面向业务的E-维护知识供应模型

为使E-维护中的知识支持维护任务,提出面向业务的知识供应模型。采用维护知识概念本体规范任务描述、维护对象和知识功能,通过知识对象本体集成知识资源。将知识供应的需求和权限集成到业务过程中,构建维护知识供应信息模型,建立知识匹配方法控制知识供应。在某石化企业E-维护平台上的应用结果表明,该模型能提升企业的维护水平。     

Bending stress of rolling element in elastic composite cylindrical roller bearing

A new structure design method of elastic composite cylindrical roller bearing is proposed, in which PTFE is embedded into a hollow cylindrical rolling element, according to the principle of creative combinations and through innovation research on cylindrical roller bearing structure. In order to systematically investigate the inner wall bending stress of the rolling element in elastic composite cylindrical roller bearing, finite element analysis on different elastic composite cylindrical rolling elements was conducted. The results show that, the bending stress of the elastic composite cylindrical rolling increases along with the increase of hollowness with the same filling material. The bending stress of the elastic composite cylindrical rolling element decreases along with the increase of the elasticity modulus of the material under the same physical dimension. Under the same load, on hollow cylindrical rolling element, the maximum bending-tensile stress values of the elastic composite cylindrical rolling element after material filling at 0° and 180° are 8.2% and 9.5%, respectively, lower than those of the deep cavity hollow cylindrical rolling element. In addition, the maximum bending-compressive stress value at 90° is decreased by 6.1%.     

基于EMD与神经网络的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的非平稳特征，提出了一种基于经验模态分解(Empirical Mode Decomposition，简称EMD)和神经网络的滚动轴承故障诊断方法。该方法首先对原始信号进行了经验模态分解，将其分解为多个平稳的固有模态函数(Intrinsic Mode function，简称IMF)之和，再选取若干个包含主要故障信息的IMF分量进行进一步分析，由于滚动轴承发生故障时，加速度振动信号各频带的能量会发生变化，因而可从各IMF分量中提取能量特征参数作为神经网络的输入参数来识别滚动轴承的故障类型。对滚动轴承的正常状态、内圈故障和外圈故障信号的分析结果表明，以EMD为预处理器提取各频带能量作为特征参数的神经网络诊断方法比以小波包分析为预处理器的神经网络诊断方法有更高的故障识别率，可以准确、有效地识别滚动轴承的工作状态和故障类型。     

基于EMD的时频熵在齿轮故障诊断中的应用

提出了一种基于EMD(EmpiricalModeDecomposition)方法的时频熵齿轮故障诊断方法。首先利用EMD方法分解齿轮振动信号,然后将得到的内禀模态分量进行Hilbert变换,以得到振动信号的时频分布,将信息熵理论引入时频分布,定量描述时频平面上不同时频段的能量分布,各时频段能量分布的均匀性可以反应齿轮的运行状态的差别,从而可以通过时频熵的大小判断齿轮的工作状态和故障类型。实验证明该方法能有效的判断齿轮故障特征,为齿轮故障诊断提供了新的思路。     

基于EMD和奇异值分解技术的滚动轴承故障诊断方法

提出了基于EMD(Empirical mode decomposition)和奇异值分解技术的滚动轴承故障诊断方法。采用EMD方法将滚动轴承振动信号分解成若干个基本模式分量(Intrinsic mode function，IMF)之和，并形成初始特征向量矩阵。然后对初始特征向量矩阵进行奇异值分解得到矩阵的奇异值，将其作为滚动轴承振动信号的状态特征向量，通过建立Mahalanobis距离判剐函数判断滚动轴承的工作状态和故障类型。实验数据的分析结果表明，本文方法能有效地应用于滚动轴承故障诊断。     

一种基于支持向量机预测器模型的转子系统故障诊断方法

提出了一种基于支持向量机回归预测模型的转子系统故障诊断方法。分别对转子系统振动信号建立支持向量机回归预测模型，利用回归预测模型对振动测试信号进行预测，计算各支持向量机回归预测模型的预测信号与真实信号的误差并计算信噪比，通过比较各预测信号的信噪比来判断转子系统的工作状态和故障类型。实验结果表明，该方法能够有效地应用于转子系统的故障诊断。     

基于线调频小波路径追踪阶比循环平稳解调的齿轮故障诊断

为从变转速齿轮箱振动信号中提取齿轮故障特征,提出基于线调频小波路径追踪的阶比循环平稳解调方法。该方法利用线调频小波路径追踪算法估计振动信号中的转速信号,根据转速信号对信号进行等角度采样,获取角域周期平稳信号,求取角域信号的循环自相关函数,在特征循环阶比处对循环自相关函数进行切片,并对切片进行解调分析得到切片解调谱,依据切片解调谱进行齿轮故障诊断。由于线调频小波路径追踪算法具有精度高和抗噪能力强的优点,而循环平稳解调算法可以有效提取淹没在噪声中的周期性故障特征,因而,该方法结合了二者的优点,适合于变转速齿轮信号的故障特征提取。算法仿真和应用实例表明,该方法能有效地提取变转速齿轮箱振动信号中的齿轮故障特征。     

基于转化邻接矩阵的含复铰运动链描述与同构识别

针对机构分析与综合中复合铰链难以处理和含复铰运动链同构识别困难的问题,分析复合铰链的内部结构,提出引入Pin构件将复合铰链转化为多个并联单铰链的新方法,从而将含复铰运动链转化为只含单铰的简单运动链。定义运动链转换邻接矩阵,用于描述含复铰运动链,通过分析发现该矩阵的内涵性质丰富,方便运动链的分析。提出运用转换邻接矩阵的阶数、对角线元素矢量、矩阵特征值和特征矢量等参数识别判断含复铰运动链同构关系的方法,这些特征参数是含复铰运动链的不变量。实例证明,利用转化邻接矩阵可简单、方便、直观地描述含复铰运动链,其特征值和特征矢量用于识别含复铰运动链的同构关系,具有准确、高效和简便的特点。定义的转化邻接矩阵及其运用方法为复合铰链的处理以及含复铰运动链的识别提供了新的途径。     

区间模型下声学超材料的可靠性优化

目前对声学超材料的优化设计都是基于确定性的物理模型,忽略了不确定参数对其超常声学性能的影响。针对这一现状,将区间模型引入声学超材料,研究不确定参数对声学超材料声强传递系数和负有效体积模量的影响;接着在此基础上,以声强传递系数为目标函数,以负有效体积模量为约束条件,构造区间模型下声学超材料的可靠性优化模型。数值结果表明,优化后的声学超材料即使受到不确定参数的干扰,仍能保守满足其可靠性约束条件,并改善其声强传递系数和负有效体积模量。