EMD分解、分形理论和RBF神经网络相结合的轴承智能故障诊断研究

准确快速的诊断并解决机械设备中的常用组成部件滚动轴承的故障对机械设备和生产至关重要。为了对滚动轴承进行准确的智能诊断,将EMD分解、分形理论和神经网络有机结合,通过运用EMD对信号进行提取和分解,得到其IMF分量,然后画出各IMF分量的关联积分双对数曲线图并从中得出信号的关联维数,借助关联维数并运用RBF神经网络对轴承的状态进行分类和识别,达到智能诊断的目的。实例分析表明EMD分解、分形理论和RBF神经网络相结合能够有效的减少非线性分量对故障信号的干扰并准确识别滚动轴承的故障类型,证明了三者结合的智能故障诊断有效可行。     

挖掘臂动力学参数与液压缸摩擦力参数辨识

建立了挖掘臂单关节动力学模型及液压缸驱动力模型,将模型中的未知动力学参数及非线性摩擦力参数线性化表示。利用测量的系统压力及角度信息,分别采用带遗忘因子的递推最小二乘法及递推增广最小二乘法对系统参数进行辨识。对辨识所得的两个模型进行仿真,与实际系统对比分析结果表明,辨识模型能很好地逼近实际系统。误差对比分析结果表明:递推增广最小二乘法比带遗忘因子的递推最小二乘法误差减小约28%,对系统噪声有更好的鲁棒性。     

挖掘机电液控制系统非线性建模与精确离散化

为实现挖掘机的自动控制,对其加装了电液比例控制系统。为有效分析系统,提高控制精度,建立了系统非线性状态空间模型,并通过仿真与实验验证了模型的有效性。采用反馈线性化方法,通过非线性状态反馈将系统转化为一个全局线性化模型。然后,根据连续线性系统的离散化原则,通过数学推导得到系统的精确离散状态空间描述。分析计算得出该离散模型的完全可控与可观特性,为挖掘机数字控制器设计奠定了理论基础。     

基于连续小波灰度图的变速箱故障诊断

为了诊断汽车变速箱的周期性冲击故障，利用连续小波变换灰度图分别对正常和故障汽车变速箱振动信号进行了分析。结果发现，连续小波灰度图不仅能识别变速箱的正常与故障，准确提取出周期性冲击故障信息，而且能够非常直观形象地表达出信号的细微结果，并进一步显示出故障变速箱中同时存在的两种相同频率的故障信息，从多层次、多方位观察到了分析信号的细微变化。     

小波分析在信号预处理中的应用研究

从应用的角度简述了小波分析的基本理论和算法 ,论述了在小波分析下各尺度图对应不同频段的特性来提取或去除信号中的趋势项 ,利用有效信号和噪声在小波分析下的不同规律进行信噪分离 ,实验表明上述方法具有良好的效果。     

基于油液颗粒污染物分析的某型装载机故障诊断方法

该文主要分析了液压系统中的颗粒污染物的产生机理,简述了颗粒对液压系统内部的作用机理和颗粒污染物是如何造成液压系统故障的.建立了液压油液中固体颗粒物形状和尺寸分布等与液压系统故障产生的关系.通过装载机液压油中固体颗粒物的物理特性分析来评价系统磨损程度,并提出了依此推断故障原因的方法.     

小波包变换和支持向量机相结合在发动机气门间隙故障诊断中的应用

为了对发动机气门间隙进行故障诊断,在对振动信号进行采集和预处理的基础上,运用小波包频带能量分解技术提取发动机故障的特征向量,以此作为支持向量机分类器（SVM）的训练样本,用经训练的SVM多分类器对发动机不同故障进行自动识别和诊断,实现了信号特征向量提取与故障模式识别的有机结合。实验结果表明,该方法能在机械故障样本少的情况下准确的识别和诊断出发动机气门间隙的故障类型,具有实际的工程应用价值。     

基于频率截止的EEMD方法研究

为解决总体平均经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)中虚假IMF分量过多问题,提出了一种基于频率截止的EEMD方法。该方法采用一种新的IMF筛分终止条件--以信号自身的最小频率为EMD分解IMF分量的截止频率;然后将基于频率截止的IMF筛分终止条件引入EEMD分解。通过仿真和实测信号分析,并与EMD、EEMD分解结果比较得到,运用频率截止的EEMD方法不仅有效减少了虚假IMF分量的产生,使得分解的目的性更加明确,而且保证了EEMD分解出的IMF分量的完备性,更好地抑制了模态混叠现象。     

全断面岩石掘进机盘形滚刀径向破岩力预测

本文以全断面岩石掘进机现场实测数据为基础，经分析，综合，假设论证，导出了掘进机盘形滚刀所受径向破岩力的预测公式，这些公式的计算结果与多次现场实测结果相吻合，可作为设计和确定全断面岩石掘进机刀具，轴承，刀盘以及整机强度和寿命的依据。