CDBN‑IKELM的轴承变工况故障诊断方法

针对现有方法在轴承变工况方面存在的诊断精度低、人工提取特征不充分等问题，提出了基于卷积深度置信网络（convolutional deep belief network，简称CDBN）与改进核极限学习机 （improved Kernel?based extreme learning machine，简称IKELM）的滚动轴承故障智能识别方法。首先，由卷积深度置信网络对原始信号内的故障特征进行深层自适应提取；其次，利用等距特征映射对提取的多维特征进行降维，去除冗余特征信息；然后，采用改进的核极限学习机对特征进行分类，使用粒子群（particle swarm optimization， 简称PSO）对模型重要参数进行优化，实现滚动轴承变工况下的故障识别；最后，将所提方法应用于不同工况下多种轴承故障的诊断。实验结果表明，该方法能够智能有效地识别变工况的轴承故障，诊断结果优于已有的智能故障诊断方法。     

双频超声对红薯淀粉结构和性质的影响

研究了单频40 kHz、80 kHz以及双频40 kHz+80 kHz超声处理对红薯淀粉结构和性质的影响。扫描电镜分析表明,超声处理能够使淀粉颗粒表面出现损伤甚至有孔洞出现。红外光谱分析表明,超声作用没有改变淀粉的分子基团,但破坏其结晶结构,使红外结晶指数下降。淀粉-碘复合物吸收光谱分析表明,超声破坏淀粉支链结构和淀粉长链,直链淀粉含量增加。Brabender曲线表明,淀粉经超声处理后黏度降低,双频超声处理后的淀粉峰值黏度比原淀粉降低15.66%。此外,超声处理后淀粉的透明度提高,双频超声处理30 min时,透射比最大,比原淀粉增加5.3%,但是随着超声时间继续增加,透明度呈现减小的趋势。单频40 kHz、80 kHz和双频40 kHz+80 kHz比较,双频超声处理对淀粉的结构和性质影响效果最明显,80 kHz次之,40 kHz影响程度最小。     

高地下水位污水处理厂管网接入施工方法探讨

西北某工业园区污水处理厂污水管网接入工程,由于设计和施工时对高地下水位地质条件考虑不足,导致第一次施工产生一系列问题,第二次施工过程中针对施工现场的实际情况,充分吸取第一次施工中的经验和教训,通过合理确定降水井的数量和井位的布置、改变三通溢流井和接入管的材质,采用适用于高地下水位地质条件的施工方法,取得了成功。以此为例,总结出高地下水位地质条件下管网接入的施工方法和注意事项。     

基于全谱分析的转子裂纹-碰摩复合故障特征实验研究

在转子实验台上模拟了不同转速下的碰摩故障、裂纹故障及相应的裂纹-碰摩复合故障,并采用全谱分析方法对其故障特征进行了分析。结果表明:相对于传统傅里叶频谱分析,全谱分析方法能准确识别3类故障,利用全谱图中-2 X、-3 X和-4 X倍频分量表征了碰摩-裂纹复合故障的耦合特性,为转子复合故障诊断提供了参考。     

EMD的LabVIEW实现及其在滚动轴承故障信号分析中的应用

通过对图形化编程软件LabVIEW的二次开发实现了经验模态分解(EMD)算法,为利用LabVIEW构建振动信号分析系统提供了有利分析工具。根据滚动轴承故障产生机理和故障信号的振动特点,将此方法运用到对轴承故障信号的分解上,对分解出的高频本征模函数(IMF)做包络解调从而提取出故障信息,并通过对实际故障轴承数据的分析验证了此方法的有效性。     

基于SK‑MOMEDA的风电机组轴承复合故障特征分

针对在实际工况中风电机组滚动轴承发生复合故障时,多个故障间相互作用,彼此干扰,造成复合故障特征难以分离问题,提出了基于谱峭度（spectral kurtosis,简称SK）与多点最优调整的最小熵解卷积（multipoint optimal minimum entropy deconvolution adjusted,简称MOMEDA）的风电机组滚动轴承复合故障特征分离提取方法。首先,对复合故障信号进行谱峭度分析,选出能量较大的共振频带,并通过构建带通滤波器对相应的共振频带进行滤波,对滤波信号进行包络谱分析,对单一故障特征进行分离提取;其次,对未能实现单一故障特征提取的滤波信号进行多点峭度谱分析并确定故障周期,应用MOMEDA完成后续分离提取过程。仿真信号和工程应用分析结果表明,该方法能够准确且有效地实现轴承复合故障特征的分离提取。     

机电一体化产品虚拟样机的建模/仿真技术

机电一体化产品的虚拟样机可以通过ADAMS、UG、Matlab/Simulink的有机结台来建造,1002R-100自行电站传动系统虚拟样机的建模与仿真表明此方法切实可行。     

基于Lotus Domino的Web图形绘制

Lotus Domino／Notes广泛运用于办公自动化系统中,善于处理文档型数据,但对结构型数据的统计、分析有所不足。采用VML语言和Lotus相结合的方法,以矢量图的方式将数据信息绘制成图表,通过IE浏览器表现,方便管理人员对数据分析和统计。     

基于相对小波包能量特征向量的故障诊断

在小波及小波包分析的基础上引进相对小波包能量特征向量的概念,提出了一种建立旋转机械故障库的新方法,并结合模式判别的知识,引进欧几里德距离公式作为判据,使故障诊断公式化、定量化。实验结果表明这种方法能够很快地诊断出转子台故障类型,为旋转机械的故障诊断提供了新方向。     

改进BP算法在旋转机械故障诊断中的应用

针对BP算法在实际诊断中表现出来的“学习收敛速度慢”、“易于陷入局部最小点”等局限性 ,改进BP算法的神经网络方法已经被提出 ,并且应用于对设备的故障诊断和分析研究。用转子试验台模拟了几种常见的故障 ,对其进行诊断研究 ,从中得出结论 :将代表故障的信息输入训练好的神经网络后 ,由输出的结果 ,便可以判断发生故障的类型 ,此外 ,改进后的BP算法大大地提高了网络收敛速度和稳定性 ,更能满足实时在线诊断的要求