基于最小二乘法的热连轧机振动信号分析

为解决某热连轧机组在提高控制系统增益后发生异常振动故障这一问题,首先对相关部位进行了振动测试和测试信号的谱分析,获得了异常振动信号的特征.在此基础上将最小二乘法的辨识方法应用于热连轧机的异常振动故障诊断,建立了基于最小二乘法的热连轧机ARX故障诊断模型并通过了模型检验.对故障模型的稳定性分析表明:正常轧制状态下运行的系统是稳定的,而在提高增益后发生异常振动时系统极点非常靠近虚轴.从模型结构上来看,两者最明显的区别是纯延时的差异,纯延时破坏了系统的稳定性,形成了轧机的自激振动.同时也表明最小二乘法在解决大型复杂机电系统故障诊断问题的可行性和优越性.     

基于神经网络和Dempster-Shafter信息融合的煤岩界面预测

针对煤岩界面识别精度无法满足采煤机自动调度的情况，提出采用神经网络融合工作面的三边信息，使用D－S证据理论再将此信息和不断获得的煤岩界面识别信息进行二次融合，从而实现在线融合和在线预测，不断提高预测精度，仿真结果显示：该方法不仅对地质条件好的工作面有效，而且对断层也有一定的适应性；同时，具有优良的容错性。     

基于模糊PID的跳汰机排料伺服控制系统

目前跳汰机排料的控制多采用逻辑控制或常规PID控制,因为这2种控制方法存在局限性,因此提出了用模糊PID控制来代替上述2种控制策略,实现跳汰机排料的自动伺服控制方法,提高了床层稳定性。     

实现选煤综合自动化的几项关键技术

分析了国内外选煤厂自动化的现状 ,提出了实现选煤厂综合自动化亟待解决的几项关键技术 ,展望了这些关键技术在选煤厂的应用前景。     

异步电动机故障诊断信号的采集

通过介绍对异步电动机定子绕组、定子铁心和轴承等处温度、变频器前后的三相电流、三相电压、以及电机多处的振动等的监测方法,指出了传统的电压／电流互感器检测的缺点,并针对性地提出了改进的方法,同时设计出了实用电路,为三相异步电动机的基于多传感器信息的高度智能化的故障早期诊断提供可靠的数据基础。     

风力发电机齿轮传动系统的动态特性分析

以某1.5MW风力发电机齿轮传动系统为研究对象,基于机械动态仿真技术,对传动系统的动态特性进行研究。以Pro/E和S4WT为工具,建立其齿轮-传动轴-轴承-箱体的系统耦合分析模型。给出了约束、驱动和负载的添加方法,综合考虑轮齿时变啮合刚度、啮合误差、轮齿啮合冲击等内部激励,以及风力机气动转矩和负载转矩等外部激励的条件下,得到了系统的振动响应和动态啮合力,并和理论值进行对比验证。研究结果为风力发电机齿轮传动系统的动态优化设计和可靠性分析提供了理论依据。     

机床直行部件运动误差的在线测量

提出了采用精确时域两点法测量机床直行部件运动误差的新方法。该方法可以克服利用经典频域三点法测量直行部件运动误差时,由于误差的非周期性、非封闭性以及端点不连续而引起的高阶谐波分量失真等边缘效应。另外,该方法既可以得到机床直行部件的运动误差,又可以得到在该机床上加工零件的直线度形状误差,这些测量信息都有助于诊断机床的误差源,以提高机床的加工精度。     

基于实验模态和有限元分析的轧机故障诊断

针对某钢厂热连轧机在轧制过程中出现的异常振动现象，分别对轧机机架和传感器壳进行了实验模态分析，得出轧机异常振动是由于机架和传感器壳的自激振动，引起传感器连接杆和传感器壳的不合理相对运动耦合的结论；然后采用实验模态分析和有限元建模相结合的建模方法，获得了足够精度的传感器壳修正模型。最后对传感器壳修正模型进行结构动力学修改，修改后，消除了异常振动，解决了该热连轧机的自激振动。     

基于γ射线密度探测的跳汰机床层松散度回归方法

本文研制了γ射线床层密度在线探测器，实现了跳汰机床层内沿垂直方向上三点处的床层密度测量，在此基础上，通过记录跳汰机床层密实期与松散期的密度值和脉动振幅，分析了密实期与松散期的密度差与床层松散度之间的关联关系，提出了用床层底层及上层同一点处的密度差构建床层松散度的二阶回归模型的方法。     

自动化立体仓库巷道堆垛机的振动测试与工作模态分析

在运行条件下对自动化立体仓库巷道堆垛机进行了振动测试。使用频域分解技术(FDD)和时域随机状态子空间辨识技术(SSI)分别从加速度响应数据提取了堆垛机的工作模态参数，包括固有频率、阻尼比和模态振型。在0～87Hz频带内采用两种不同的模态参数辨识方法估计的5个模态相当一致。分析结果表明：两种辨识算法都是有效的，估计的模态参数是可靠的。分析结果对于堆垛机的动力学修改和运行状态监控有重要的应用价值。