了国外砂带平面磨削发展现状和趋势,并分析讨论了将M7132K平面磨床改装成具有两工位粗精砂带磨削缸盖平面的砂带平面磨床,经砂带磨削缸盖平面的试验结果表明,改装的砂带平面磨床在提高加工效率和加工精度方面是很有效的。     

基于广义局部频率的非线性非平稳信号故障特征提取方法研究

<正>振动信号的特征提取一直是设备状态监测及故障诊断领域的研究前沿,特别是大型复杂装备系统早期故障、微弱故障及多源复合故障的非线性非平稳信号特征提取问题存在着更大的困难,已成为该领域最具挑战性的研究热点。基于对频率内涵本质的重新考察和认识,本文提出了广义局部频率新概念,深入开展了适于非线性非平稳信号故障特征提取方法研究,并成功应用于往复压缩机组多源冲击振动故障特征的提取。该研究对信号频谱及时频分析理论发展具有重要科学意义,对具有非     

水平裸眼井径仪测量臂线性化及井径数据同步

研发了能够搭载在通井管柱上的适于水平裸眼井径测量的新型井径仪,分析了水平裸眼井径仪测量臂输入输出线性化方法,建立了输入与输出满足线性关系的测试臂及井径仪Pro/E三维模型.利用Pro/E及ADAMS专用无缝接口,基于Pro/E三维模型在ADAMS中建立了井径仪样机模型,进行了井下井径仪工作状况的运动学仿真,验证了线性化方法的有效性.分析了水平井径测量过程中由于井径仪偏心造成的不同测量臂井径数据与井深定位数据不匹配问题,提出了井径数据同步的方法,仿真分析结果表明了方法的正确性.     

活塞压缩机气阀故障的高阶谱特征研究

研究了基于高阶谱的活塞压缩机气阀故障特征提取方法，分析了2D12活塞压缩机气阀正常、阀片断裂故障、弹簧损坏故障及阀片有缺口故障4种状态下的高阶谱特征。结果表明：高阶谱方法能够较准确地提取气阀的各种故障特征。     

基于VB与Matlab混合编程的往复压缩机信号处理系统开发

在分析目前往复压缩机信号处理常用方法的基础上,重点阐述了利用COM组件技术实现VB与Matlab混合编程的方法,并将其应用到往复压缩机信号处理系统开发过程中。结果表明,该方法在往复压缩机信号处理系统的人-机友好交互、数值计算和图形处理方面取得了良好效果,具有广泛的应用价值。     

基于α稳定分布的往复压缩机故障诊断方法

针对往复压缩机信号具有典型的非高斯脉冲特性,提出了一种基于α稳定分布模型的往复压缩机故障诊断方法.通过该方法估计了往复压缩机在气阀正常、阀片有缺口、阀片断裂和弹簧损坏4种状态下的信号分布参数,提取了估计参数下各状态的分数低阶统计量特征.结果表明:α稳定分布可以有效表征往复压缩机气阀信号状态,为其故障诊断提供了一种有效方...     

基于非线性复杂测度的往复压缩机故障诊断

往复压缩机以多源非线性冲击振动信号为主,应用传统方法难以从振动信号中提取故障特征,为此提出一种基于非线性复杂测度的往复压缩机故障诊断方法。以气阀正常、阀片有缺口、阀片断裂及弹簧损坏4种状态下往复压缩机气阀振动信号为分析数据,在小波阈值降噪处理的基础上,采用均值符号化方法计算信号的归一化Lempel-Ziv复杂度(Lempel-Zivcomplexity,LZC)指标,分别给出各状态相应的LZC特征区间,利用BP人工神经网络对各状态信号的有效值特征、功率谱能量特征及LZC特征分别进行训练和测试,结果表明LZC更能准确区分不同状态的往复压缩机气阀故障,为往复压缩机故障诊断和维修决策提供了一种有效方法。     

基于CPWP混合原子分解的滚动轴承故障诊断方法研究

目前常用的各种滚动轴承故障诊断信号处理方法缺乏自适应性,过完备原子分解则具有灵活的自适应能力。将余弦包(CP)及小波包(WP)的快速算法应用于匹配追踪算法设计了CPWP混合原子分解算法,对滚动轴承故障仿真信号进行CP、WP以及CPWP原子分解并比较三种分解结果,得出CPWP混合原子分解可以更加清晰全面地反映冲击调幅信号的特征,分辨率高于单一原子库分解。将上述三种方法分别应用于滚动轴承外圈故障实测信号分析,进一步验证了对信号不同特征敏感的异类原子库的结合可提高对信号的自适应识别能力,CPWP混合原子分解得到较CP、WP原子分解更多的冲击调制信息,能够有效提取滚动轴承的故障特征。     

基于LMD多尺度熵和LSSVM的往复压缩机故障诊断方法研究

针对往复压缩机振动信号的非线性和非平稳多源冲击性,提出一种基于局部均值分解(LMD)、多尺度熵(MSE)和最小二乘支持向量机的诊断方法。首先,利用LMD将不同状态振动信号分解为一系列乘积函数(PF)分量,然后根据各PF分量与原信号的互信息值,选择相关性较大且包含故障状态主要信息分量,计算其相应的多尺度熵值,并构造能够定量描述往复压缩机状态的特征向量,最后利用LSSVM作为模式分类器,对上述不同状态下的特征向量样本进行训练和识别,诊断得出往复压缩机气阀故障类型。进一步与小波多尺度熵、EMD多尺度熵方法所提取特征向量识别结果进行对比,结果表明:该方法具有更高的识别率,为往复压缩机故障诊断提供了一种新途径。     

小波降噪性能分析及其在往复压缩机故障特征提取中应用

在仿真含高斯噪声和白噪声原始信号的基础上,使用了信噪比(SNR)和维持率(KP)性能指标,评估了采用3种小波族系(Symlets,Daubechies及Coiflet)、4种阈值选取方法(Rigrsure,Sqtwolog,Heursure和Manimaxi)和3种阈值重调方法(One,Sln,Mln)组合参数的去噪能力,并将最佳参数组合的小波降噪方法应用于往复压缩机故障特征提取。结果表明:采用Db4小波、Heursure阈值选取方法及Sln阈值重调方法,可以得到最优的去噪性能,不仅能够有效降低噪声往复压缩机信号中的噪声干扰,还最大限度的保持了原故障信号的特征。