基于EEMD信息熵和PSO-SVM的自动机故障诊断

针对自动机振动信号的瞬态冲击、非线性和非平稳性,提出一种基于集合经验模式分解(EEMD)的信息熵和粒子群优化的支持向量机(PSO-SVM)相结合的故障诊断方法。首先采用小波阈值降噪对振动信号进行预处理;其次运用具有抗混叠效应的EEMD对降噪信号进行分解得到本征模式分量(IMF),从而提取能反映自动机状态的特征参数:能量熵、边际谱熵和奇异谱熵;最后对支持向量机(SVM)的参数利用粒子群优化(PSO)算法进行优化,并将特征向量子集分别作为PSO-SVM和概率神经网络(PNN)的输入参数以识别自动机故障,结果表明:PSO-SVM相对于PNN可以提高故障分类正确率,同时证明基于EEMD信息熵和PSO-SVM方法在自动机故障诊断中的有效性。     

基于VMD能量熵与SVM的行星齿轮箱故障诊断

由于行星齿轮箱振动信号的故障特征难被提取,故采用变分模态分解(VMD)能量熵与支持向量机(SVM)相结合的方式实现行星齿轮箱故障诊断.首先利用VMD方法将振动信号分解为不同尺度的内禀模态函数(IMF)并提取各IMF的能量熵值构成特征矩阵,其次利用粒子群算法(PSO)对支持向量机的惩罚因子和核函数优化,最后将特征矩阵输入支持向量机进行故障模式识别.通过行星齿轮箱的实验研究,验证了该方法的有效性并且识别准确率高达99.625％.     

基于VMD能量熵与SVM的行星齿轮箱故障诊断

由于行星齿轮箱振动信号的故障特征难被提取,故采用变分模态分解(VMD)能量熵与支持向量机(SVM)相结合的方式实现行星齿轮箱故障诊断.首先利用VMD方法将振动信号分解为不同尺度的内禀模态函数(IMF)并提取各IMF的能量熵值构成特征矩阵,其次利用粒子群算法(PSO)对支持向量机的惩罚因子和核函数优化,最后将特征矩阵输入支持向量机进行故障模式识别.通过行星齿轮箱的实验研究,验证了该方法的有效性并且识别准确率高达99.625％.     

基于VMD能量熵与SVM的行星齿轮箱故障诊断

由于行星齿轮箱振动信号的故障特征难被提取,故采用变分模态分解(VMD)能量熵与支持向量机(SVM)相结合的方式实现行星齿轮箱故障诊断.首先利用VMD方法将振动信号分解为不同尺度的内禀模态函数(IMF)并提取各IMF的能量熵值构成特征矩阵,其次利用粒子群算法(PSO)对支持向量机的惩罚因子和核函数优化,最后将特征矩阵输入支持向量机进行故障模式识别.通过行星齿轮箱的实验研究,验证了该方法的有效性并且识别准确率高达99.625％.     

基于变分模态分解和符号熵的齿轮故障诊断方法

为提高齿轮的故障诊断效果,提出了基于变分模态分解(Variational Modal Decomposition,VMD)和符号熵(Symbol Entropy, SE)的齿轮故障诊断方法。首先,利用VMD对齿轮故障振动信号进行分解,得到若干个本征模态分量(Intrinsic Mode Function,IMF);然后,计算IMF分量的符号熵,并将IMF符号熵组成齿轮故障特征向量;最后,将特征向量输入SVM进行故障诊断。齿轮故障诊断实测结果验证了该方法的有效性和优势。     

基于变分模态分解互近似熵和相关向量机的轴承故障诊断

针对轴承故障振动信号非线性、非平稳性的问题,提出了基于变分模态分解(Variational Mode Decomposition,VMD)互近似熵(Cross Approximate Entropy)和相关向量机(Relevance Vector Machine,RVM)的轴承故障诊断方法。该方法首先利用VMD将信号分解成不同尺度下的本征模态分量(Intrinsic Mode Function,IMF);然后,选取主要IMF进行互近似熵计算并将其组成故障特征向量;最后,采用RVM作为分类器,将故障特征输入其中进行故障诊断。将该方法应用到实际的轴承故障信号中,分析结果表明该方法是有效的,在轴承故障诊断中具有一定优势。     

基于VMD多特征融合与PSO-SVM的滚动轴承故障诊断

滚动轴承处于早期故障阶段时,故障冲击特征成分难以提取,为了从轴承故障振动信号中提取特征参数,对轴承故障振动信号进行变分模态分解(Variational Mode Decomposition,VMD),得到若干个本征模态分量(IMFs),计算各个IMF的能量熵与样本熵,并利用主成分分析方法(PCA)对其进行特征融合。最后利用粒子群算法(PSO)优化的支持向量机(SVM)对融合特征进行故障模式识别。轴承故障实验分析结果表明,所提方法能够有效实现滚动轴承故障诊断。     

VMD模糊熵和SVM在柱塞泵故障诊断中的应用

为有效提取非线性非平稳特性的柱塞泵故障特征,提高故障诊断准确率,提出了一种基于变分模态分解（Variational Mode Decomposition,VMD）模糊熵和支持向量机（Vupport Vector Machine,SVM）相结合的柱塞泵故障诊断方法。首先将信号经过VMD分解形成K个固有模态分量（Intrinsic Modal Component,IMF）;然后确定IMF个数,提出了基于峭度分析的IMF个数确定方法;其次取峭度值较大的IMF并计算其模糊熵,确定了各状态下相应的模糊熵;最后将模糊熵作为特征向量输入SVM进行故障识别,准确率可达98.3%。将该方法与经验模态分解（Empirical Mode Decomposition,EMD）模糊熵-SVM、VMD模糊熵-BP神经网络对比,结果表明,VMD模糊熵和SVM相结合的方法在柱塞泵故障诊断中具有优越性。     

基于AO-VMD和IAO-SVM的齿轮箱故障诊断

针对提高变分模态分解（Variational Mode Decomposition,VMD）的自适应性、优选本征模态分量（Intrinsic Mode Function,IMF）及多故障分类的问题,提出一种天鹰优化器（Aquila Optimizer,AO）优化VMD、综合评价模型优选IMF、改进天鹰优化器（Improved Aquila Optimizer,IAO）优化支持向量机（Support Vector Machine,SVM）的齿轮箱故障诊断方法。首先,采用AO优化VMD的参数并分解原始信号;其次,构建基于相关系数、峭度、包络熵、能量熵的CRITIC-TOPSIS综合评价模型,优选IMF,提取能量熵建立特征向量;最后,将其输入IAO-SVM识别故障类型。通过实验验证所提出方法的有效性。     

基于AO-VMD的往复压缩机故障特征提取方法

采用原始VMD方法对往复压缩机故障进行诊断时,往复压缩机易损部件的振动信号存在非平稳、非线性这一问题,为此,提出了一种使用天鹰算法(AO),以各分量样本熵的最小值作为适应度函数,对变分模态分解(VMD)进行优化分解的往复压缩机故障特征提取方法。首先,对往复压缩机滑动轴承的故障进行了分析,对其不同状态下的振动信号进行了分析处理;然后,先使用小波消噪对振动信号进行了消噪处理,再分别使用原始VMD和AO-VMD新型分解方法对其进行了处理,并得到了BLIMF分量;最后,计算两种分解方法中各分量的多尺度样本熵(MSE)值,对不同状态的多尺度样本熵值进行了对比分析,从而实现了对往复压缩机各类故障的诊断。研究结果表明：AO-VMD方法利用AO强大的快速搜索和开发能力后,故障分类性能明显优于原始VMD分解方法,各类故障信号多尺度样本熵值区分明显;其省时方面效果显著,基于遗传算法优化VMD方法分解耗时427 s,而AO-VMD方法仅需165 s,满足故障诊断分解方法要求。     

叶切面最大厚度数值计算与应用

以叶切面最大厚度的数值计算方法为基础,探讨叶切面最大厚度计算的计算机实现,介绍叶切面厚度数值计算法的应用实例.     

Natural frequencies of vibration of a class of solids composed of layers of isotropic materials

In a recent paper, the Ritz method with simple algebraic polynomials as trial functions was used to obtain an eigenvalue equation for the free vibration of a class of homogeneous solids with cavities. The method presented is here extended to the study of a class of non-homogeneous solids, in which each solid is composed of a number of isotropic layers with different material properties. The Cartesian coordinate system is used to describe the geometry of the solid which is modelled by means of a segment bounded by the yz, zx and xy orthogonal coordinate planes and by two curved surfaces which are defined by fairly general polynomial expressions in the coordinates x, y and z. The surface representing the interface between two material layers in the solid is also described by a polynomial expression in the coordinates x, y and z. In order to demonstrate the accuracy of the approach, natural frequencies are given for both a two- and three-layered spherical shell and for a homogeneous hollow cylinder, as computed using the present approach, and are compared with those obtained using an exact solution. Results are then given for a number of two- and three-layered cylinders and, to demonstrate the versatility of the approach, natural frequencies are given for a five-layered cantilevered beam with a central circular hole as well as for a number of composite solids of more general shape.     

盘丝极心偏对三爪自定心卡盘找标精度影响的分析

三爪自定心卡盘作为机床的主要附件,已有一百多年的发展历史,尽管目前随着数控技术的不断发展,越来越多地需求高速动力卡盘,但三爪自定心卡盘目前仍有一定的市场。 要保证卡盘可靠地夹紧工件,必须使其有可靠的夹持精度;要保持卡盘的精度,必须要严格控制各零部件公差及误差,如盘丝的极心偏。 　　极心偏是形成圆的渐开线的基圆圆心 (极心 )与盘丝内孔中心不同心所造成的偏差值。它对卡盘精度的影响分两种情况,一是卡爪夹持弧采用配磨,二是卡爪夹持弧采用单磨。本文主要探讨配磨时的影响。 　　卡爪夹持弧采用配磨,即每台卡盘整体…     

双丝杠驱动机构同步分析

介绍了双丝杠驱动机构工作原理,论述了双丝杠运动产生不同步的原因以及如何判定与解决同步问题。     

圆柱面素线的直线度公差带解析

详细分析了圆柱面素线的直线度公差带在新旧标准中定义和解释的区别，并从对圆柱面素线实际要素检测的角度，提出了推行新标准的实际意义。     

膨胀套导向机构的设计

通过分析膨胀套在实际使用产生滑移受阻现象、卡死现象原因的实质,并在分析产生问题原因的基础上提出了改进措施即：增加导向机构。     

广州地铁APM列车制动机理分析

根据广州市珠江新城旅客自动运输系统(APM)列车的运行特点,介绍APM列车制动系统的制动方式及其特点,分析APM列车动态制动和摩擦制动的工作机理及其区别和联系,阐明APM列车制动系统的电控制过程和气控制过程,从而为APM列车制动系统的维护和管理提供一定的依据.     

磨粉机快辊轴承座加工工艺设计

设计了磨粉机快辊轴承座的加工工艺和具体的工装夹具.利用卧式加工中心加工磨粉机快辊轴承座,辅以能够高效快速夹紧的夹具,既可以保证加工精度,又能够提高加工效率.     

活塞销孔加工工艺的改进

我公司于８０年代末引进Aspera公司年产８０万台冰箱（冷柜）压缩机生产线及软件技术，在压缩机加工中，活塞销孔（如图１所示）的加工是难点之一。用镗床加工，质量一直难以达到要求，废品率很高。后来我们将Aspera公司的加工工艺即精镗后滚光改为精镗后用金刚石铰刀粗、精铰孔，由此解决了这个技术难题。（１）原意大利Aspera公司工艺简述其工艺流程为：钻６．５通孔→扩孔至７＋０．１→粗镗７．４７３＋０．０３６、圆柱度０．０１→精镗至７．９３５＋０．００６、圆柱度０．００２→滚光７．９３８＋０．００６、圆柱度０…     

串联混合动力牵引车蓄电池SOC的监测

文中提出了基于安时法计算混合动力电动牵引车蓄电池已用电量，在求出当前蓄电池荷电状态的基础上，利用根据能量守恒模型计算出的蓄电池SOC进行荷电状态校正，采用80C196KC加上相应的感应器来实现。实验表明，该方法测出的蓄电池荷电状态比较准确，有较高的精度。