基于Kriging模型的高速列车齿轮箱箱体裂纹识别

齿轮箱作为高速列车走行部的关键部件,其箱体结构的性能时刻关乎着列车运行安全性.裂纹作为一种重要且常见的结构损伤形式,其存在与否以及损伤情况对结构的性能有着极其重要的影响.基于此,提出了一种基于Kriging代理模型的非运行条件下高速列车齿轮箱箱体裂纹识别方法.利用拉丁超立方取样抽取裂纹参数样本,通过有限元分析计算得到相...     

基于时间反转聚焦的声发射源定位算法

声发射检测可以判断损伤的活性和严重性而被广泛应用,但对损伤位置仍没有更准确的定位方法。提出一种基于时间反转理论的声发射源准确定位的方法。根据声发射被动监测的特点,研究采用时间反转聚焦方法使声发射信号能量叠加放大,提高信号的信噪比,并分析推导了具体损伤声源信号时间反转聚焦增强过程;利用时间反转对声发射源的自适应聚焦能力,重建信号传播波动图,通过信号聚焦显示出损伤声源位置和区域;最后通过数值仿真对该方法进行验证,仿真结果表明能有效提高损伤声源信号的能量,能够对检测区域的信号重建,并通过显示准确给出损伤声源位置,定位精度较常规时差定位法有较大提高。     

弹性支撑下风电机组传动系统结构动力分析

考虑水平轴风力发电机组齿轮箱弹性支撑的柔性连接特性,基于集中质量思想和拉格朗日方法,建立风力发电机传动系统多体动力学模型,研究了齿轮箱弹性支撑对传动系统结构动力学特性的影响.利用动力学模型和模态分析方法,得到了由弹性支撑耦合到系统后的模态频率,并获取了在该模态激励下的模态动能分布.采用变参数方法进行传动系统模态对齿轮箱弹性支撑刚度变化的敏感性分析,利用模态叠加法进行齿轮箱体的动响应分析.数值求解结果和分析表明,考虑齿轮箱弹性支撑的传动系统某阶固有频率即为弹性支撑下齿轮箱体振动主模态;弹性支撑线刚度对传动系统低频率固有模态存在一定影响;齿轮箱体振动分析时应考虑1阶和2阶的低频模态较为合理.本研究工作对传动链系统方案可靠性设计和抑制传动链振动的加阻控制提供了一定理论基础.     

动车组齿轮箱箱体模态分析研究

针对动车组的齿轮箱箱体出现裂纹,严重威胁到高速动车组的安全运行问题,首先建立齿轮箱箱体有限元模型,采用Block Lanczos运算法提取模态参数;其次通过搭建齿轮箱箱体试验提取模态平台,采用有效独立平均加速度幅值法选取测试点,用力锤试验提取箱体模态参数;最后通过仿真与试验结果研究齿轮箱箱体的振动特性。结果表明:仿真与模态试验提取的固有频率,相对误差基本控制在4%~6.5%之间,相对误差数值均满足工程试验要求,表明了有限元模型具有较高的可行性,能更好地反应齿轮箱箱体的质量和刚度分布。从齿轮箱箱体的振型图中可以看出振型变化幅度基本一致,表明齿轮箱模态Block Lanczos运算法仿真达到了准确效果。在优化齿轮箱箱体结构并对其性能做出评价时,该模型可以提供参考,尽量避免随机激励所对应的固有频率和箱体的固有频率一致,从而导致箱体产生共振。     

基于混沌理论的飞机健康预测方法

为解决飞机关键结构部件疲劳损伤的有效预测,避免灾难性事故的发生,提出了一种基于混沌理论与声发射技术对飞机结构部件进行健康预测的新方法.采用先进的声发射技术监测某飞机真实水平尾翼的健康状态,运用小波分析对募集的声发射信号进行预处理,提升强背景噪声下有效数据的信噪比.使用混沌理论提取水平尾翼声发射信息的关联维数,构建能反映结构健康状态的特征信息,并由神经网络对其健康状态进行预测.实验研究表明,该方法能很好地预测飞机水平尾翼的健康状态,具有较好的实用性,适用于强噪声环境中飞机结构部件的健康预测.     

基于声发射参数分析的滑动轴承故障诊断方法研究

本文基于声发射产生机理,对基于声发射参数分析法进行滑动轴承故障诊断方法进行理论和实验研究。首先,通过汽轮机发电机组模拟转子实验台模拟了滑动轴承三种润滑状态,通过实验台以及设计的实验方案,利用声发射采集设备对不同润滑状态的声发射信号进行采集。其次,针对采集到的不同润滑状态声发射信号,对其能量均值以及功率谱熵均值进行计算,提出了基于声发射能量均值和功率谱熵均值的散度指标的滑动轴承润滑状态诊断方法,并利用这种方法对模拟信号进行诊断,同时将其与单一能量参数分析法进行对比,发现能量参数分析法不能很好的反映出滑动轴承的三种润滑状态,而文中所提的采用多参数结合的指标诊断方法具有更好的信号适应性以及更高的区分度。     

基于小波包分析木材声发射信号消噪处理

由于目前的滤噪技术在检测木材声发射信号时还存在一定的缺点,本文根据木材声发射信号的特征,基于小波包分析研究了利用信号的小波包分析、计算和最佳小波包基的选取.采用默认阈值方法处理小波系数,通过小波包重构得到消噪后的木材损伤声发射信号,噪声得到较好的抑制.结果表明用小波包变换进行消噪处理,噪声消除彻底,提高了损伤缺陷检测的准确性.     

基于改进迁移学习的行星齿轮箱故障自动诊断

传统机器学习故障诊断方法依赖专业经验选取统计特征,导致诊断结果误差较大。为此,提出了基于改进迁移学习的行星齿轮箱故障自动诊断。采集行星齿轮箱的振动信号,对振动信号进行去噪处理,利用深度学习改进迁移学习构建故障诊断模型,对采集信号进行分类识别,实现了行星齿轮箱故障自动诊断。结果表明,该设计方法下不同类型的行星齿轮箱故障诊断精度为96.09%,证实了该方法的性能良好。     

复合材料层板结构疲劳失效数值仿真研究

研究疲劳载荷作用下复合材料层板结构的疲劳失效问题,由于复合材料损伤演化和破坏机理十分复杂,传统方法依赖大量的试验数据,不仅耗费大,而且适用性有限。为了提高复合材料在疲劳载荷下疲劳失效的准确预测,提出了一种改进的疲劳失效分析方法。得到一个与损伤相关联的刚度-强度关联退化模型,利用复合材料刚度退化的连续性将损伤等效累积,使之能够适用于复杂载荷下的疲劳失效分析。利用Ansys软件开发了相应的复合材料层板结构参数化疲劳分析程序,能够仿真不同几何参数下复合材料层板结构在疲劳载荷下的疲劳失效过程。通过不同类型的算例比较,结果令人满意,证明改进方法及相应程序的正确性,具有工程应用价值。     

一种自适应报警的轴承性能退化评估新方法

论文首次将线性预测倒谱系数(LPCC)引入到轴承声信号特征提取,并提出了一种自适应报警的轴承声信号性能退化评估新方法:首先使用正常状态下的声信号进行隐马尔可夫模型(Hidden Markov Model,HMM)训练,建立正常HMM模型;然后计算当前评估数据在正常HMM模型条件下的输出概率,当输出概率超出阈值范围时,即认定轴承性能状态处于退化Ⅰ级.在启动报警的同时采集退化Ⅰ级声信号重新训练HMM,使用新的HMM对下一时刻运行的轴承进行性能退化评估,直到依次出现退化Ⅱ级,退化Ⅲ级或更严重的退化状态,实现了自适应性能退化评估功能.轴承加速疲劳寿命实验表明,论文提出的自适应性能退化评估方法能够描述轴承整个性能退化过程,具有良好地应用前景.     

基于Petri网的变电站故障诊断方法

为提高配置多级继电保护的变电站故障诊断的效率 ,本文以Petri网络模型中变迁矢量的不同权重表示继电保护配置的级别 ,使得诊断结果中产生对应继电器和断路器信号的特定诊断标志 ,从而增强了故障信号的识别能力 .诊断过程通过单向矩阵运算实现 .真实变电站故障诊断仿真过程表明 ,该方法运算速度快、诊断正确率高.     

基于Lab VIEW的多通道木材声发射信号采集系统

为采集木材在长时间载荷作用下的声发射信号,设计了一种多通道的高速数据采集系统.首先,利用NI USB-6336高速采集卡和声发射传感器等硬件搭建4通道声发射信号硬件采集平台;其次,基于Lab VIEW设计人机界面及软件控制系统;最后,通过木材三点弯曲试验来验证该采集系统的效用.试验结果表明,该4通道的信号采集系统能有效地采集与自动存储木材在损伤过程中的声发射信号.作为一种木材声发射信号采集平台,该系统能够为木材声发射信号的采集与分析提供基本保障.     

汽车变速箱嵌入式诊断系统设计与实现

嵌入式技术作为一种在线诊断故障的实现手段,已愈来愈为众多专家、学者和工程技术人员所关注。针对汽车变速箱,设计开发一套基于嵌入式技术与故障诊断技术的汽车变速箱故障诊断系统,并对汽车变速箱故障嵌入式诊断系统的硬件、软件进行简单研究,提出基于多支持向量机的汽车变速箱故障识别方法,并对相关技术开展深入研究。所研究的相关技术及系统的实现方案为嵌入式技术在相关动力装置故障诊断中的有效应用提供一条切实可行的途径。     

基于虚拟仪器的多通道声发射检测系统设计与开发

针对目前商用声发射检测系统的不足,基于虚拟仪器技术设计并开发了一套多通道声发射检测系统。该系统采用通用高速同步数据采集卡实现对四通道声发射信号的采集,单通道采集频率可调且可达125MHz,采样长度可调。以LabVIEW为平台开发配套的软件,实现对数据采集过程的控制、采集数据的预处理、波形显示和数据保存等功能。利用该系统开展了一维直线和二维平面断铅实验,通过对实验数据进行处理实现了对断铅位置的定位,并从多角度分析了定位误差的来源,依据行业标准对系统的性能实施了定性与定量评价。断铅实验结果表明声发射源定位误差低于传感器阵列中最大传感器间距的5%,验证了所开发系统的可用性,其硬件条件、软件功能以及定位精确度满足行业标准。所提出的声发射检测系统设计方案、实验方法以及数据处理方法将为工业现场声发射检测系统的研发提供有益的借鉴。     

基于音频信号的轴承故障诊断方法

介绍了一种基于隐马尔可夫模型的轴承故障音频信号诊断方法。通过对轴承音频信号的 Mel 频率倒谱系数特征提取,分别采用离散 HMM 和连续高斯混合密度 HMM 两种方法进行建模与诊断研究。与 CGHMM 方法相比,DHMM 方法运算速度快,但诊断精度低。而从总体上来看,两种方法都具有运算速度快,诊断精度高的优点。结果表明,本文方法具有很好的应用前景。     

BLDC motor speed control system fault diagnosis based on LRGF neural network and adaptive lifting scheme

Brushless DC (BLDC) machines are found increasing use in applications that demand high and rugged performance. In some critical circumstance, such as aerospace, the motor must be highly reliable. In this context, a novel model-based fault diagnosis system is developed for brushless DC motor speed control system. Under the consideration of the complexity of characterizing the dynamic of BLDC motor control system with analytic expression, a LRGF neural network (LRGFNN) with pole assignment technique is carried out for modeling the system. During the diagnosis process, fault signal of the motor is isolated with LRGFNN online. Meanwhile, adaptive lifting scheme and adaptive threshold method are presented for detecting the faults from the isolated fault signal under the existence of mechanical error and electrical error. The effectiveness of the diagnosis system is demonstrated in the simulation of electrical and mechanical fault in the motor. The detection of the incipient fault is also given.     

基于CGHMM的轴承故障音频信号诊断方法

轴承音频信号包含其运行状态的重要信息,通过分析这些信息就能对轴承故障进行有效诊断。率先引入基于连续高斯混合密度隐马尔可夫模型的轴承故障音频诊断方法,避免矢量量化带来的数据处理误差,提高了系统诊断精度;引入基于聚类算法的模型参数初始化方法和标定系数的前向-后向算法,简化系统复杂度,加快了训练和诊断速度,进一步提高了诊断精度。实验结果表明,诊断精度达到98.75%,具有很好的应用前景。     

单向阀的小波包核主元分析故障检测

高压活塞隔膜泵是管道输送的最重要动力源,为了解决其内部单向阀故障的在线监测问题,提出一种基于声发射信号的小波包时频及核主元分析(KPCA)的检测方法。首先采用小波包对声发射数据进行处理,求出信号各频率段的能量值;然后采用KPCA方法对能量值在高维空间进行分解建立特征模型,利用特征模型中的SPE和T2统计量对故障信号进行检测;最后对GEHO型隔膜泵单向阀的声发射数据进行实验验证。通过与主元分析方法的比对,表明所提方法能够快速、准确地对单向阀故障进行在线检测,在高压活塞隔膜泵无损故障检测领域具有良好的应用前景。