基于以太网的大型旋转机械实时状态监测系统

该文研究和探讨了旋转机械振动监测和故障诊断系统的原理和对振动信号分析的方法．结合目前振动信号处理理论、先进的计算机硬件和软件技术以及当前流行的网络处理技术，提出了一套完善的解决方案。     

基于振动法的铣刀破损特征量提取

建立了铣削加工中振信号的检测系统，并介绍了利用振动信号进行铣刀破损试验的整个试验过程。根据试验数据，对切削过程中产生的振动信号进行了分析与处理，提出了能过反映刀具破损的特征量。为后续的刀具破损系统辩识帮好了充分准备。     

旋转机械基于信号的故障检测分析

旋转机械是各种类型机械设备中数量最多、应用最广泛的一类机械,介绍了基于信号处理的旋转机械故障诊断,并给出了支持向量机下模式识别与故障检测的方法,对压缩机进行了实验研究,证明了方法的有效性。该方法可以广泛应用到工程实际中,为有关人员起到一定的参考作用。     

大型旋转机械状态监测与故障诊断研究进展

分析了旋转机械状态监测与故障诊断研究的重要意义。提出了一种由状态监测与故障诊断理论和方法、状态监测与故障诊断关键技术、状态监测与故障诊断系统、状态监测与故障诊断工程应用四个方面相互支撑的旋转机械状态监测与诊断研究的体系架构,给出了一个超超临界汽轮发电机组状态监测与故障诊断系统研究的实例。分别综述了大型旋转机械状态监测与故障诊断的理论和方法、关键技术、应用系统研究及其工程应用的进展,提出了对于旋转机械状态监测与诊断研究的思考与建议。     

基于合闸宽频振动信号的绕组机械状态评估

针对基于离散频率振动信号的绕组机械状态诊断方法无法真实反映绕组结构特性,且对于绕组早期松动故障灵敏度低的问题,提出了基于合闸暂态宽频振动信号的变压器绕组机械状态检测方法。首先,研究了变压器空载合闸时绕组轴向振动机理,基于最小作用原理建立了双导线振动模型动力学方程;其次,通过鲸鱼优化算法（whale optimization algorithm, 简称WOA）优化的变分模态分解（variational mode decomposition, 简称VMD）得到包含绕组基频和机电耦合效应下高频分量的模态分量;最后,计算信号的样本熵值（sample entropy,简称SampEn）和频谱峰值,依据样本熵及频谱峰值的变化对变压器绕组机械状态进行检测。研究结果表明：伴随固有频率的变化绕组会出现参变谐振;WOA-VMD算法降噪效果优于普通VMD算法;基于宽频振动信号的绕组机械状态诊断方法能够有效反映绕组松动故障,验证了基于宽频响应变压器绕组故障诊断的可行性。     

基于热信息的机械状态监测技术

本文从生产过程中的一种重要信息－热信息出发，回顾了目前国内外基于热信息的机械状态监测技术概况，并论述了热信息控的几个应用实例，最后就机械状态的热信息监控提出了几点展望。     

振动检测判断风机振动异常案例分析

结合不平衡和不对中两个故障诊断实例,说明振动诊断法在旋转机械故障诊断中的应用。     

旋转机械状态监测和故障诊断

通过监测旋转机械设备的振动、温度等物理量的变化，及时掌握设备的工作状态，从而指导设备工程师对设备运行的状态“心中有数”，做到故障提前发现、及时维修，“防患于未然”，提高了设备运行的可靠性。对于精密加工设备，也可配置状态监测系统，当工件或刀具振动异常时，及时提示，保证工件的加工精度，减小报废率。     

旋转机械动态信号全息谱分析

研究了旋转机械的全息谱分析方法，实现了x和y两方向振动信息的融合。尤其是矢谱，在双通道FFT的基础上，可直接分析出单频椭圆的3个特征参数。把全息谱引入启停分析，可进行全息泊德图和全息瀑布图的分析。指出三维全息谱能用于旋转机械的动平衡，同时还介绍了全息谱分析软件的编制特点。     

原油外输泵振动状态监测

输油泵是油田进行原油储运的大型关键设备，其振动将导致机械密封、轴承、叶轮内套环和轴套的损坏。本文介绍如何对输油泵进行状态监测，分析输油泵振动原因，提供针对性维修措施，为今后开展输油泵站的设备监测工作提供参考。     

基于随机共振的机械传动系统机电耦合振动检测方法

为提高机械传动系统机电耦合振动检测的准确性,设计基于随机共振的机械传动系统机电耦合振动检测方法。采用随机共振理论去除信号噪声,推导整个传动系统的运动学传动比;对耦合传动效率建模,求解主共振现象;计算外界激励频率,确定主共振解的幅频参数,并忽略各物理量的高次谐波,计算机械转速并确定混沌阈值;分析系统干扰情况,以此完成机械传动系统机电耦合振动检测。实验结果表明,所提出的振动检测方法具有较高的准确性。     

一种基于图像纹理特征的钢球振动值检测新方法

利用回归分析法,建立了基于图像纹理特征的钢球振动值预测模型,提出了一种检测钢球振动值的新方法。     

基于CVAE的时变工况轴承运行异常检测

数据驱动的异常检测技术被广泛应用于复杂机械设备状态监测中,工况（operating conditions,简称OCs）变化会导致监测数据的分布漂移,使传统数据驱动的异常检测方法的准确性受到极大干扰。为了解决时变工况下工况和健康状态之间的耦合问题,提出了一个新的特征解耦学习框架。首先,基于变分自动编码器（variation auto encoder,简称VAE）构建一个特征解耦条件变分自动编码器（conditional variation auto encoder,简称CVAE）网络,实现工况和健康状态的解耦;其次,对解耦后的健康状态相关特征进行降维处理,构建异常指标（anomaly indicator,简称ANI）;然后,将ANI与统计异常阈值相结合,实现时变工况下轴承的异常检测;最后,通过基于时变转速退化的轴承加速疲劳退化实验,验证了该方法的有效性以及所构建的健康指标在消除时变工况干扰方面的优越性。     

基于无传感器检测方法的机械系统扭振试验研究

为了研究无传感器检测方法用于机械系统扭转振动检测的机理及效果,建立了一个由感应电动机驱动,以直流发电机为负载的轴系扭振模拟试验台。通过控制发电机负载回路的快速通断产生轴系扭转振动,利用Hilbert变换包络谱提取电流信号中的故障信息,并与电涡流位移传感器拾取的横向振动信号进行了比较。试验和分析结果表明,电机驱动设备的机械故障信息主要以扭转振动方式耦合到定子电流中,相对于横向振动检测,无传感器检测方法更适合机械系统的扭转振动故障检测与诊断。     

一种基于横截面特征的车道线检测方法

车道线检测是自动驾驶的基本任务之一,提出了一种高效稳定的车道线提取拟合和跟踪的算法。根据车道线的截面特征逐行提取车道线特征点,并使用连通域聚类滤波,与传统的霍夫算法相比降低算法复杂度,提高运行效率。将提取的车道线特征点区域分成近视场和远视场,并分段拟合,提高拟合精度。使用卡尔曼滤波算法对车道线的端点和斜率进行跟踪,以此缩小感兴趣区域,提高运行效率。实验中,该方法能够完成多种不同场景下的车道线检测,证明了该算法具有良好的鲁棒性和实时性。     

基于ZigBee无线通信技术的机械主轴轴承振动检测

为了明确当前机械运转过程中可能出现故障的位置和危险程度,提出了基于 ZigBee 无线通信技术的机械主轴轴承振动检测方法。将采集的现场信号转为电信号,使用内核型号为 51 的 CC2430 异步串行端口进行逐字传输,结合 C 语言建立无线传感循环传输通信基站。使用时域指标方式计算峭度指标、裕度指标和有效值,利用结构参数和几何模型提取振动特征频率,针对不同频率下振动信号,使用小波分组和小波重构方程组消除噪声,借助频带运行能值判断当前振动类型。对比实验通过分析小波分解功率值与能值,验证所构模型的自适应能力,结果表明,提出的检测方法从主轴振动频谱入手,能够准确找出故障原因,具有较高的可行性。     

基于图像分析和野点检测的航空发动机磨损状态识别

研究了基于发动机滑油滤磨屑图像的磨损状态自动识别技术。首先采用最大熵法和数学形态学方法,提取滑油滤磨屑图像中反映磨损状态的特征量;然后采集反映正常状态的航空发动机滑油滤图像,通过图像分析与特征提取,构造出仅包含正常样本的训练样本集,最后用野点检测方法对训练样本进行学习,并使用遗传算法对野点检测参数进行优化,得到了滑油滤磨屑图像的正常域,并以此来识别航空发动机磨损状态的严重程度。开发了发动机滑油滤监控系统(engine oil filter monitoring system,EOFMS),实现了基于野点检测的磨屑图像识别功能,并利用实际航空发动机滑油滤磨屑图像进行了实验分析,结果验证了该方法的有效性。     

基于状态空间方法的直升机扭振分析与验证

针对直升机的机械扭振系统模态易与发动机燃油调节系统耦合发生自激振动,当机械扭振系统的固有频率与旋翼激振力的频率接近或重合时,则会发生共振的问题,采用状态空间方法建立了直升机机械扭振系统动力学分析模型,计算了某型直升机机械扭振系统的频率、阻尼比和时间常数,并与直升机地面联合试验台测试的发动机100%转速和75%转速情况下的扭振一阶频率进行了对比分析,发现误差在工程应用可接受的范围内。建立的状态空间模型为后续与发动机、燃油控制系统数学模型组合进行稳定性分析打下了基础。     

Structural Damage Detection Method Based on Decomposition of the Operating Deflection Shapes

Full-field measurement techniques such as the scanning laser Doppler vibrometer (LDV) and the electronic speckle pattern interferometry systems can provide a dense and accurate vibration measurement on structural operating deflection shape (ODS) on a relatively short period of time.The possibility of structural damage detection and localization using the ODS looks likely more attractive than when using traditional measurement techniques which address only a small number of discrete points.This paper discusses the decomposition method of the structural ODSs in the time history using principal component analysis to provide a novel approach to the structural health monitoring and damage detection.The damage indicator is proposed through comparison of structural singular vectors of the ODS variation matrixes between the healthy and damaged stages.A plate piece with a fix-free configuration is used as an example to demonstrate the effectiveness of the damage detection and localization using the proposed method.The simulation results show that:(1) the dominated principal components and the corresponding singular vectors obtained from the decomposition of the structural ODSs maintain most of all vibration information of the plate,especially in the case of harmonic force excitations that the 1st principal component and its vectors mostly dominated in the system;(2) the damage indicator can apparently flag out the damage localization in the case of the different sinusoidal excitation frequencies that may not be close to any of structural natural frequencies.The successful simulation indicates that the proposed method for structural damage detection is novel and robust.It also indicates the potentially practical applications in industries.