基于拉普拉斯权重的低速重载设备声发射信号趋势分析

利用声发射技术对低速重载设备进行状态监测是目前较为常用的手段之一。但由于声发射信号的特征量众多,且各个特征量对故障的敏感程度不同,因此,在设备状态趋势分析中选择合适的特征量来反映设备的劣化趋势则显得尤为重要。提出了基于拉普拉斯权重的低速重载设备声发射信号趋势分析方法。根据拉普拉斯映射原理,利用样本间的聚类特性,对声发射的各个特征量的重要性进行排序分析,并以此作为权重系数,将原来的多个特征量融合得到一个综合特征LA。该特征不仅能反映出声发射产生的物理过程,又能突出关键特征量的作用。利用高炉皮带轴承的实测数据进行验证,实验结果表明,新方法能有效地刻画低速重载轴承的劣化趋势,综合特征LA对轴承的故障严重程度较敏感。     

基于自适应稀疏表示的宽带噪声去除算法

为了有效地去除信号中的宽带噪声,提出了一种基于自适应稀疏表示的宽带噪声去除算法.根据噪声成分与信号特征成分之间的不相关或弱相关特点,自适应地确定稀疏分解的终止条件,实现信号的稀疏表示.降噪过程中使用染噪信号构造学习样本,由信号的自适应稀疏表示和原子库的更新迭代实现原子库的训练.染噪信号在训练后的原子库上进行自适应稀疏表示,实现信号的噪声去除.仿真信号和齿轮振动信号的降噪试验表明:该方法具有比小波阈值降噪、匹配追踪降噪方法更好的降噪性能,能够有效地去除信号中的宽带噪声.     

非单点证据体数据融合的Dempster组合规则适用性评价方法

针对待融合的证据体包含基本概率分配值相差较大的非单点证据时,基于pignistic距离的Dempster组合规则适用性评价方法判定结果存在模糊性甚至不准确的问题,提出了一种表示证据体之间关联性的改进pignistic距离,并将改进的pignistic距离与经典冲突系数相结合,提出了对Dempster组合规则适用性评价的新方法。在新方法中,定义了一种新的证据体冲突衡量系数用于判定Dempster规则的适用性。当经典冲突系数为0时,新系数与改进pignistic距离一致;当经典冲突系数不为0时,新系数与改进pignistic距离和经典冲突系数之和的平均值一致。算例分析的结果表明,与基于pignistic距离的Dempster规则适用性评价方法相比,新的基于改进pignistic距离的Dempster组合规则适用性评价方法有较好的适用性和合理性。     

基于核主成分分析的热轧带钢头部拉窄分析

将核主成分分析方法引入热轧生产过程的监控与诊断中,根据平方预测误差统计量进行生产过程监控,然后利用数据重构和优化的邻域选取策略相结合的方法求出各工艺参数对平方预测误差统计量的作用,分析引起过程异常的主要工艺参数,最后利用仿真和热轧带钢实际生产数据进行实验.结果表明:基于核主成分分析的平方预测误差统计量能较准确诊断过程的异常,并可以找出引起异常的原因,为调整生产过程提供方法支撑,防止次品的出现.      

硬质合金复合轧辊的制造与应用

本文主要介绍了机械组合式、铸造式、冶金复合式、粘结式等复合轧辊的特点、国内外生产厂商、工艺流程等,并对几种复合方案进行了对比,其中机械组合式复合轧辊是目前国内外采用较多的一种复合轧辊的组合方式。重点分析了复合轧辊的轴向预应力、液压螺母组合方式、轴向顶紧力、辊环与芯轴的配合间隙等几个关键参数的计算与设计。轴向预应力在一定程度上可以阻碍裂纹的形成和发展,保护辊环端面;采用液压螺母组合方式压紧辊轴上的辊环;通过力矩平衡方程求出装配所需要轴向顶紧力,保证辊环的正常工作;复合轧辊辊环与芯轴的配合间隙应根据现场条件来确定。     

基于神经网络规则抽取的带钢热镀锌质量监控模型

为了克服传统神经网络产品质量监控模型中解释性差的困难,提出了基于神经网络规则抽取的带钢热镀锌质量监控模型. 以带钢热镀锌生产中锌层重量监控为研究对象,利用神经网络规则抽取方法对样本数据进行学习,以知识规则的形式给出模型中输入(原料参数及生产控制参数)与输出(产品质量)间的定量关系,用于对生产控制参数的设定与更新. 选取756个训练样本和376个测试样本分别对网络进行了训练和检验,结果表明,新模型中的知识规则覆盖率达到94.8%,并可根据输出变量的目标区间快速地设定各输入变量的范围,为产品质量的自动控制提供了有效的方法.     

基于主流形识别的非线性时间序列降噪方法及其在故障诊断中的应用

提出了一种新的基于主流形识别的非线性时间序列降噪方法。新的降噪方法将一维时间序列重构到高维相空间,利用非线性降维方法找出动力学系统在相空间中具有全域正交坐标系的低维主流形,然后根据主流形反求一维时间序列,进而达到降噪的目的。对洛伦兹信号进行的数值试验证明,与奇异谱分解等现有非线性分析方法相比,基于主流形识别的降噪方法能更加有效地消除混沌时间序列中的高斯白噪声。将该方法应用于带有断齿故障的齿轮箱振动信号的故障分析中,成功地提取出了淹没在带噪信号中的冲击特征。     

基于高维空间流形变化的设备状态趋势分析方法

以机械设备的运行状态为研究对象,提出一种基于高维空间流形变化的趋势分析方法.该方法将一维时间序列重构到高维相空间中,利用相点邻域的切空间信息逼近流形的局部几何结构,从而得到描述流形变化的切方向矩阵;通过多向主元分析方法对不同状态下的流形切方向矩阵进行计算,获得各个状态的权重得分,从而实现对设备状态变化的趋势分析.对混沌信号添加幅值大小不同的冲击进行数值仿真试验,与LYAPUNOV指数、近似熵等传统非线性分析方法相比,该方法能够更有效地描述系统状态变化的过程.将该方法应用于轴承外圈故障的振动信号分析中,成功地刻画了轴承疲劳劣化的趋势.