基于单点输入多点输出系统的模态参数测试系统设计

为了检测装备的机械结构损伤情况,采用模态参数进行识别分析。设计了一种用于单输入多输出方法的模态参数测试系统,给出了系统硬件结构及部分软件。该系统采用了多控制器方案,能够按照使用要求输出激励和并行采集数据,实现数据的海量存储。该系统具有通用性,可以用于多种用途。     

弯曲加工结构响应的目标模拟及模型修正敏感参数分析

研究了目标一致逼近模型的建立和模型修正的敏感参数分析。以一个弯曲钢棒结构的缩尺试样为对象,利用试验提供的测试结果,研究这类弯曲加工结构的模态参数目标模拟过程,使建立的模型能够逼近2个测试目标,即结构的模态频率和主振型,并对影响因素进行分析。     

基于应变模态和信赖域优化的结构损伤识别方法

将应变模态与信赖域优化算法相结合,提出了基于应变模态的最小二乘目标函数,将损伤识别问题转化为二次优化问题。由于传统的应变模态差既包含损伤位置信息,又包含损伤程度信息,对其进行目标函数最小化时容易产生误判,因此对应变模态目标函数进行了改进,改进后的优化分两步进行,实现了损伤识别的先定位、后定量。最后,通过两个数值算例对该方法进行了验证,结果表明改进方法的识别效果更为理想,为应变模态法在实际工程中的应用提供了新思路。     

吊臂系统的使用与维修(三)

<正>三、吊臂伸缩液压系统1.液压系统工作原理液压式汽车起重机的最大特点是采用装有伸缩缸的箱形伸缩吊臂。最初的伸缩吊臂为2节,使用1个伸缩缸,行程3 m左右,现在使用4个伸缩     

吊臂系统的使用与维修(二)

<正>仅采用一个液压缸,再加以人力辅助,也可以使多节吊臂实现顺序伸缩。下面介绍两种方法。将液压缸一端与基本臂铰接,在另一端的顶部设有可以在吊臂内前、后滑动的导向件。用销轴使导向件和     

EEMD模糊熵和变量预测模型的转子故障诊断新方法

提出一种基于总体经验模态分解(ensemble empirical mode decomposition,EEMD)模糊熵和变量预测模型的转子故障诊断新方法,并将其应用于某型燃涡发动机转子的非平稳振动信号分析及故障诊断。将基于变量预测模型的模式识别方法引入转子故障模式识别中,利用其较强的非线性问题处理能力,通过变量内部特征值之间的内在关系建立预测模型,并以预测误差平方和最小作为故障模式判别依据。首先利用EEMD将转子振动信号分解成若干个模式分量;然后分别计算各个分量的指标能量,筛选出包含主要故障信息的分量并提取模糊熵组成特征向量;最后采用基于变量预测模型的模式识别方法进行故障识别和分类。对某型燃涡发动机转子正常、不平衡、不对中三种不同状态下的振动信号进行分析,结果表明所提方法能够有效识别转子工作状态。与神经网络、支持向量机算法的对比分析证明,所提方法能更准确、更高效地完成转子故障诊断。     

谈矢量代数在三角学上的应用

用矢量代数工具解决平面三角学及球面三角学中若干公式的推导,并用矢量代数证明高斯定理,从而说明矢量代数在数学教学上的广泛应用前景     

一种多目标传感器优化布置方法及其应用

为解决复杂结构损伤识别中的传感器优化布置问题,以某发射台为研究对象,提出了一种多目标传感器优化布置方法(multi-objective optimum sensor placement,简称MO-OSP)。从结构运动方程出发,推导了同时具有各自由度模态独立性信息、损伤灵敏度信息以及运动能量信息的综合信息矩阵。根据信息熵原理,以协调灵敏度矩阵条件数最小和信息矩阵最大为目标,构造了能够兼顾算法敏感性和鲁棒性的目标函数,进而实现测点优选。采用多个评价准则和损伤识别实例,将所提方法与已有的3种典型传感器优化布置方法进行了对比分析。结果表明,提出的MO-OSP方法能充分满足模态线性独立和损伤敏感性,还具有较强的抗噪声性能,是解决复杂结构损伤识别中传感器优化布置问题的有效方法。     

阈值去噪改进算法及其仿真分析

为有效解决传统阚值小波去噪算法存在方差和偏差过大的问题,提出了一种新的阈值去噪方法——高次逼近法.分析了高次逼近法的原理和适用范围,并选用两种Matlab常用信号对该方法和其他方法的去噪效果进行了比较.结果证明,相对于其他方法,高次逼近法去噪效果良好,得到的信噪比更高.     

吊臂系统的使用与维修(四)

<正>(接上期)四.吊臂系统拆卸与安装1.总成拆卸与安装(1)注意事项①仔细研究吊臂构造并决定拆卸顺序和拆卸程度,拆卸时,应记录有助于组装的各个事项。②不司用力过猛,也不要分解过度。③分解时,场地应符合下列条