风力机叶片蒙皮初始裂纹的盲信号提取

针对风力机叶片初始裂纹特征难以提取的问题,提出了一种逐步提取并消减噪声源信号从而获得微弱裂纹故障特征的盲提取方法.首先基于卷积混合模型极小化改进代价函数推导自适应学习迭代算式,在仿真实验中确定非线性激励函数和滤波器的传输函数,根据输出信号的性能参数证明了改进算法对尖峰噪声的异常点更加敏感稳健.在风力机叶片疲劳实验台上模拟叶片蒙皮的初始横向裂纹,通过声发射信号采集系统获得观测信号,分析噪声源的特性并提取了初始裂纹的声发射信号特征,为风力机叶片状态监测和预警提供了依据.     

冷却塔风机故障的诊断

通过分析冷却塔风机故障的频谱特征，诊断了风机运行异常振动原因并加以解决，确保了风机的正常运行。     

基于RBFN的低速机械多故障特征盲提取

由于低速机械故障特征极其微细,而且采集的是多故障源和背景噪声的混合信号,这给低速机械状态监测和识别带来很多困难.提出一种在混合路径和原始信号都未知的情况下提取低速轴承应力波多故障特征的方法,分析低速机械应力波发生和传播机理,研究利用RBFN的非线性映射关系更新分离矩阵,并在风力机组滚动轴承诊断中提取了滚子裂纹和油污故障特征波形和频率,从而证明该方法能够高效、准确地监测大型低速机械的运行状态.     

基于自学习字典的盲提取方法在滚动轴承多故障诊断中的应用

当齿轮箱中的多个轴承同时发生故障时,由于各故障源之间的相互耦合效应,常规盲提取方法难以对其进行有效特征提取。为解决上述问题,提出一种基于稀疏表征自学习字典理论的盲提取方法。首先,将稀疏表征自学习字典方法用于滚动轴承多故障信号分析,得到一系列自学习字典集;然后,利用学习到的字典集重构滚动轴承多故障信号以消除噪声及干扰信号;最后,将盲提取方法用于重构后的滚动轴承复合故障信号,抽取出滚动轴承各单一故障信号,再逐一对单一故障信号进行包络解调分析,以获取相应的故障特征。通过实验,对所述方法的可行性及有效性进行了验证。     

利用多通道盲反卷积提取滚动轴承故障冲击信号

分析了滚动轴承振动信号的多通道盲反卷积模型.在实验室中利用最小均方盲反卷积算法,从测量信号中提取出滚动轴承故障冲击信号,实现了滚动轴承的故障诊断.     

基于量子遗传的机械故障非线性盲源分离方法研究

针对传统的机械故障非线性盲分离方法的不足,即将非线性盲源分离中分离矩阵和非线性去混合函数的参数分开来优化,这样容易顾此失彼,学习效率低。将量子遗传引入到机械故障非线性盲分离中,提出一种基于量子遗传的机械故障非线性盲源分离方法(简称QGA-NBSS方法),该方法能同时对分离矩阵和非线性去混合函数的参数进行优化,获得全局最优解并加快了算法的全局收敛性,克服了传统的机械故障源的非线性盲源分离方法的不足。仿真和实验结果验证了提出的方法的有效性。     

盲解卷积的机械振动信号分离技术

针对机械振动信号往往是多个信号卷积混合的结果,阐述了卷积混合的模型和原理.利用扩展的H-J网络结构,给出了在线实时的盲解卷积迭代算法,并通过仿真试验验证了算法的有效性和准确性.该法与传统的傅里叶变换频谱分析相比,能获得更多的振源振动信息,可更准确地进行机械故障诊断.     

基于盲源分离技术的故障特征信号分离方法

信号采集过程中，传感器测量到的信号是实际振动信号在此测量方向的投影值，由于其他不相干振源的影响，测量信号由多个振动信号成分组成。在分析多振源信号混合模型的基础上，采用盲源分离技术分离不同的振源信号，讨论分离结果的广义初等相等性质的影响，研究估计振源数目的方法和选取测量信号的方法，利用二阶特征矩阵联合近似对角化算法，从测量信号中分离故障特征源信号。该算法可减小信号采集不当造成的影响，有效提高特征信号的提取。     

三维网格模型盲提取水印算法

基于离散傅里叶变换(DFT)技术和扩频通信技术提出三维模型稳健水印嵌入算法.算法利用扩频通信技术将原始的一维二值水印序列生成可直接嵌入的水印信息;利用主成分分析(PCA)方法,将原始模型变换到仿射(旋转、平移和均匀缩放)不变空间中,选取模型项点到其中心距离作为水印嵌入单元,采用单极性量化嵌入单元离散傅里叶变换系数幅度的方法实现水印的盲提取.对算法进行了仿真,结果表明嵌入的水印信息具有不可见性,且能够抵抗模型的旋转、平移、均匀缩放等常见攻击.     

基于鲁棒预白化的机械噪声信号盲分离

机械噪声故障诊断的难度在于实际检测的噪声是多个设备或零部件噪声信号的混合,信噪比低,基于二阶统计量盲源分离算法的故障噪声诊断技术,利用二阶协方差矩阵的联合对角化,从测量噪声中分离出感兴趣故障噪声进而提取特征,但该算法抗干扰噪声性能差。本文利用多个协方差矩阵平滑滤波后的矩阵进行白化,进一步提高了抗干扰噪声能力,在样本数据较少时仍能实现较好的盲源分离效果,仿真实验证实了该算法的有效性。     

空调冷却塔变流量的优化研究

研究了冷却塔在优化状态下,优化风量和水流量随冷却塔负荷和室外空气状态的变化而变化的规律.得出在负荷从170kW降低到120kW时,冷却塔的优化风量降低为原来的54.6%,优化水流量为原来的70.6%,且考虑到室外温度降低4℃时,优化风量降为额定风量的22.6%,从理论上分析了变流量系统的节能性.     

齿轮箱复合故障信号的非线性盲源分离算法研究

针对齿轮箱复合故障分析问题,文中提出一种新型非线性盲源分离（Nonlinear Blind Source Separation, NBSS）算法。该算法先利用反向传播（Back Propagation, BP）神经网络逼近非线性混合模型的逆,并对经过BP 神经网络处理后的信号进行独立成分分析（Independent Component Analysis, ICA）;然后以独立成分分析后的信号的负熵作为适应度函数,采用遗传算法对BP神经网络的参数进行寻优;最后利用优化的BP神经网络参数,对观测到的混合信号进行分解,分离出纯净的振源信号。与采用粒子群优化（Particle Swarm Optimization, PSO）算法的核独立成分分析（Kernel ICA, KICA）相比,该方法提取的分离信号具有更高的精度,为齿轮箱复合故障诊断提供了关键技术与有效方法。     

再循环冷却塔辐射供冷的试验研究

针对我国中湿度地区设计搭建了再循环冷却塔实验台,并与辐射末端相结合,阐述了其工作原理并对再循环冷却塔进行了性能测试。依照过渡季节和夏季工况,对再循环冷却塔供冷性能进行了测试,并结合测试结果对不同冷源的供冷方案进行能耗分析,挖掘了再循环冷却塔在实际应用中的节能潜力。经计算得出,在不同条件下该系统方案相比传统机械制冷供冷方案可节能40%~60%。同时以期使更多的工程设计人员了解该供冷模式及设计思路,为工程设计人员提供有益的参考。     

无填料冷却塔冷却性能的试验研究

建立了无填料冷却塔试验平台,研究了不同进风位置、气水比、室外空气干球温度、循环水进水温度下无填料冷却塔冷却性能的变化规律。结果表明:上喷式无填料冷却塔上进风时冷却效率优于下进风,下喷式无填料冷却塔下进风时冷却效率优于上进风;气水比升高冷却效率升高,但气水比达到1.8后,继续提高气水比冷却效率增速降低;室外空气干球温度升高,冷却效率降低;进水温度升高冷却塔冷却效率均得到提高,但上喷式冷却塔冷却效率的提高明显大于下喷式冷却塔。     

基于EEMD的单通道盲源分离在轴承故障诊断中的应用

针对一维观测矩阵的极度欠定盲分离模型,结合盲源分离和总体经验模式分解的优点,利用总体经验模式分解将单通道信号转化为固有模态矩阵,重组观测矩阵,再通过近似联合对角化实现信号的盲分离。数据仿真说明该方法能提取低信噪比下的轴承故障信息。实验中,对2种不同故障的轴承进行故障诊断,从而进一步证明了该方法的有效性。     

免疫优化盲源分离算法在故障诊断中的应用

将人工免疫算法用于盲源分离算法,阐述了盲源分离过程,提出了免疫优化盲源分离算法(AIS-ICA算法),针对4组特定信号的混合与分离进行了仿真试验。仿真试验结果表明,该算法具有收敛速度快、分离精度高和稳定性好等优点。将该算法用于齿轮箱振动信号的盲源分离及其故障诊断,增强了振动信号所携带的故障信息,结果表明该算法用于齿轮箱振动信号分离可增强故障信息,降低齿轮箱故障诊断难度。     

横流闭式冷却塔的试验研究

介绍了一种新型的冷却塔--横流闭式冷却塔试验研究,通过试验得到了影响横流闭式冷却塔性能的主要因素,并经过分析得出了这些因素对其性能的影响规律,提出了优化横流闭式冷却塔设计的几点建议.     

基于盲源分离与小波降噪的旋转机械故障分析

基于小波降噪和盲源分离相结合对机械信号进行分离与故障诊断。首先使用经分析选择的较好小波阈值对非平稳振动信号进行降噪,然后运用盲源分离技术分离出激振信号,结果表明利用小波阀值降噪后进行盲源分离时分离信号与源信号相似系数优于直接盲源分离;将小波降噪和盲源分离相结合应用于某燃气轮机的实测故障信号提取,诊断出转子发生了不平衡及碰摩等故障现象,与实测情况相符,有效说明了该方法在旋转机械故障诊断中的实用性。     

基于遗传算法的盲源分离在轴承诊断中的应用

提出了一种基于遗传算法的盲源分离算法，该算法直接从信号的样本序列估计信号的概率分布，解决了信号问互信息的求解问题，通过遗传算法最小化信号的互信息，实现对线性混叠信号的分离。将该算法用于轴承声音信号的分离，取得了较好的效果。