时滞反馈非线性扭振系统的稳定性与Hopf分岔研究

研究了具有Duffing-Vanderpol组合振子和时滞特性两惯量非线性扭振系统的稳定性和Hopf分岔问题。建立了两惯量非线性扭振系统的动力学方程,通过设计线性位移和速度时滞反馈控制器构造了扭振受控系统。采用多尺度法推导出极限环幅值与时滞参数之间的关系。在对系统零解稳定性分析的基础上,得出Hopf分岔产生的条件。通过数值模拟的方法研究了扭振系统Hopf分岔和极限环幅值控制问题。仿真研究表明,所设计的时滞反馈控制器既能控制极限环的幅值,也能控制Hopf分岔的产生。     

工程认证导向下"检测与转换技术"课程改革

在工程教育认证理念指导下,针对当前高校"检测与转换技术"课程的教学现状以及课程特点,本文从讨论课方案设计、考核评价标准及教学持续改进等几个方面对该课程的教学进行改进,充分调动学生的学习积极性,使学生深入理解和掌握检测与转换技术,提高学生的综合素质和国际竞争力,满足工程教育认证的需求.     

轧机辊系滞后非线性垂直振动系统的振动特性

考虑轧件弹塑性变形的滞后非线性作用,建立一种轧机辊系滞后非线性垂直振动动力学模型.运用奇点稳定性理论分析该滞后非线性系统的稳定性,得到了系统出现各种不同奇点的条件.同时采用渐进法求解系统在主共振情况下的解析近似解,得到了系统的主共振幅频特性方程.最后以实际轧机参数为例,分析轧件的非线性刚度、阻尼等参数对轧机主共振幅频响应的影响,并研究轧机在不同外部扰动下的分岔行为,发现在不同的外部扰动下,轧机表现出周期、倍周期以及混沌等多种动力学行为,这为研究和抑制轧机振动问题提供了理论参考.     

轧机转速波动测量的扭振监测实验研究

通过弹性转轴和电机轴的转速波动研究轧机扭振的动特性。用动力学理论推导，得到转轴瞬时转速波动的非平稳描述。通过合理抽象轧机主传动系统为二质量自由度转动惯量系统，得到弹性接轴模型的转轴瞬时转速的辨识方法。在扭振实验平台模拟轧制过程的实验验证了瞬时转速波动的表达式；扭振抑制实验表明了转速波动监测扭振的意义及其应用可行性。这项研究也为重型复杂机械传动系统实时在线扭振监测提供了一种实用的实现途径。     

扭振信号拓扑网络的轧机动态扭矩测量

为解决实际测试中轧机传动系统关键点处动态扭矩不易同时测量的难题，提出一种扭振信号拓扑网络的轧机动态扭矩测量方法。通过把扭振计算的力矩和转角位移看作系统的输入输出信号，依据拓扑思想，建立信号之间的扭振信号拓扑网络模型。把有限实测点的测试数据代入扭振信号拓扑网络模型，可获得传动系统中其它关键点处的扭振参数值。轧机实际现场扭矩测试和数据分析处理结果验证了理论推导的正确性。这为轧机现场监测中不易同时布置传感器且非同轴的关键测点的振动参量获取提供了有效方法。通过编制程序可以实现轧机扭振在线监测和故障分析，从而保证轧机正常平稳运行。     

激光双截面转速波动法监测转轴动态扭矩

基于激光多普勒效应和转动动力学原理,提出一种直接监测转轴动态扭矩的新方法,并建立了数学模型。通过构造光学测试系统使4束高相干激光投射到转轴轴段两截面上4点,具有多普勒频移的反射光在光电探测器上发生混频,光电流频差正比于角速度。测得相邻时刻两截面的瞬时转速,得到轴段转速波动值及两端面相对转速波动值,进而实现转轴动态扭矩的直接监测。实验验证了该方法的可行性。与传统方法相比,该方法实时性强,具有较宽的动态范围,对动态扭矩的识别值提高了5%~10%,反映了转轴扭矩波动的动态特性。     

基于HVD包络谱瞬态能量曲率的井架钢结构损伤识别

针对复杂工作环境下井架钢结构损伤识别问题,提出了一种基于希尔伯特振动分解(HVD)包络谱瞬态能量曲率的井架钢结构损伤识别方法。已知非平稳、非线性的复杂信号,利用结构低阶信息,利用HVD法将其分解为拥有缓慢变化多个信号分量之和,选取主分量提取信号特征;对于井架钢结构损伤识别,利用HVD法提取振动信号的损伤特征,将HVD包络谱瞬态能量曲率作为损伤敏感指标;计算井架钢结构振动信号包络谱瞬态能量曲率完成损伤识别,以ZJ70井架钢结构为例,通过损伤识别仿真计算,得出该指标对井架钢结构损伤敏感,能够准确识别单损伤和多损伤位置;将该方法应用于ZJ70井架钢结构实验模型,成功地识别了单损伤和两损伤,验证了该方法的可行性和准确性。     

变载荷齿轮箱故障信号智能检测方法

针对变载荷激励下齿轮故障信号检测和故障识别的问题,提出一种基于经验模态分解和深度信念网络的变载荷齿轮箱故障信号智能检测方法。首先通过经验模态分解方法将非平稳的加速度振动信号分解成若干平稳的本征模态函数;选出啮合频率及倍频所在的本征模态函数,重构信号,求出重构信号的频谱,作为深度信念网络的输入;深度信念网络通过对输入频谱进行预训练和特征学习,并建立变载荷激励下齿轮故障识别分类模型;最后,用构建好的深度信念网络对测试样本进行故障诊断。试验结果表明,提出的方法能有效地检测和识别变载荷激励下齿轮故障。     

基于神经网络-模糊PID的轧机非线性扭振智能控制

针对轧机传动系统扭振控制问题,建立含间隙非线性的轧机系统动力学模型。考虑到轧机扭振模型的非线性和参数不易测量的特点,提出神经网络和模糊PID相结合的控制器设计方法,以模糊PID为主体,通过引入神经网络改变模糊隶属度函数的中心值和宽度,最终得到最佳PID参数。设计神经网络-模糊PID智能控制器,并利用实际轧机参数与经典双闭环控制系统进行对比仿真。仿真结果表明所设计的智能控制系统对轧机传动系统扭振的抑制作用明显优于经典双闭环控制系统。     

一种改进的自适应多元变分模态分解轴承故障信号特征提取方法

针对实际工程中轴承信号的非线性和非平稳性,提出一种自适应多元变分模态分解算法。多元变分模态的分解效果主要与本征模态数k和惩罚参数α相关,为了解决人为经验参数设置对多元信号分解结果的影响,一种自适应的信号分解算法被提出。具体内容如下:首先将混合灰狼算法与多元变分模态分解算法相结合,提出最小模态重叠分量指标,将其作为适应度函数来寻求(k, α)的最优解,按照最优解对多元信号进行分解,提取故障特征。采用仿真信号和实际数据来验证所提方法的有效性和准确性,通过与多元经验模态分解、级联变分模态分解的对比分析,验证该算法在滚动轴承故障特征提取方面的高效性和实用性。