基于AR功率谱的高速列车转向架故障信号分析

高速列车转向架是否故障及故障种类对列车运行的安全性有重要的影响。为了及时高效的对转向架关键部件进行故障诊断,本文选用高速列车转向架典型故障振动信号,提出了运用功率谱与主成分分析相结合的方法提取信号特征,先对样本数据进行功率谱估计,构造包含所有工况的特征频点数组,将这些频率点在每个样本的功率谱中对应的幅值作为特征向量,再通过主成分分析降维处理,去除冗余的特征项,最后经过支持向量机分类判断出故障种类。用加速度和位移传感器选取5个测点,取得了满意的识别结果,准确率在90%以上,验证了该方法的有效性。     

基于EEMD排列熵的高速列车轮对轴承故障诊断方法

高速列车轮对轴承的可靠度对高速列车的安全运行具有重要意义,其故障特征主要体现在轴箱振动信号中。该文提出基于聚合经验模态分解排列熵的轮对轴承特征分析方法,提取高速列车轮对轴承振动信号的非线性特征参数,并用于故障状态的分类识别。首先,对高速列车轮对轴箱振动信号进行聚合经验模态分解,得到一系列窄带本征模态函数;然后,对原信号和主要本征模态函数分别计算,得到多组排列熵,形成多尺度的表征信息复杂性高维特征向量;最后,将高维特征向量输入最小二乘支持向量机分类识别出轮对轴承的故障状态。台架试验分析结果表明:该方法针对高速列车轮对轴承故障尤其是轴承复合故障具有较高的识别率,验证通过聚合经验模态分解排列熵对高速列车轮对轴承故障诊断的有效性。     

多运行工况下高速动车组走行系统多位振动特性分析

走行系统是影响高速动车组运行安全的关键系统构成,掌握走行系统不同工况下不同部位或设备的振动特性,对实现高速动车组走行系统安全状态检测、健康监测、故障诊断与在线预警具有重要意义。该文基于高速动车组运行实测数据,详细地分析高速动车组车体及转向架多个部件或部位在直线、曲线及道岔通过不同运行工况下振动特性演变规律。首先对数据来源、实验方案及现有高速列车振动特性评价方法进行阐述,进一步分析车体振动特性及转向架多位振动特性,重点涵盖轴箱、构架、齿轮箱和电机关键部件。分析结果对于掌握高速动车组关键设备或部位动态响应及其变化规律具有指导与支撑作用,同时为高速列车关键部件振动性能评价、部件维护检修等提供参考依据。     

基于小波-BP神经网络的发动机轴承故障诊断

本文针对发动机滚动轴承故障振动信号的非平稳特征,提出了一种基于小波包变换与神经网络的滚动轴承故障诊断方法。由于滚动轴承发生故障时,加速度振动信号各频带的能量会发生变化,以振动信号小波分解后的能量信息作为特征,以神经网络作为分类器对滚动轴承故障进行识别、诊断。通过对滚动轴承的正常状态、滚珠故障、内圈故障和外圈故障信号的分析,表明以小波包分解为预处理器的神经网络故障诊断方法可以准确、有效地识别滚动轴承的工作状态和故障类型。     

基于残差网络的航空发动机滚动轴承故障多任务诊断方法

针对当前基于深度学习的航空发动机滚动轴承故障诊断技术诊断任务单一的问题,提出一种基于多任务残差网络的滚动轴承故障诊断方法,该方法采用残差网络为深层特征提取与共享主框架,建立能够同时进行故障诊断的多任务模型。首先,在数据预处理中,将滚动轴承的振动加速度时域信号转换为频谱图,并直接作为网络的输入;然后,应用标签平滑技术对故障类别标签做了平滑处理以提高网络的测试精度;最后,利用两组实际的滚动轴承故障数据集对所建立的多任务模型进行试验验证,将诊断任务划分为：故障状态识别(正常和异常)、故障部位识别(内圈、外圈和滚动体故障)、以及故障程度识别(损伤尺寸大小预测)。结果表明,所搭建的多任务模型在故障状态识别和部位诊断中的准确率达到97%以上。同时,在故障识别中,损伤大小预测达到了满意的精度,充分表明该方法具有很强的故障多任务诊断能力。     

基于D-S证据理论高速列车横向失稳故障判别研究

为解决高速列车发生横向失稳故障时,转向架的运行情况难以被单一传感器测量得到全面信息以及准确地反应等问题,提出利用多个加速度传感器组成多信息源网络系统,建立基于多信息源的高速列车横向失稳故障决策融合诊断系统。由于高速列车发生横向失稳故障存在复杂的轮轨耦合关系,导致列车横向失稳故障状态诊断难度大,基于此提出D-S证据理论方法融合系统中各个传感器中测量数据信息并应用于高速列车横向失稳故障状态判别。结果表明:基于D-S证据理论方法与任何单一传感器诊断结果相比,识别效果更好,对正常状态、小幅蛇行以及大幅蛇行故障状态的识别率分别达92.3%、82.89%、88.67%,证明该方法有效。     

转向架构架工作模态及其对车下振动传递影响初探

为进一步了解运行过程中转向架构架的真实动态特性,对实际线路运行的某高速列车进行工作模态测试,获取构架响应点之间的互谱信号并进行模态参数识别。模态参数识别方法采用最小二乘复频域法。根据其识别结果,剔除由轴箱传至构架且引起构架显著峰值的虚假模态,获得构架真实工作模态参数。结合轴箱、车体外地板振动实测频谱,找到车体外地板显著振动频率来源,进而分析转向架工作模态对车体外地板振动显著峰值的影响。本文的相关实测结果为了解运行过程中转向架构架真实动力学行为、研究车体外地板振动显著频率的产生、传递机理提供依据;同时,测试及模态参数识别方法为车体运行部件工作模态试验提供参考。     

基于多维振动特征的滚动轴承故障诊断方法

单独提取滚动轴承振动信号的时域或频域特征进行故障诊断,是目前常用的轴承诊断方法,诊断精度有待提高。以时域和频域的多维振动特征参量为指标,以历史诊断正确率作为特征参量权值,分别对滚动轴承的无故障和经常出现的滚珠故障、内环故障和外环故障工况进行特征提取和故障识别。多维时频域振动特征是单维特征依据诊断精度权重的集合。运用BP神经网络分别对信号的时域特征(TDF)、IMF能量矩(IEM)、小波包能量矩(WPEM),以及多维时频域特征进行智能故障判别。实验验证用多维时频域振动特征参量综合诊断的方法进行滚动轴承故障诊断,比单维特征的诊断结果精确且效率较高,该方法可以在滚动轴承故障诊断领域展开应用。     

基于峭度与IMF能量融合特征和LS-SVM的齿轮故障诊断研究

针对齿轮振动信号非线性非平稳特性,为避免传统时频方法在表征设备状态时的不足,提出一种基于融合峭度与IMF能量特征和LS-SVM的齿轮故障诊断方法。首先,对齿轮振动信号在EMD分解;然后,提取包含主要故障信息的IMF分量的峭度特征和能量特征,组成融合特征向量;最后,将齿轮正常、齿根裂纹、断齿3种状态下的融合特征向量输入到LS-SVM,通过训练好的LS-SVM对齿轮状态进行分类识别。仿真实验结果表明:该方法能准确识别齿轮的工作状态,且与BP神经网络、SVM相比,有着更高的故障识别效率,可用于齿轮信号的故障诊断。     

基于LMD和ABC优化KELM的故障诊断方法

针对高压隔膜泵单向阀振动信号的非平稳非线性特性,提出一种基于局部均值分解(LMD)、排列熵和人工蜂群算法优化核极限学习机(KELM)的故障诊断方法。采用LMD将振动信号分解成多个分量信号,通过互相关准则选取关联度较大的分量信号,并求出相应的排列熵作为特征向量。输入经过人工蜂群算法优化的KELM中构建故障诊断模型。通过对实际工况下采集的不同故障状态信号的处理分析,结果显示利用该方法对单向阀的运行状况进行故障诊断不但能够较好地表征信号的状态信息,且故障识别准确率达到95.65%。同时,与采用传统的KELM、ELM相比有着更高的识别准确率。     

Estimation of Parameters of Universal Distribution of Moments of Failure of Products

A method is proposed for estimating the parameters of a mixture of exponential and Weibull distributions for which the accuracy of preliminary estimates obtained by graphical analysis is refined in accordance with the criterion of maximum likelihood. The efficiency of the proposed method is supported by the results of statistical modeling.     

Analysis of the rate of propagation of the wave of change of boiling modes

An approximate analytical expression is derived for the velocity of the front of the wave of change of boiling modes on a rod and on a plate. The impact of the Thomson effect and of the heater orientation in the gravity field is included. Adequate agreement is demonstrated between the derived relations and experimental data.     

Evaluation of optical properties of highly scattering media by moments of distributions of times of flight of photons

A novel method for the determination of the optical properties of tissue from time-domain measurements is presented. The data analysis is based on the evaluation of the first moment and the second centralized moment, i.e., the mean time of flight and the variance of the measured distribution of times of flight (DTOF) of photons injected by short (picosecond) laser pulses. Analytical expressions are derived for calculation of absorption and of reduced scattering coefficients from these moments by application of diffusion theory for infinite and semi-infinite homogeneous media. The proposed method was tested on experimental data obtained with phantoms, and results for absorption and reduced scattering coefficients obtained by the proposed method are compared with those obtained by fitting of the same data with analytical solutions of the diffusion equation. Furthermore, the accuracy of the moment analysis was investigated for a range of integration limits of the DTOF. The moment analysis may serve as a comparatively fast method for evaluating optical properties with sufficient accuracy and can be used, e.g., for on-line monitoring of optical properties of biological tissue.     

可燃气体检测报警器测量结果的不确定度评定

本文详细介绍了可燃气体检测报警器示值误差测量结果的不确定度评定方法。     

水三相点复现的不确定度评定

水三相点是开尔文热力学温度的唯一基准点，也是ITS-90国际温标重要的定义固定点。因此，水三相点不确定度分析对整个温标的建立、温度量值传递起着至关重要的作用。近3年来，中国计量科学研究院研制出一系列高质量的水三相点容器，加强了水三相点的研究，为不确定度的分析提供了更为可靠的实验依据。同时，不确定度的分析也是客观评价新研制容器性能的一个重要指标。因此，根据实验结果对新研制容器所复现的水三相点进行了不确定度评定。评定结果表明，其扩展不确定度为0．16mK(k=2．69，P=0．99)。     

心电图机电压测量示值误差测量值的不确定度评定

本文介绍了心电图机电压测量示值误差测量值的不确定度评定与表示方法。