利用附加质量载荷降低薄板声辐射

通过附加质量控制薄板结构声辐射问题。先建立有限元的结构声辐射优化模型,用有限元法和瑞利积分计算薄板结构的声辐射功率。再以不考虑刚度的平板质量单元描述分布质量载荷,以质量单元的厚度为设计变量,研究简谐激励下的薄板结构声辐射优化问题。数值算例表明,优化后的附加质量载荷有效降低了薄板声辐射功率。该方法工艺上教易具有实用工程价值。     

基于多尺度线调频基稀疏信号分解的时变系统模态参数识别

在多尺度线调频基稀疏信号分解的基础上,提出一种时变系统的模态参数识别方法。该方法先采用多尺度线调频基稀疏信号分解方法对多自由度线性时变振动系统响应信号进行分解,将其分解成多个单模态振动响应信号并得到单模态振动响应信号的瞬时频率;再根据单模态振动响应信号的包络和瞬时频率识别系统的模态频率与模态阻尼比。多自由度线性时变振动系统模态参数的识别算例表明,与经验模态分解等时频分析方法比较,该方法能有效克服系统振动响应信号分解时的模态混淆问题,识别精度高,抗噪性能好,是一种有较大工程应用前景的多自由度线性时变振动系统模态参数识别方法。     

基于知识网格的设备维护联盟知识共享模型

为了在业务驱动和权限约束下高效共享设备维护联盟中的知识,基于知识网格在整合知识资源方面的优势,提出了面向维护联盟的知识共享模型。该模型结合本体和维护知识空间对知识网格的知识资源进行集成,以业务过程为中心对知识进行管理。构建了维护知识概念本体来对维护任务、维护对象和维护功能的概念进行规范化描述;形式化定义了维护知识空间,并建立了基于Web服务本体描述语言的知识对象本体来实现维护知识空间的语义描述。把知识获取的需求和权限集成到以维护业务为中心的业务语境中,提出基于知识业务语境的知识共享控制方法;建立了业务驱动的知识获取方式,采用包括知识权限匹配和内容功能匹配的匹配方法支持其实现。以某e-维护联盟为应用背景,构建了知识共享原型系统。     

本体驱动的机械设备诊断维护知识建模

为了提高机械故障诊断的准确性与可靠性,引入了诊断维护知识的语义表示方法。通过对设备结构信息、维护经验知识以及诊断行为过程进行建模,建立了本体驱动的故障诊断推理模型。提出了设备运行状态与故障征兆之间的本体映射算法,并根据征兆空间到故障案例空间的映射关系进行实例匹配,完成了静态维护知识与动态诊断过程的统一,从而实现自动化、智能化的故障诊断与维护决策。将所建立的本体驱动的故障诊断推理模型应用于某转子故障诊断,得到了准确、实时的诊断结果。     

基于有限元法的模糊参数二维声场数值分析

为了分析不确定性二维声场,引入模糊集概念描述声场的物理参数、载荷和边界条件的不确定性,推导了分析模糊参数下二维声场问题的相关计算公式。在不同隶属度的截集下通过对模糊动刚度矩阵和模糊载荷矩阵进行泰勒展开,再用纽曼展开对模糊动刚度矩阵泰勒展开式的逆进行转化,采用摄动有限元法求解,最终得到模糊参数下的声压解集。以二维管道声场模型和某轿车二维声腔模型为研究对象分析了模糊参数下的声压响应,结果表明该文方法能有效分析模糊参数下的二维声场,具有重要的工程应用价值。     

基于线调频小波路径追踪算法与EEMD的齿轮箱复合故障诊断方法

针对变转速下的齿轮箱中复合故障的故障特征提取,提出了一种基于线调频小波路径追踪算法与集合经验模式分解的齿轮箱复合故障诊断方法。该方法先用线调频小波路径追踪算法从原始振动信号中提取转频曲线,根据转频曲线对原始振动信号进行等角度重采样,将时域信号转化为角域信号,再对角域重采样信号进行集合经验模式分解,根据相关系数选取合适的内禀模态函数,最后对所选取的内禀模态函数分量进行Hilbert包络谱分析,根据包络谱进行齿轮箱复合故障诊断。通过算法仿真和应用实例对包含齿轮局部故障和轴承局部故障的变转速齿轮箱复合故障进行分析,结果表明,本文方法在无转速计的情况下能有效地提取变转速齿轮箱复合故障的特征。     

基于形态分量分析的滚动轴承故障诊断方法

在改进形态分量分析阈值去噪方法的基础上,提出了基于形态分量分析的滚动轴承故障诊断方法。形态分量分析根据信号中各组成成分的形态差异,构建不同的稀疏表示字典对各组成成分进行分离。当轴承出现局部损伤时,其振动信号往往由以包含轴承自身振动的谐振分量、包含轴承故障信息的冲击分量及随机噪声分量构成。谐振分量表现为信号中的平滑部分,而冲击分量则表现为信号中的细节部分,因此,可根据谐振分量与冲击分量的形态差异,实现二者的分离。本文方法利用形态分量分析对滚动轴承故障信号中的谐振分量、冲击分量和噪声分量进行分离,然后根据冲击分量中冲击之间的时间间隔诊断滚动轴承故障。算法仿真和应用实例表明,本文方法能有效地提取滚动轴承故障振动信号中的故障冲击成分。     

基于MCSSD的转子碰摩故障早期检测

提出了基于多尺度线调频基信号稀疏分解(Multi-scale Chirplet Sparse Signal Decomposition,简称MCSSD)的转子碰摩故障早期检测方法,该方法用MCSSD方法对转子碰摩故障振动信号进行单次分解,从原信号中分离出具有最大幅值的工频(或倍频)信号分量。由于MCSSD方法是采用线性直线逐段自适应逼近分析信号的各分量频率,分解得到的信号分量与真实信号分量具有很好的频率匹配特性,不会产生频率混叠现象,因此,与小波分解与EMD分解相比,MCSSD能更有效地从转子早期碰摩故障振动信号分离出最具最大幅值的工频(或倍频)信号分量。将该信号分量从原信号中去除,对残余信号分量做频谱分析,即可有效诊断转子早期碰摩故障。应用实例证明了该方法的有效性和优越性。     

板自由振动分析的混合型条元法

本文基于广义变分原理,以条元节线处的位移和弯矩为基本未知参数,构造了一种分析中厚板自由振动的混合型有限条元。这种混合型条元计算精度较高,能适应比较复杂的板边界条件,它是板自由振动分析的一种有效方法。