基于传递路径分析的车身阻尼材料拓扑优化

以某乘用车怠速工况下的车内噪声为研究对象,建立内饰车身的声-固耦合有限元模型,施加实测的加速度激励预测车内噪声响应。通过有限元模型获取系统传递函数,结合实测加速度激励建立传递路径分析模型,分析怠速工况下驾驶员右耳位置121 Hz频率处各路径的声学噪声贡献情况,以贡献量较大的路径为板件贡献量分析的激励输入位置,确定后地板为铺设阻尼的目标板件。以121 Hz处驾驶员右耳声压最小为目标,建立拓扑优化模型,对后地板阻尼进行布局优化。结果表明,怠速工况下121 Hz峰值频率处驾驶员右耳声压级下降5.59 dB(A),传递路径分析对阻尼结构优化设计具有一定指导作用。     

车身阻尼材料布局拓扑优化设计

针对某车型车内匀速噪声控制问题,提出一种基于多目标动力学拓扑优化的阻尼材料设计方法。首先,通过车身声-振耦合分析获知车内噪声响应异常峰值频率。接着,以车身壁板噪声贡献量和模态贡献量为指标进行综合分析。然后,构建综合考虑车身壁板动力学控制和阻尼材料质量控制的多目标动力学拓扑优化数学模型,并获得阻尼材料布局方案。将该方案与基于模态应变能的阻尼材料设计方案进行对比分析获知,前者降噪效果更佳。最后,通过实车测试,验证了该方案对车内匀速噪声有明显改善。上述研究表明,该阻尼材料设计方法具有良好的实用价值。     

自由阻尼层结构阻尼材料配置优化的拓扑敏度法

提出阻尼胞单元和阻尼拓扑敏度等概念，建立了基于阻尼拓扑敏度综合评价的阻尼材料拓扑优化准则，并用于自由阻尼层结构振动控制中阻尼材料的配置优化。建立待控结构阻尼材料布局的拓扑基结构，计算各单元的阻尼拓扑敏度。再建立考虑重量目标及结构频响峰值约束的阻尼材料配置拓扑优化模型。根据所提出的阻尼材料拓扑优化准则，求解上述配置优化问题，确定阈值和各单元拓扑值。并用若干典型结构算例，验证所提出方法的正确性，讨论了阻尼材料布局拓扑基结构的规模与优化效率的关系。     

传递路径分析在结构设计中的应用

传递路径分析是一种结构振动性能优化、故障诊断、结构振动性能评估的有效方法和手段。在原理台架上进行的传递路径分析研究中,简要阐述了传递路径分析方法的原理及其特点,将试验结果与仿真分析相结合,对比验证了结果的可行性和有效性。在原理台架上分别对4种改进设计结构进行传递路径分析,最终确定一种合理的结构。分析结果表明,传递路径分析法能有效的找出结构振动传递路径,从而在路径上进行控制结构的改进,为有效的降低结构振动提供依据。     

工况传递路径分析（OPA）方法在应用中的缺陷

工况传递路径分析（OPA）方法是传递路径分析技术中一项新的技术,由于其在应用中的高效性而引起了广泛的关注。本文利用经典传递路径分析方法（TPA）为参考,通过理论分析和实例验证两种方法,揭示了OPA方法在实际应用中的三个明显缺陷。第一种缺陷由于结构模态的影响,传递路径之间存在互相关,形成OPA的交叉耦合缺陷。第二种缺陷由于实际工况的限制可能导致传递率函数估计错误。第三种缺陷是对分析中遗漏传递路径的可能,OPA方法的拟合总值对比不能识别。这三个缺陷均会导致OPA分析失败,得出错误的结果。     

基于悬置刚度法的客车方向盘怠速振动传递路径分析

为更加准确识别某中型客车怠速工况下的方向盘振动来源,提升传递路径分析精度,文中总结了基于悬置刚度法分析振动传递路径的基本方法,并以该车方向盘为研究对象开展方法验证。首先,通过计算该车悬置软垫预载力、对已有的悬置软垫数据进行多元回归拟合以及整车方向动刚度转化计算出该悬置软垫实际动刚度;其次,测试系统水平频响函数以及激励点与响应点的加速度信号;再次,用基于阻抗矩阵法TPA所得的结果以及实测结果作为标杆进行对比,比较结果显示悬置刚度法TPA具有较高的精度。传递路径分析结果表明排气系统X向振动对方向盘怠速振动贡献量最大。断开发动机与排气系统连接,发现方向盘怠速振动加速度明显降低,进一步验证了基于悬置刚度法的传递路径分析结果的可靠性。上述分析结果可为车内振动的传递路径分析提供借鉴。     

基于阻尼材料拓扑分布的结构-声辐射优化

基于拓扑优化思想,提出一种人工材料假设,建立了阻尼材料铺设的拓扑优化数学模型。在阻尼材料用量一定的情况下实现阻尼材料最优分布,达到减振降噪之目的。采用遗传算法进行求解,进行了阻尼材料和人工材料的转换,实现了阻尼材料的拓扑优化。数值算例表明:所提方法在减振降噪设计中具有可行性和有效性,有较好的工程应用价值,可为阻尼材料的敷设提供一种可行有效的思路。     

工况传递路径分析在方向盘振源识别中的应用

摘 要：针对某三缸发动机车辆怠速工况下方向盘抖动的问题,利用工况传递路径分析方法找出方向盘抖动的原因。首先采集怠速工况的动力总成悬置点和方向盘的振动加速度信号,使用奇异值分解建立了从动力总成悬置被动端到方向盘的振动传递矩阵。然后对比传递矩阵合成的振动信号与拾振点的实测信号,验证了传递矩阵的正确性。最后计算各条路径对方向盘的振动能量贡献量,结合模态分析和信号的频谱分析,发现导致方向盘抖动的主要原因是副车架的共振,为解决方向盘抖动问题提供了依据。     

谐和激励下阻尼材料的配置优化

针对传统阻尼处理方式引入附加质量过大的弊端,利用拓扑优化技术研究谐和激励下阻尼材料配置优化问题。首先对谐和激励下自由阻尼板动态位移响应进行了灵敏度分析,并建立了阻尼材料配置优化模型,然后利用基于Kuhn-Tucker条件的优化准则法给出优化流程,并据此得到不同激励频率下以复合结构上某点位移响应幅值最小化为目标的受限质量阻尼材料最优配置构型。研究表明阻尼材料的最优配置构型与激励频率相关,优化阻尼材料配置方式,能够在附加质量约束条件下实现对振动的有效控制。对于附加阻尼结构轻量化设计具有一定的参考价值。     

双材料自由阻尼层结构拓扑优化设计方法

目的 在不减小板壳结构动刚度的前提下有效提高板壳结构的抗振性能,提出一种板壳阻尼复合结构拓扑优化设计.方法 以结构模态阻尼比为目标函数,以某阶固有频率不小于设定值为约束条件,推导目标函数和约束条件对设计变量的灵敏度表达式,采用SIMP插值函数和移动渐近线法求解优化数学模型.结果 研究表明,文中提出的双材料阻尼层结构相比传统单材料阻尼层结构的振动响应明显减小,同时适当改变设计目标和约束条件,可满足不同的工程应用需要.结论 通过在宏观上对高刚度低阻尼材料和低刚度高阻尼材料的分布进行了设计,优化后的结构兼顾低刚度高阻尼材料的高阻尼特性和高刚度低阻尼材料的高刚度特性,实现了结构高刚度高阻尼的设计.     

基于LabVIEW的滚动轴承故障诊断方法

滚动轴承经常工作于多工况、变工况条件下,加之各振源间相互耦合、非线性强等特点,极易诱发系统中轴承零部件的故障.因此,设计滚动轴承故障诊断软件是十分必要的.本文基于LabVIEW设计了滚动轴承的故障诊断界面,主要分为数据采集界面、时域界面、频域界面、智能诊断界面,能够实现对滚动轴承的离线诊断和在线诊断.     

基于VMD-IMDE-PNN的滚动轴承故障诊断方法

为了提高滚动轴承故障诊断的准确性,提出一种变分模态分解( Variational Mode Decomposition,VMD )、改进粗粒化多尺度散布熵( Improved Coarse-grained Multi-scale Dispersion Entropy,IMDE )和概率神经网络(Probabilistic Neural Network,PNN )相结合的滚动轴承故障诊断方法。首先对振动信号进行VMD处理,根据互相关系数准则筛选最佳模态分量,突显振动信号的故障特性;然后针对多尺度散布熵（Multi-scale Dispersion Entropy,MDE）不稳定的缺点,对MDE的粗粒化过程进行改进,提出IMDE的非线性分析方法。模拟信号分析结果表明,相比于MDE方法,IMDE方法降低了熵值波动,提高了熵值稳定性。将两种方法运用于实际滚动轴承实验数据,发现相比于MDE,IMDE熵值曲线更平滑稳定,不同滚动轴承状态下的IMDE熵值曲线区分更加明显。最后采用PNN对提取的特征进行识别,与MPE-PNN,MDE-PNN以及VMD-MDE-PNN方法相比,所提的MD-IMDE-PNN方法能精确地识别滚动轴承的故障类型,且识别率更高。     

一种新的滚动轴承故障诊断方法的研究

本文在包络谱分析方法的基础上提出了优化包络谱分析的新概念,对其原理和方法进行了实验研究并编制了相应的计算机程序,最后以实例对此方法进行了验证和考核. 这个新的滚动轴承故障诊断方法比其它常用方法在分离和提取滚动轴承故障特征信息中更为有效,它不但能清楚地把轴承故障特征信息分离出来,而且信噪比很高,大大提高了故障诊断的准确程度.     

多模型融合下的滚动轴承故障诊断方法

针对单一分类器对于轴承故障诊断精度低的问题,提出一种多模型融合的滚动轴承故障诊断方法。首先对于滚动轴承的原始振动信号采用WELCH功率谱算法进行预处理,然后从功率谱中提取相关特征参数构成输入样本,分别采用LDA、SVM、KNN以及PNN四种分类器作为基分类器,再结合集成学习算法构造Stacking 集成学习模型,实现对滚动轴承多种故障类型的预测分类。实验结果表明,相比较各个单一分类器,Stacking-SVM集成模型的诊断性能更优,诊断准确率为98 %。同时将该集成模型在不同工况下进行实验及抗噪实验,均能达到较高的诊断准确率。可见该集成模型的故障诊断性能稳定,具有一定的鲁棒性和泛化能力。     

基于双谱的滚动轴承局部损伤故障诊断方法研究

针对故障滚动轴承振动信号的耦合特征,将双谱和双相干谱分析方法用于滚动轴承故障特征的提取,给出了外圈、内圈、滚动体局部损伤三种不同状态下轴承振动信号的双谱及双相干谱图,基于双谱形成了故障特征向量。试验表明,对于损伤元件不同的轴承故障,双谱特征图谱存在明显的差异,而且双谱比双相干谱更有利于故障特征的提取,为局部损伤轴承的故障诊断提供有效的方法。     

基于精细复合多尺度熵特征向量相关系数在滚动轴承故障诊断中应用

复合多尺度熵(CMSE)是在多尺度熵(MSE)基础上提出来的,它改善了MSE存在的熵值不精确、波动较大等,但不能解决样本时间序列太短引起未定义熵问题。精细复合多尺度熵(Refined Composite Multi-scale Entropy,RCMSE)通过改进算法使熵估计的准确性得到提高,并能降低诱导未定义熵的概率。以此为基础,提出基于RCMSE特征向量关系数的轴承故障识别分类方法。该方法首先利用RCMSE对数据样本生成多尺度熵,计算测试样本与已知故障状态的训练样本的RCMSE相关系数,从而判断测试样本的状态类型。对轴承信号数据进行试验表明,该方法能100%准确的对轴承正常,内圈,外圈和滚动体故障信号识别分类。因此,该方法是一种有效的识别故障特征,可为实际轴承故障诊断提供参考。     

A New Method for Rolling Element Bearing Fault Diagnosis Based on Cyclostationary Theory

1　ＩｎｔｒｏｄｕｃｔｉｏｎＴｈｅｃｙｃｌｏｓｔａｔｉｏｎａｒｙｓｉｇｎａｌｉｓａｓｐｅｃｉａｌｋｉｎｄｏｆｎｏｎ ｓｔａｔｉｏｎａｒｙｓｉｇｎａｌ,ｉｎｗｈｉｃｈｔｈｅｓｔａｔｉｓｔｉｃｓｖａｒｙｗｉｔｈｔｉｍｅｐｅｒｉｏｄｉｃａｌｌｙｏｒｐｏｌｙｐｅｒｉｏｄｉｃａｌｌｙ (ｗｉｔｈｍｕｌｔｉｐｌｅｉｎｃｏｍｍｅｎｓｕｒａｔｅｐｅｒｉｏｄｓ) .Ｔｈｅｕｎｉｑｕｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｈｏｗｓｔｈａｔｔｈｅｍｅｔｈｏｄｓｂａｓｅｄｏｎｃｙｃｌｏｓｔａｔｉｏｎａｒｙｔｈｅｏｒｙｎｅｃｅｓｓａｒｉ…     

基于WELCH算法集成学习模型的滚动轴承故障诊断#br#

针对滚动轴承振动信号具有非平稳性、非线性且易受背景噪声干扰,故障特征难以提取等问题,提出一种基于WELCH功率谱算法的集成学习模型的故障诊断方法。首先使用WELCH算法对轴承的原始振动信号进行预处理,从中提取峭度、偏度、波形因子、峰值因子、脉冲因子和裕度因子6 个参数,作为支持向量机的特征向量;然后结合集成学习算法构造Bagging-SVM集成学习模型。实验结果表明,与单一的SVM分类器相比较,Bagging-SVM 集成模型对于轴承的故障诊断性能更优;在不同电机转速下的轴承故障诊断中,诊断率分别为97 %,98 %,98 %和99.5 %;说明了该集成模型在不同工况下的适用性强,诊断性能优秀。     

基于数据增强的滚动轴承智能故障诊断方法

目的 针对包装机械设备中滚动轴承应用场景多且有效故障数据难采集而导致的智能诊断方法诊断准确率较低的问题,提出一种基于数据增强的滚动轴承智能诊断方法.方法 首先根据轴承振动信号的故障特征,提出一种数据增强方法,有效扩充训练数据样本多样性.然后采用卷积神经网络对原始样本和增强样本进行故障诊断训练,从而大幅度提高诊断模型的诊断性能.为了验证所提方法的有效性,建立滚动轴承故障试验台并采集轴承故障数据.结果 实验结果表明,在标签训练样本不充足的情况下,提出的方法与不使用数据增强方法相比,模型在诊断准确率方面取得了较大的提高,能够准确地识别各类轴承故障.结论 该方法实现了准确地对稀缺标记样本下滚动轴承故障的诊断,为保证包装机械滚动轴承故障诊断的诊断精度提供了可靠的方法.