基于贝叶斯最优核判别分析的机械故障诊断

针对在该方法中,用核判别分析到机械故障诊断时核参数选取困难的问题,提出了一种基于贝叶斯最优核判别分析的机械故障诊断方法。首先采用梯度下降法优化同方差性准则确定最优核参数;然后采用最优核参数使用核判别分析将原始样本投影到一个最优子空间,在该子空间中各类样本具有最佳判别性;最后基于投影后的样本使用最近邻方法进行故障分类。将该方法应用于滚动轴承故障诊断,并与相关方法的诊断结果进行了比较,实验结果表明:该方法可获得与支持向量机同样的诊断正确率,并实现了最优核参数的自动选择。     

基于NIC-DWT-WOASVM的齿轮箱混合故障诊断

由于齿轮箱中振动信号的复杂性和非平稳性,致使齿轮箱混合故障诊断工作具有一定难度。针对这一问题提出基于NIC-DWT-WOASVM的齿轮箱混合故障诊断方法。首先通过窄带干扰消除(Narrow Band Interference Canceller, NIC)滤除原始信号中齿轮啮合和转轴等窄带干扰信号,接着对信号进行离散小波变换(Discrete Wavelet Transform, DWT),重构小波系数得到小波分量,提取分量的方差作为特征参数构成特征矩阵样本。针对传统优化支持向量机收敛速度慢及容易局部最优等问题,提出鲸鱼算法优化的支持向量机(Whale Optimization Algorithm Support Vector Machine, WOASVM),运用训练样本对WOASVM进行训练得到优化分类模型,将测试样本输入到优化模型中得到诊断结果。为验证方法的有效性,开展了变工况下齿轮箱混合故障实验,通过实验分析及与其他方法的比较,证明方法对于齿轮箱混合故障诊断是有效的。     

基于核主成分分析及支持向量机的水轮机叶片裂纹源定位

结合核主成分分析(KPCA)以及支持向量机对水轮机转轮叶片裂纹源的声发射信号进行定位。结果表明,利用核主成分分析提取的特征参数进行定位的精度高于原始参数的定位精度,即输入9个特征参数时,支持向量机在叶片区域的识别率为100%,在裂纹源对焊缝距离的支持向量回归分析中的最大误差为20cm。因而结合KPCA和支持向量机对复杂的大尺寸结构进行定位是一种较好的方法,既减少了输入信号的维数,又提高了定位精度。     

蚁群支持向量机在内燃机故障诊断中的应用研究

针对目前支持向量机参数选择时人为选择的盲目性,将具有良好优化性能的蚁群优化技术应用到支持向量机惩罚函数和核函数参数的优化,提出了蚁群优化支持向量机方法。根据内燃机气门振动信号实测数据,建立了基于蚁群优化支持向量机的内燃机气门间隙故障诊断模型,并与基于遗传支持向量机和反向传播神经网络算法的模型比较。结果表明：应用蚁群优化支持向量机建立的内燃机气门间隙故障诊断模型无论从学习效率还是故障识别准确性上都优于应用另外两种算法建立的模型,能够有效地进行内燃机的故障诊断。     

基于支持向量机的齿轮故障诊断方法研究

故障样本的不足从一定程度上制约了基于知识的方法在实际故障诊断中的应用，针对这一问题，利用支持向量机在小样本情况下具有较强分类能力的特点，提出了一种基于支持向量机的齿轮故障诊断方法。该方法采用小波变换对齿轮的振动信号进行处理来构造特征向量，并直接输入到支持向量机的多故障分类器中进行故障识别。试验结果表明该方法是有效、可行的，且在小样本情况下比BP神经网络具有更高的诊断精度。     

基于谱相关密度切片分析和SVM的滚动轴承故障诊断

为了对旋转机械中的滚动轴承进行故障分析,针对滚动轴承具有二阶循环平稳的特点,采用了谱相关密度组合切片分析方法进行特征提取,并将提取的特征作为输入向量,用"一对其他"多分类支持向量机进行故障识别,给出了基于谱相关密度组合切片分析和多类支持向量机的滚动轴承故障诊断流程图,该方法具有较高的计算效率和估计精度。最后通过对实验数据的分析与处理,验证了该方法在滚动轴承故障诊断中的可行性和实用价值。     

基于多输出支持向量回归机的有限元模型修正

为了克服神经网络以及单输出支持向量回归算法在有限元模型修正中的不足,提出了基于多输出支持向量回归算法的有限元模型修正方法。根据5-折交叉验证法选择支持向量回归机的参数,用均匀试验设计法构造样本,联合结构的动力和静力响应数据作为输入,多个设计参数作为输出,以支持向量回归机逼近输入输出二者之间的非线性映射关系,然后利用支持向量回归机的泛化推广能力,求解设计参数的目标值。空间网格结构数值模型的分析结果表明,该方法能同时修正多个设计参数,在少量样本的情况下具有较高的修正精度,为有限元模型修正提供了一种新的探索。     

不均衡数据下基于SVM的故障检测新算法

针对传统支持向量机(SVM)算法在数据不均衡情况下无法有效实现故障检测的不足,提出一种基于过抽样和代价敏感支持向量机相结合的故障检测新算法。该算法首先利用边界人工少数类过抽样技术(BSMOTE)实现训练样本的均衡。为减少人工增加样本带来的噪声影响,利用K近邻构造一个代价敏感的支持向量机(CSSVM)算法,利用每个样本的代价函数消除噪声样本对SVM算法分类精度的影响。将该算法应用在轴承故障检测中,并同传统的SVM算法,不同类代价敏感SVM-C算法,SVM和SMOTE相结合的算法进行比较,试验结果表明当样本不均衡时,建议算法的故障检测性能较其它算法有显著提高。     

基于深度度量学习的轴承故障诊断方法

针对机械大数据因故障类内离散度和类间相似度较大而导致诊断精度低的问题,提出一种深度度量学习故障诊断方法,采用深度神经网络(Deep Neural Network, DNN)对故障特征进行自适应提取,并利用基于欧氏距离的边际Fisher分析(Marginal Fisher Analysis, MFA)方法进行了优选,在构建的深度度量网络(Deep Metric Network, DMN)顶层特征输出层添加BPNN(Back Propagation Neural Network, BPNN)分类器对网络参数进行微调,并实现故障的分类识别。通过对不同类型和严重程度的轴承故障进行了诊断分析,验证了该方法可以有效地对轴承故障进行高精度诊断,效果优于传统深度信念网络(Deep Belief Network, DBN)故障诊断方法以及常用时域统计特征结合支持向量机(Support Vector Machine, SVM)分类的故障诊断方法。     

基于小波包和进化支持向量机的齿轮早期诊断研究

针对齿轮早期故障的特征不明显，提出了一种基于小波包和进化支持向量机的齿轮故障诊断方法，该方法既充分利用了小波包优良的时频局部化特性，又利用了支持向量机在小样本情况下出色的学习性能和良好的推广特性，以及遗传算法的全局优化能力。在齿轮试验台上的应用结果表明，经过特征提取和参数优化后，提高了支持向量机的分类能力。     

不同冲击速度条件下矩形巷道围岩变形-开裂过程数值模拟

利用自主开发的拉格朗日元与变形体离散元耦合的连续-非连续方法,开展了不同冲击速度条件下矩形巷道围岩变形-开裂过程的数值模拟研究。当岩石单元的应力满足剪切开裂判据时,考虑了应力脆性跌落效应,在此过程中,围压保持不变。为了检验该方法的正确性,开展了单轴压缩条件下岩样变形-开裂过程的数值模拟研究。针对矩形巷道围岩的计算表明:①冲击速度低时载荷-位移曲线呈单峰特点;冲击速度高时载荷-位移曲线呈多峰特点;②冲击速度低时围岩的开裂呈渐进性特点;冲击速度高时围岩的开裂呈间歇性特点,这与在冲击过程中围岩中过去形成的一种较为稳定的结构(拱)被打破,并在其外围形成了新的稳定结构(拱)有关;③在模型相同垂直方向位移时,冲击速度低时围岩两帮的开裂深度较大,这说明冲击速度低时应力的传递较为均匀,冲击速度低时的结果(例如,V形坑内岩石碎块涌入巷道)与围岩的片帮类似;冲击速度高时的结果(例如,岩石碎块的弹射现象)与岩爆类似。     

齿轮非线性动力系统的振动功率流分析

针对一对含侧隙、具有时变啮合刚度的非线性齿轮系统动力学模型,通过对该系统的振源功率进行分析,推导了系统振动功率流的时域仿真算法,探讨了决定系统功率流水平的主要因素。并综合运用点映射和胞映射方法,分析比较了系统对不同参数连续变化的分岔图和功率流图谱,研究了参数变化对功率流的影响,以期为将功率流理论应用于非线性齿轮啮合系统提供参考。     

一种基于均方比值的人致结构振动加速度响应信号筛选方法

提出了一种基于人致楼板振动响应的加速度均方根值参数,该参数是结构振动响应信号均方根值和加权均方根值的比值,该参数能够快速判断采集到的人致楼板构振动信号数据是否异常。通过人致楼板振动响应均方根值的理论推导得到了该参数的具体表达式,同时通过建立施加不同工况的人群荷载有限元楼板模型,和不同工况人群作用下楼板振动现场试验,对该参数的性质进行了论证,该参数受人群荷载的参数影响小,与结构自身的基本性质相关性大,在处理大量数据信号时,可以通过该参数对数据进行快速筛选。     

摩擦对齿轮振动噪声影响的研究进展

围绕齿面摩擦引起的齿轮系统振动和噪声问题,从计入齿面摩擦的齿轮动力学模型、齿轮系统动态响应、齿轮摩擦噪声以及实验研究等方面,综述了近20年来齿轮振动噪声的研究现状和发展趋势。重点阐述了计入齿面摩擦的齿轮动力学研究的方式方法,总结了计入摩擦齿轮动力学的主要研究结论。最后就现有研究中存在的主要问题及研究方向提出了建议。     

考虑索间作用的斜拉桥耦合振动研究

为了研究几何非线性条件下斜拉桥索梁耦合振动与索间作用问题,以两条斜拉索与简支梁组合体系为简化模型,利用D’Alembert原理建立考虑初始垂度的索梁体系非线性偏微分方程,设定索的前两阶复合振动模态与梁的基本模态,运用Galerkin方法将其离散为二阶常微分方程,并使用四阶—五阶Runge-Kutta方法对索与梁的振动响应进行了数值分析。结果表明:在双索单梁组合结构中,特定频率条件下一阶模态与主梁强烈耦合,二阶模态与主梁小程度耦合;与单梁单索结构相比,多索导致主梁频率增大,索间作用使得索振幅增大、拍频降低,面内一阶模态对索梁变化更敏感;当索梁频率不变时,索间作用对耦合振动产生的索大幅振动有明显抑制作用,且索梁结构对主梁初位移变化更敏感。     

基于多重分形分析的核爆与雷电电磁脉冲识别

根据核爆和雷电电磁脉冲信号非平稳、非线性特点,对NMEP和LEMP信号进行了多重分形分析,计算了二者的多重分形广义维数 和广义维数的变化率,通过分析发现,广义维数的变化率更能反映核爆和雷电的不同产生机理,并且和广义维数相比,以广义维数的变化率作为特征,对NEMP和LEMP的识别率更高,更稳定,可以对核爆和雷电电磁脉冲进行有效的识别。     

地应力对岩石爆破开裂及爆炸地震波的影响研究

深部岩体爆破开挖是高地应力和炸药爆炸产生的动应力共同作用的结果。采用SPH-FEM耦合数值模拟方法,研究了地应力场对岩石爆破开裂及开裂区外地震波能量的影响。结果表明:随着地应力水平的提高,岩石爆破破碎区的范围缩小、裂纹扩展速度降低,非静水地应力场中破碎区内裂纹主要沿最大主应力方向扩展,但地应力对爆破粉碎区的形成几乎没有影响;地应力作用下爆破开裂区形态改变影响了爆炸地震波的能量及传播特性,随着地应力的增大,更多的炸药爆炸能转化为地震波能量,产生的高频地震波随距离衰减更快,且小主应力方向上的爆炸地震波能量更大。研究成果可为深部岩体爆破优化设计提供理论参考。     

气动扰流对飞机T型尾翼跨音速颤振影响的试验研究

跨音速颤振试验通常在稳定的理想流场中进行,不考虑实际非稳定流场的气动扰流对颤振特性的影响。在飞机T型尾翼跨音速颤振试验中,通过设置一种气动扰流装置对风洞流场实施干扰以研究气动扰流对飞机T型尾翼跨音速颤振特性的影响。试验结果表明,气动扰流可以将飞机T型尾翼的颤振耦合模态从平尾弯扭耦合型改变为垂尾弯扭耦合型;可显著降低飞机T型尾翼的颤振动压,翼面外气动扰流较翼面内气动扰流对飞机T尾颤振特性的影响作用大。其原因在于施加的气动扰流所诱导产生的跨音速激波作用在垂尾翼面上改变了垂尾的非定常气动力,引起气动刚度和气动阻尼发生改变,由于平尾的气动阻尼相对较大,可以预计,一旦气动扰流引起垂尾的气动阻尼迅速减小到其临界颤振阻尼,则会引起垂尾弯扭耦合颤振型先于平尾弯扭耦合颤振型发生,从而表现出T尾颤振动压的降低。在颤振模型风洞试验中,当风洞试验结果与期望不一致时,需要研究气动扰流的影响。     

基于宽频-多模态的复合俘能器的解析模型与实验研究

为提高单频压电振动俘能器的能量转换效率和工作频带,结合压电和电磁能量转换机制,提出了一种新的混合俘能器系统。该系统由PZT悬臂梁、弹性悬挂磁铁块、粘附于悬臂梁末端磁铁块及谐振器等组成,引入谐振器及磁铁可实现增加系统模态数量和非线性。基于此混合振动俘能器建立了改进型连续体机电耦合解析模型,并由龙格-库塔算法进行了求解。在此基础上,研制了振动俘能器原理样机,并搭建了实验系统,通过实验和解析评估方法完成了单一式和复合式俘能器性能比对和评估;研究表明,所研究的混合型振动俘能器相对常规振动能量俘集原理可实现较宽的频率范围及多模态振动能量俘集,且能量俘集效率明显提高,具有较好的应用前景。     

基于卡箍优化布局的飞机液压管路减振分析

飞机液压管路振动过大是一个亟待解决的问题,考虑了主动消振方式较为复杂,难以在飞机液压系统实现,提出了基于系统特征阻抗,通过优化卡箍布局的被动消振方式。首先建立系统管道及各元件数学模型,利用传递矩阵法（Transfer Matrix Method, TMM）得到其频域特征阻抗变化规律。以激振源固有频率点的特征阻抗加权和为目标函数,利用粒子群优化算法（Particle Swarm Optimization, PSO）在一定范围内调整卡箍位置,使在激振源频率点的特征阻抗加权和降到最低。通过优化卡箍位置,系统特征阻抗加权和较优化前衰减28.13%,验证了其有效性,为飞机液压管路的优化布局提供了一定的理论依据。