基于等距映射和最小二乘支持向量机的转盘轴承故障识别方法

针对转盘轴承振动信号微弱,具有非线性、非平稳性的特点,提出将等距映射与最小二乘支持向量机相结合的故障诊断方法。首先,提取转盘轴承振动信号多分形特征并进行特征重构;然后,通过等距映射方法对特征信息进行维数约简处理;最后,将处理后的特征向量输入最小二乘支持向量机模型中进行故障状态识别。某型号转盘轴承全寿命加速试验表明,与未进行降维处理相比,经等距映射降维处理后的识别精度提高了12%,证明了该方法的可行性和有效性。     

多传感器数据融合的风电齿轮箱性能衰退评估

针对风电齿轮箱传动结构复杂、所处工况恶劣,难以提取有效振动信号特征进行性能衰退分析的问题,提出多传感器数据融合的风电齿轮箱性能衰退评估方法。该方法将自适应完全集合经验模态分解(CEEM-DAN)、核主分量分析(KPCA)和Hotelling T2统计量相结合,先对风电齿轮箱全寿命的非线性、非平稳振动信号进行CEEMDAN-KPCA降噪处理,再利用KPCA对降噪后的多组振动信号进行融合分析,提取连续的T2值(C-T2)及其时域特征作为评估指标,建立风电齿轮箱性能衰退模型。实验结果表明,该方法对风电齿轮箱振动信号降噪效果显著,C-T2特征有效解决了多组振动信号特征维数膨胀问题,且C-T2时域特征模型比振动信号时域特征模型能更准确地评估风电齿轮箱性能的衰退过程。     

脊形结构LiNbO3光波导调制器的扩展点匹配法分析

将点匹配法扩展应用于脊形结构LiNbO3光波导调制器电极的准静态分析中。将调制器各区域的势函数表示为该区域中满足Laplace方程的一系列基函数的级数，匹配边界上有限个点的边界条件以确定出级数项的系数。通过势函数得到脊形结构LiNbO3光波导调制器结构中电场分布的解析表达式，利用求得的电场可以得到调制器特性阻抗及有效折射率。所得的特性阻抗和有效折射率与采用有限元法得到的结果十分吻合。这一分析方法简便快捷，精度高，能够处理电极有一定厚度的多层光波导调制器结构。     

铒镱共掺磷酸盐玻璃波导放大器及上转换性质

研究了采用离子交换和电场辅助退火法制作的铒镱共掺磷酸盐波导放大器的增益特性,测量了Er2O3,Yb2O3掺杂浓度分别为2.2wt%和4.7wt%,长度为1.2cm的器件增益,在130mW,976nm泵浦光泵浦下,输入信号光功率小于1mW时,在1535nm处得到8.5dB的小信号相对增益;当泵浦功率为30mW时,可观测到绿色的上转换辐射光,发光强度随泵浦功率增加而增大;通过单色仪和光电倍增管接收此光,确定是铒粒子由2H11/2和4S3/2能级分别跃迁至基态的上转换辐射光.     

减速齿轮箱试验台监控系统设计及实现

为提高减速齿轮箱试验台监控系统自动化程度和通用性,设计了基于Labview的减速齿轮箱试验台监控一体化系统。根据减速齿轮箱试验台系统总体结构,结合试验要求,完成了监控系统硬件选型,采用Labview开发了一套具备主电机控制、自动控制、数据保存和报警信息等功能的模块化监控软件,并对软件功能界面和实现进行详细介绍。经过长期试验和现场运行情况表明,该减速齿轮箱试验台监控系统稳定性好,自动化程度高,达到设计预期。     

基于改进DBN的回转支承寿命状态识别

为了解决大型回转支承背景噪声大,特征信号微弱,寿命状态难以识别等问题,提出了一种基于改进深度信念网络(Deep Belief Network,DBN)的回转支承寿命状态识别方法。DBN网络拥有强大的深度学习能力,能够有效挖掘回转支承运行状态信息,解决了传统浅层网络过度依赖特征提取效果和识别精度不高的问题。在DBN学习训练中,采用新的优化学习方法FEPCD(Free Energy in Persistent Contrastive Divergence),解决了DBN在长期学习中近似和分类能力下降的问题。然后利用自主研发试验台的试验数据对所提方法的优越性进行验证。将改进的DBN算法与浅层分类算法的识别结果进行比较。结果表明改进DBN网络比原始DBN网络和浅层算法能更精确反映回转支承寿命特征,所提方法具有稳定性和智能性的特点。     

铒镱共掺磷酸盐玻璃波导放大器及上转换性质

研究了采用离子交换和电场辅助退火法制作的铒镱共掺磷酸盐波导放大器的增益特性,测量了Er2O3,Yb2O3掺杂浓度分别为2.2wt%和4.7wt%,长度为1.2cm的器件增益,在130mW,976nm泵浦光泵浦下,输入信号光功率小于1mW时,在1535nm处得到8.5dB的小信号相对增益;当泵浦功率为30mW时,可观测到绿色的上转换辐射光,发光强度随泵浦功率增加而增大;通过单色仪和光电倍增管接收此光,确定是铒粒子由2H11/2和4S3/2能级分别跃迁至基态的上转换辐射光.     

有机/聚合物光电子学器件的应用与研究进展

调研了有机 /聚合物光电子学器件在制备技术和应用方面的近期进展。其中包括 :电光调制器在CATV、高比特网络、相阵列系统、计算机系统的平行互连等工业领域的应用前景等。聚合物调制器正迅速接近商品化 ;聚合物热光开关已在AKZONOBEL公司批量生产 ;其它有机 /聚合物器件和相关技术 ,如互连、聚合物激光器、波导中的 45°镜片、垂直集成波导以及在波导中与有机发光二极管的集成等。至少部分聚合物器件包括电光调制器 ,现在已经是或即将成为信息高速公路工业中实际可用的硬件。     

基于CEEMDAN- EFICA去噪的风电齿轮箱故障诊断

针对风电齿轮箱实验样本较少,以及振动信号具有非平稳、非线性的特点,提出了基于完备集合经验模态分解(CEEMDAN)-高效快速独立分量分析(EFICA)的去噪方法。首先应用CEEMDAN与峭度-相关系数准则完成信号重构,对重构信号和原信号进行EFICA分离来获得去噪信号;然后提取去噪信号的时域特征、频域特征构建特征向量,使用核主分量分析(KPCA)对向量降维处理实现特征信息融合;最后采用复合神经网络对信号特征集进行分类完成故障诊断。通过实验数据对比,证明了该方法消噪效果更好且复合神经网络的诊断准确率最高,所提方法具有可行性和优越性。     

基于EEMD-CC和PCA的风电齿轮箱状态监测方法

齿轮箱是风力发电机组的核心传动部件,不仅结构复杂制造成本高,而且故障率高维修费用巨大,对其进行状态监测具有重要意义。针对风电齿轮箱在复杂工况下运行所产生的非线性、非平稳振动信号,提出了一种基于EEMD-CC和PCA的风电齿轮箱状态监测方法。该方法先对含有大量噪声的风电齿轮箱振动信号进行集合经验模态分解和相关系数(EEMD-CC)降噪处理。然后,将降噪后的正常信号数据进行主分量分析(PCA)建模,并以T~2统计量和SPE统计量作为信号异常的评判指标。最后,把降噪后的测试数据带入PCA模型中,分别判断T~2和SPE值是否超出阈值,实现风电齿轮箱的状态监测。试验结果证明,该方法能够有效地监测风电齿轮箱的状态。