矢功率谱与RBF网络结合在旋转机械故障诊断中的应用

与传统功率谱相比,矢功率谱融合了多通道的能量信息,反映的信息更全面.径向基函数网络具有良好的推广能力和分类能力.基于此,本文结合矢功率谱和径向基函数网络,提出了一种新的故障识别方法,该方法以矢功率谱为特征向量,径向基函数网络为分类器.并以转子裂纹、转子不对中、油膜涡动为例进行实验研究,实验结果表明,该方法是有效的.     

双链量子遗传算法的收敛性分析

基于实数编码和目标函数梯度信息的双链量子遗传算法可增加种群的多样性、扩大解空间的搜索域、加速算法的进化进程、避免早熟收敛现象,但没有从理论上证明该算法的收敛性。为此,给出相应的定理,利用定理从理论上证明该算法的收敛性,通过仿真实例,论述量子编码和量子旋转门对算法收敛性和优化效率的影响。结果表明,该研究丰富和完善了双链量子遗传理论。     

基于灰度共生矩阵与局部线性嵌入的金属断口图像识别方法研究

在模式识别中,灰度共生矩阵(GLCM)能够很好的提取图片的纹理特征,流形学习中的局部线性嵌入(LLE)方法是一种有效的非线性降维方法。结合两者的优点,经过严格的推导,提出一种基于灰度共生矩阵与流形学习的金属断口图像识别方法 GLCM–LLE。将提出的方法与传统的基于灰度共生矩阵的方法进行对比,实验结果表明,提出的方法在识别率方面优于GLCM方法,具有实用、有效的优点。     

ARMA模型盲辨识仿真研究及其在机械故障诊断中的应用

介绍一种新的基于高阶累积量的ARMA模型的递推盲辨识算法，并对ARMA模型的盲辨识方法进行了仿真研究，同时与常用的方法（残余时间序列法、q切片法、Newton法）进行了比较和分析。仿真结果表明，该算法具有良好的收敛性和准确性，运行速度快。特别是随着系统的阶次的增加，速度提高越明显。由于在计算中引入高阶累积量，因而该算法还可抑制高斯噪声的于扰。在此基础上，将该方法应用到机械故障诊断中，并进行实验研究，实验结果表明，该方法是有效的。     

一种自适应Chirplet分解方法及在故障诊断中应用

提出了一种自适应Chirplet信号分解过程中的参数优化估计方法，该方法首先利用最大投影分解原理结合分数阶傅立叶变换和拟牛顿方法进行参数估计，然后利用最大期望方法，进一步进行参数的优化。将提出的方法与传统的时频分析方法如短时傅立叶谱图，Wigner分布进行对比分析，仿真结果表明，提出的方法具有很高的参数估计精度、很高的时频图分辨率和抗噪能力。说明了本文提出的方法中引入EM算法的必要性。又将提出的方法应用到轴承的故障诊断中，实验结果表明，提出的自适应Chirplet分解方法是非常有效的。     

基于刚柔耦合的提升机钢丝绳横向振动因素分析

落地式摩擦提升机在运行过程中极易产生振动现象，影响提升设备的安全。为此，以多体动力学仿真软件为载体，考虑钢丝绳的柔性特性，建立刚柔耦合的摩擦式提升机仿真模型，研究加速度与制动曲线对提升钢丝绳横向振动的影响。实验与仿真结果表明：制动阶段时不同加速度运行工况下，摩擦提升系统极易产生横向振动，矩形加速度曲线产生的横向振动更小，上行工况比下行工况钢丝绳振动剧烈。     

跨省区水利水电工程有关移民问题的研讨

跨省区水利水电工程建设项目主要在水库征地移民、电站利益分配等方面面临一些重大问题需协调解决。笔者结合龙滩水电工程建设的实际，对有关问题进行了初步探讨，并提出了建议与对策。     

基于广义S变换的滚动轴承故障诊断方法研究

鉴于广义S变换继承了短时Fourier变换、小波变换和标准S变换的所有优点,同时也弥补了它们存在的不足,具有良好的自适应的独特特性,提出了一种基于广义S变换的滚动轴承故障诊断方法,并与传统的短时Fourier变换、Wgner-Ville分布、小波变换、标准S变换等时频分析方法进行了对比分析。仿真研究表明,广义S变换具有明显的优势,能灵活地通过调节参数来自适应地调节窗函数的宽度,以便达到最佳的时频分辨率。最后,滚动轴承故障实验研究进一步验证了提出的方法的有效性。提出的方法能有效地反映不同轴承故障的特征频率,为滚动轴承故障诊断提供了一种有效的方法。     

非线性调频模态分解-同步提取变换方法及其在滚动轴承故障诊断中的应用

传统同步提取变换（SET）方法在处理多分量非平稳复杂信号时,各相邻分量的瞬时频率差要大于窗函数频率支撑范围的2倍,否则时频结果易发生频率混叠,而工程信号常常难以满足。此外,在处理高噪的复杂信号时,其时频分辨率往往不理想。针对此不足,将非线性调频模态分解(VNCMD)引入SET中,提出一种VNCMD-SET的故障诊断方法。利用VNCMD通过结合解调手段以及变分模态分解的联合优化方案来有效处理频率临近甚至交叉的非平稳信号,对故障信号进行分解重构,对该重构信号进行SET处理。将所提方法与传统SET方法进行对比研究,并进行实验验证。仿真和实验结果表明：VNCMD-SET方法明显优于传统SET方法,克服了传统SET方法的不足;VNCMD-SET方法能有效提取出故障信号的频率特征,且不发生混叠,同时具有一定的抗噪性能。     

基于经验小波变换的机械故障诊断方法研究

经验小波变换(EWT)是一种新的自适应信号分解方法,该方法继承了 EMD 和小波分析方法的各自优点,通过提取频域极大值点自适应地分割傅里叶频谱以分离不同的模态,然后在频域自适应地构造带通滤波器组从而构造正交小波函数,以提取具有紧支撑傅立叶频谱的调幅-调频(AM-FM)成分。本文将该方法引用到机械故障诊断中,提出了一种基于经验小波变换的机械故障诊断方法,并与EMD方法进行了对比分析。仿真结果表明,经验小波变换方法明显优于EMD方法,能有效地分解出信号的固有模态。与 EMD 相比较,该方法具有分解的模态少,不存在虚假的模态,计算量小,且在理论上具有易理解性等特点。最后将该方法应用到转子碰磨故障诊断中,实验结果进一步验证了该方法的有效性,能够有效地揭示出碰磨故障数据的频率结构,区分碰磨故障的严重程度。