共查询到20条相似文献,搜索用时 78 毫秒
1.
本文对一个具有非线性刚度的单盘转子的反向全周碰摩进行研究。通过数值计算和已有实验结果的比较说明在反向全周碰摩研究中考虑转轴的非线性刚度是有必要的;采用平均法求得了系统反向全周碰摩的解析解,判断了解的稳定性,研究表明非线性转子系统既存在摩擦力方向改变引起的反向全周碰摩,同时转轴的非线性刚度和干摩擦共同作用也可以导致转子的反向全周碰摩,且这种反向全周碰摩运动是稳定的周期运动;讨论了系统参数对反向全周碰摩振幅、频率及其存在性的影响。本文的研究结论为转子系统的设计提供了一定的理论支持。 相似文献
2.
3.
为解决转子碰摩损伤声发射信号分类及解释难题,应用PCI-2声发射系统和WS-ZHT1型多功能转子实验台组成转子碰摩声发射检测系统,采集转子局部碰摩声发射信号,通过理论分析声发射信号特征和小波基函数性质,dB8小波适合提取声发射信号特征;碰摩产生大量声发射信号,大量声发射信号的统计特性蕴涵较多碰摩信息。对不同转速条件下不同检测位置碰摩声发射信号的统计分析表明,声发射信号的功率谱密度集中在100~400 kHz。声发射信号平均幅值、平均能量可作为区分转子碰摩程度特征参数;功率谱主频可作为区分声发射相对位置特征参数,结论与碰摩类型无关。 相似文献
4.
针对转子系统局部碰摩故障特征及声音振动信号特点,采用一种基于声振信号经验模式分解(Empirical Mode Decomposition简称EMD)的轻微局部碰摩故障诊断方法对滑动轴承碰摩故障进行特征提取。由于EMD分解不需要固定的基函数,根据信号特征自适应的调整,从而实现碰摩特征及旋转激励背景信号自动分解。通过设计滑动轴承缺油工况轴承碰摩试验,并进行振动全息测试分析,将所得声振信号本征模式函数时域特征和边界谱特征与转子径向位移及轴承座加速度信号对比分析,确定了碰摩部件;从而证明基于声振信号EMD分解的碰摩故障诊断方法的有效性。 相似文献
5.
6.
7.
8.
球结构支持向量机在转轴碰摩位置识别中的应用 总被引:3,自引:1,他引:3
摘要:碰摩是旋转机械中常见的故障,碰摩故障位置识别是一个有待深入研究的故障诊断问题。对球结构支持向量机进行改进,充分考虑分类球的大小对分类的影响,经过理论分析和仿真实验得到新的分类规则。把转轴上不同位置的碰摩当作不同的故障,转轴碰摩故障位置识别就是个较大规模的多类别故障诊断问题,运用改进的球结构支持向量机进行转轴碰摩故障位置识别。实验结果表明,和其他同类算法相比,改进的球结构支持向量机具有识别率高、速度快、计算量少、数据处理容量大等优点,适合于较大规模的多类别故障诊断。
相似文献
相似文献
9.
10.
建立了不平衡-碰摩-基础松动耦合故障的转子动力学模型。在模型中,轴承简化为线性弹簧,转子考虑为两端无约束的等截面自由欧拉梁,同时,建立了不平衡、碰摩和松动耦合转子动力学运动方程,运用模态截断法,利用数值积分方法获取转子系统的振动响应。显然,系统响应是多个耦合故障信号的混合,因此借助盲源分离方法进行了转子系统耦合故障信号分离研究,并运用ZT-3型多功能转子试验台进行了实验验证,仿真和实验结果表明了所建立故障动力学模型的正确性以及利用盲分离方法实施耦合故障分离的有效性 相似文献
11.
基于EMD-SVD模型和SVM滚动轴承故障模式识别 总被引:1,自引:0,他引:1
针对滚动轴承振动信号的非平稳特性和在现实条件下难以获取大量故障样本的实际情况,提出一种经验模态分解、奇异值分解、Renyi熵和支持向量机相结合的故障诊断方法。运用经验模态分解方法对其去噪信号进行分析,利用互相关系数准则对固有模式分量进行筛选,再对所选分量重构相空间得到吸引子轨道矩阵;对矩阵进行奇异值分解求取奇异值,再计算这些奇异值的Renyi熵以组成故障特征向量,并将其作为支持向量机的输入以识别滚动轴承的故障类型。最后,利用实际滚动轴承试验数据的诊断与对比试验验证了该方法的有效性和泛化能力。 相似文献
12.
扬声器的异常音故障常见于生产过程中,通常可由有经验的听音员凭人耳听音检测出来。与人耳听测异常音的机理类似,一种在时域检测异常音的方法被提出。通过对声响应信号进行经验模态分解得到本征模态函数,再根据本征模态函数与激励信号的瞬时频率差对各模态去混淆处理,可得到包含异常振动信息的模态函数,据此可判断是否存在异常音。算法验证分为仿真和实验两部分。仿真验证中分析了模拟的合格扬声器与故障扬声器的声响应,结果表明算法对于摩擦和碰触导致的异常音是灵敏的。实验验证中检测了20只扬声器,测量得到的故障频率与用高阶谐波失真法得到的结果一致。且对于不同异常音故障,可在经验模态函数的局部特征中观察到不同的时域特征。 相似文献
13.
内禀模态特征能量法在滚动轴承故障模式识别中的应用 总被引:1,自引:0,他引:1
针对滚动轴承振动信号和状态信息非线性映射关系,提出一种基于内禀模态函数(IMF)特征能量的轴承特征向量提取方法,并与支持向量机(SVM)相结合实现轴承的故障识别。该方法对滚动轴承振动信号进行经验模态分解(EMD)得到若干能反映轴承故障信息的IMF分量,选取包含主要信息的IMF能量作为振动信号的特征向量,并将其输入到SVM分类器中实现轴承故障模式识别。对滚动轴承的正常状态、外圈故障、内圈故障和滚动体故障进行仿真试验,结果表明,该方法能够有效、准确地识别轴承故障。 相似文献
14.
针对振动信号中Hilbert-Huang变换的端点效应问题,结合端点效应产生机理和现有研究成果,提出基于时间尺度的LS-SVM端点延拓的抑制端点效应新方法。首先利用LS-SVM回归特性和一种自适应预测法分别对信号极值点的幅值和时间点进行预测延拓,然后对预测的极值信息进行埃尔米特插值,完成对原信号的延拓。利用仿真信号和实测航空发动机振动信号进行分析验证,表明该方法可同时有效抑制两种端点效应,并具有预测精度高、有效延拓距离长、速度快的特点。 相似文献
15.
Rafid Mostafiz Mosaddik Hasan Imran Hossain Mohammad M. Rahman 《International journal of imaging systems and technology》2020,30(1):224-233
This paper presents an intelligent system for gastrointestinal polyp detection in endoscopic video. Video endoscopy is a popular diagnostic modality in assessing the gastrointestinal polyps. But the accuracy of diagnosis mostly depends on doctors' experience that is crucial to detect polyps in many cases. Computer-aided polyp detection is promising to reduce the miss detection rate of polyp and thus improve the accuracy of diagnosis results. The proposed method illustrates an automatic system based on a new color feature extraction scheme as a support for gastrointestinal polyp detection. The scheme is the combination of color empirical mode decomposition features and convolutional neural network features extracted from video frames. The features are fed into a linear support vector machine to train the classifier. Experiments on standard public databases show that the proposed scheme outperforms the previous conventional methods, gaining accuracy of 99.53%, sensitivity of 99.91%, and specificity of 99.15%. 相似文献
16.
17.
柴油机气缸盖振动信号是一种典型的非平稳时变信号,用传统的时频分析难以得到满意的效果,用时域区间分析难以实现实时诊断,而小波分析则存在小波基函数选择困难等问题。本文采用经验模式分解EMD方法对振动信号进行分解,得到固有模态函数IMF,对每一个IMF分量分别建立AR模型,以模型的自回归参数和残差的方差作为特征向量,用支持向量机SVM进行分类,判断柴油机的工作状态和故障类型。实验结果分析表明,该方法即使在小样本情况下也能准确有效地诊断柴油机故障,能实现故障的实时自动化诊断。在不同转速时,需选用新转速工况下的数据作为训练样本,以保证分类准确率。 相似文献
18.
针对爆破延期识别中采用经验模态分解(empirical mode decomposition, EMD)方法存在模态混叠现象,导致延期识别精度低的问题。提出了一种完全正交经验模态分解(principal empirical mode decomposition, PEMD)方法,首先对原始信号进行EMD初步分解,得到多个具有模态混叠现象的本征模函数(intrinsic mode function, IMF)分量,其次对IMF分量进行主成分分析(principal component analysis, PCA),将混叠的IMF分量完全正交化,之后选择幅值较大且波形衰减明显的主分量,使用Hilbert变换提取包络线,最后对包络线峰值点进行识别。通过相似物理模拟试验证明,PEMD与传统方法EMD相比,有效地抑制振动信号EMD分解时出现模态混叠现象,延期识别误差降低至0,并通过控制高程和延期时间对PEMD方法的稳定性进行了检验;同时以德兴露天边坡延期爆破试验为例,PEMD能够更好地对爆破振动波峰值点进行精确识别,识别率稳定在90%以上,对后续爆破工程中爆破参数设计优化和盲炮的识别具有重要意义... 相似文献
19.
包络线的拟合是经验模式分解中的关键一步,但由于信号端点处极值的不确定性导致在信号上下包络线拟合过程中存在着严重的端点效应问题;在分析现有解决端点效应问题方法的基础上提出了基于最小平方距离相关的数据端点处包络线拟合方法。该方法在信号内部寻找与端点处信号变化趋势相关度最高的一段波形,并用此段波形的包络线来重新刻画端点处的包络线。仿真和实际信号的分析证明,基于最小平方距离相关的数据端点处包络拟合方法能够有效的抑制端点效应,算法简单并且易于实现 相似文献