基于多重移位复用的轴承健康监测报警存储方法研究

旋转机械正朝着高速化、智能化、高性能方向发展,为及时发现早期故障,需要研发健康监测系统。报警存储用于分析故障原因,是系统核心。针对大多系统报警存储存在缓存时间长度随采样率变化、缓存数据丢失、单次报警等问题,提出一种基于多重移位复用的方法,将多个移位寄存器、队列和循环索引相结合并利用LabVIEW平台实现该方法。实验结果表明,该方法可以自动存储报警前后10 s内所有数据,解决了数据丢失、单次报警等问题。     

金属材料力学性能退化非线性超声检测实验系统优化

材料早期力学性能退化总是伴随着某种形式的材料非线性力学行为,从而引起超声波传播的非线性,即高频谐波的产生.查超声非线性系数非常小,易被测量系统的非线性干扰淹没.通过实验仪器的选择和夹具的设计,改进了一套非线性超声测试实验系统.在相同条件下测得同一试件在不同输入电压下的二次谐波幅值和基波幅值平方近似线性关系,表明实验系统是可靠的.利用该系统进行了一组LY12铝合金拉伸试件非线性超声检测实验.在塑性阶段,随着拉伸应力的增大超声非线性系数显著增加.实验结果表明,超声非线性系数可以表征金属材料的力学性能退化程度.     

基于阶次分析和EWT的轴承故障诊断研究

针对非平稳工况下,轴承故障信号表现出来的非平稳性、故障特征难以提取等特点,提出将阶次分析与经验小波变换(EWT)相结合的故障特征提取方法,使用Lab VIEW软件开发平台对上述方法进行编程实现。利用机械故障仿真实验台(MFS)得到非平稳工况下轴承内圈故障信号并以其进行分析,分析结果表明:基于阶次分析与EWT相结合的方法能准确识别非平稳工况下轴承故障特征,解决了传统阶次分析方法无法有效识别故障特征的问题。     

堆叠稀疏自编码深度神经网络算法及其在滚动轴承故障诊断中的应用

针对目前机械设备故障数据量大、多样性且主要采用监督式学习提取故障特征的现状，提出一种堆叠稀疏自编码深度神经网络，实现无监督学习提取振动信号内在特征，并用于滚动轴承故障诊断。将频谱包络线作为低层输入逐层训练网络，获取故障特征表达，输入Softmax分类器实现故障分类；通过优化算法对整个深度神经网络进行微调，提高分类精度。滚动轴承故障诊断实验结果表明：所提出的深度神经网络能更准确地实现故障诊断，且在保证准确率的同时将频谱包络线作为低层输入，能够提高计算效率     

基于模糊逻辑决策的Interbay系统晶圆卡运输成本模型

为了提高晶圆制造Interbay物料运输系统的多目标调度性能,提出了一种基于模糊逻辑决策的晶圆卡运输成本模型.基于300mm晶圆制造系统数据进行仿真实验并与固定权重的晶圆卡运输成本模型进行比较,结果表明采用该模型能获得更优的Interbay系统多目标调度性能,表明论文提出的基于模糊逻辑决策的晶圆卡运输成本模型是有效的.     

LY12铝合金早期性能退化下超声非线性系数测量和金相观察

针对材料早期力学性能退化问题,通过试验研究了疲劳加载下LY12铝合金试件的超声非线性系数和微观结构特征变化.结果表明,早期性能退化情况下,超声非线性系数和微观形态随着疲劳程度发生变化.超声非线性测量和微结构观察相结合的方法对于材料早期力学性能退化的疲劳寿命评估具有潜在的应用前景.     

非线性超声检测镁合金疲劳的仿真和试验

为了利用非线性超声检测AZ31镁合金的早期疲劳损伤,通过现有的本构关系建立了非线性超声检测有限元模型,计算了材料疲劳引起的内部微缺陷长度、数量和宽度变化对非线性超声系数的影响.计算结果表明,材料疲劳产生的微缺陷是产生二次谐波的原因,有限元方法可以有效模拟镁合金材料的超声非线性效应.进行了两个镁合金疲劳试件的非线性超声在线检测试验,研究发现,在镁合金疲劳早期,超声非线性系数随疲劳加载周数单调增加,但在疲劳后期出现了超声非线性系数减小的现象.试验结果表明,超声非线性系数对疲劳早期损伤非常敏感,可以用来表征材料的早期疲劳损伤程度,有限元计算结果与试验结果相吻合.     

基于经验小波变换和流形学习的滚动轴承故障诊断研究

针对振动信号的非线性、非平稳性和早期故障特征信号难以提取的特点,提出一种基于经验小波变换(EWT)和流形学习约简的故障特征提取方法。首先利用EWT将振动信号分解成不同特征时间尺度的单分量固有模态函数(IMF),然后从包含故障信息的IMFs中提取滚动轴承的时域统计特征、频域统计特征、AR模型自回归系数和功率谱熵,构造高维特征集;再利用线性局部切空间排列(LLTSA)流形学习算法将构造的高维特征集约简为故障区分度更好的低维特征集;最后利用支持向量机(SVM)对提取特征进行故障识别。实验结果表明该特征提取方法对滚动轴承故障诊断准确率更高。     

基于EWT和包络谱分析的轴承故障诊断研究

针对轴承故障早期信号非常微弱难以提取的特点,提出一种经验小波变换(EWT)和包络谱分析相结合的故障诊断方法。该方法应用EWT对信号进行自适应的分解处理,通过选取表征轴承故障的模态分量进行包络谱分析,对轴承故障进行判断,并在LabVIEW开发环境下实现,有效拓宽其适用环境。其中EWT是通过结合小波变换和经验模态分解各自的优点,建立自适应的小波滤波器来提取信号的模态函数。通过仿真信号和轴承故障实验信号的研究结果表明,LabVIEW开发环境下的EWT能够有效地对信号进行自适应分解,在与包络谱分析相结合后能够更为有效地提取并识别轴承故障类型。     

基于图像处理的粮食虫害自动分级虚拟系统研究

针对粮食害虫检测自动化程度不高的问题,研究开发了基于图像处理的粮食虫害程度自动分级虚拟系统,该系统采用LabVIEW的机器视觉工具包,对采集到的粮食害虫图像进行处理,提出了利用像素比例的方法来实现粮虫计数和虫害自动分级报警。利用仿真图像对所设计的虚拟系统进行了试验研究,研究结果表明,粮虫计数误差小于5%,此系统可以用于某种特定粮食虫害的在线监测。