基于小波有限元技术的单螺杆压缩机螺杆轴的裂纹识别

为了能够有效地对单螺杆压缩机螺杆轴进行裂纹识别,以小波有限元技术为支撑,提出了单螺杆压缩机螺杆轴的裂纹识别方法.首先,结合有限元理论和Daubechies小波提出了适用于单螺杆压缩机螺杆轴裂纹识别的小波有限单元;然后,建立了单螺杆压缩机螺杆轴的振动小波有限元方程,可以对含有不同裂纹的螺杆轴进行固有频率的计算;接着,生成了裂纹识别数据库;最后,通过对4种含有不同裂纹的螺杆轴进行裂纹识别,验证了该方法的有效性.     

非理想数据下基于仿真数据辅助迁移学习的滚动轴承故障诊断

旋转机械在实际工程应用中常处于正常状态,因而呈现故障样本稀少甚至部分缺失等非理想数据情况。针对直接采用非理想数据建立深度学习诊断模型时的低准确率问题,提出基于有限元仿真数据辅助迁移学习的故障诊断方法。首先,通过数值仿真计算不同运行工况和故障类型的轴承信号;进而,利用大量低成本高保真的仿真样本对模型预训练,利用真实小样本或者仿真样本增补后的混合样本进行模型微调,以完成高准确率故障诊断,并降低迁移学习对故障轴承实测数据的依赖;最后,利用两个轴承实验台数据进行验证。结果表明在单类故障样本数为1时,采用所提方法建立的模型准确率超过95%;在故障样本稀少且多类缺失时,准确率比仿真数据直接增补方式提升超10%。     

小波变换在故障诊断中的应用

小波变换是一种日益获得广泛应用的信号分析方法。介绍了小波变换基本原理和利用小波变化来检测信号的奇异特征的原理,证实了小波变化在检测奇异信号方面的有效性。结果表明基于小波变换的去噪方法是非常有效的。     

基于小波分析和修正指数分布的齿轮故障诊断方法

提出了基于小波分析和修正指数分布(modifiedexponentialdistribution,MED)的齿轮故障诊断方法,该方法采用小波包将齿轮振动信号分解为若干个频率段,然后选择合适的频率段进行小波包重构,对重构后的信号进行MED分析,得到齿轮振动信号的小波包时-频分布,进而从中提取齿轮振动信号故障的故障特征.对具有裂纹的齿轮振动信号分析结果表明了基于小波分析和MED的齿轮故障诊断方法的有效性.     

基于信息熵和Haar小波变换的开关电流电路故障诊断新方法

针对开关电流(SI)电路的故障诊断和定位问题,为进一步提高故障准确率,提出了基于信息熵和Haar小波变换的开关电流电路故障诊断新方法。该方法采用伪随机信号激励经蒙特卡罗分析、Haar小波正交滤波器分解和信息熵及模糊集的计算来实现故障特征的提取,以减少信号的冗余。最后构建故障字典,完成各故障模式的故障分类。对六阶切比雪夫低通滤波器进行了仿真实验验证,获得了100%的故障诊断准确率,与其它方法进行比较,实验结果显示了本文方法的优越性。     

基于实验模态和有限元分析的轧机故障诊断

针对某钢厂热连轧机在轧制过程中出现的异常振动现象，分别对轧机机架和传感器壳进行了实验模态分析，得出轧机异常振动是由于机架和传感器壳的自激振动，引起传感器连接杆和传感器壳的不合理相对运动耦合的结论；然后采用实验模态分析和有限元建模相结合的建模方法，获得了足够精度的传感器壳修正模型。最后对传感器壳修正模型进行结构动力学修改，修改后，消除了异常振动，解决了该热连轧机的自激振动。     

基于小波包变换与神经网络的齿轮故障诊断方法

对齿轮箱故障诊断问题进行研究,由于齿轮的振动信号是非平稳信号,常规的齿轮特征提取方法难以从振动信号中提取有效故障特征信息。笔者采用小波包理论对齿轮振动信号应用db12小波进行多层分解后,从而对信号进行消噪,并对消噪后的信号进行小波包3层分解及系数重构,再次对各频段能量进行处理分析从而得到特征向量。最终应用归一化方法对特征向量处理后再结合RBF神经网络进行故障诊断,并且取得了良好的诊断效果。     

基于有限元的腰绳系统设计方法

腰绳是减小履带起重机起臂过程中臂架挠度的重要构件之一,根据这种柔性系统力学复杂性的分析,提出了基于有限元的腰绳系统设计方法,通过实例表明腰绳作用的有效性及方法的合理性.     

小波消噪在滚动轴承故障诊断的应用研究

滚动轴承振动信号容易受到随机噪声的污染,如何去噪成为滚动轴承故障诊断的关键问题之一。而传统的消噪方法可能会将信号中一些能量小的有用信号当作噪声消除,本文即提出一种改进的小波消噪方法,并用仿真信号和实测滚动轴承振动信号对额方法和传统消噪的方法进行性能比较。结果表明,在消噪方面,小波消噪能更好地提高信噪比,为进一步故障诊断决策提供了可靠的依据。     

小波理论-近似熵在风机故障诊断中的应用

风机的振动信号是一种典型的非平稳时变信号,具有混沌特征。提出用小波理论的滤波算法对风机原始振动信号进行降噪处理,用近似熵来定量描述风机的工作状态,进而对风机进行故障诊断。通过对风机不同工作状态下振动信号的分析,结果表明,风机在不同工作状态下所对应的近似熵有明显的变化,小波理论近似熵的方法适用于风机故障的检测。     

基于小波分析的制冷压缩机故障诊断研究

介绍了小波分析的方法，并利用于吸排气阀片损坏及压缩机好转故障诊断。小波分析可以将故障检测出来，及早地发现并预报故障。     

Crack detection in beams using experimental modal data and finite element model

In this paper, an analytical, as well as experimental approach to the crack detection in cantilever beams by vibration analysis is established. An experimental setup is designed in which a cracked cantilever beam is excited by a hammer and the response is obtained using an accelerometer attached to the beam. To avoid non-linearity, it is assumed that the crack is always open. To identify the crack, contours of the normalized frequency in terms of the normalized crack depth and location are plotted. The intersection of contours with the constant modal natural frequency planes is used to relate the crack location and depth. A minimization approach is employed for identifying the cracked element within the cantilever beam. The proposed method is based on measured frequencies and mode shapes of the beam.     

基于小波变换和ICA特征提取的开关电流电路故障诊断

提出了采用小波变换和独立成分分析(ICA)作为预处理器来进行特征提取的神经网络开关电流电路故障诊断方法。该方法对采集到的故障响应信号进行Haar小波正交滤波器分解,获得低频近似信息和高频细节信息;然后利用独立成分分析方法进行ICA故障特征提取;最后将所得到的最优故障特征输入到BP神经网络中进行故障分类。对六阶切比雪夫低通滤波器和六阶椭圆带通滤波器电路进行了仿真实验验证,获得了100%的故障诊断准确率,与其他方法进行比较,实验结果显示了该方法的优越性。     

小波分析技术在汽轮机故障诊断中的应用研究

本文就小波分析技术在汽轮机故障诊断应用中的故障特征提取问题进行了深入研究，提出了基于小波能量分布的故障特征提取方法，并在转子试验台上进行了验证。实践检验证明，该实现方法能够满足汽轮机振动信号分析的需要，是一种灵活有效的特征提取方法。     

Wheel-bearing fault diagnosis of trains using empirical wavelet transform

Rolling bearings are used widely as wheel bearing in trains. Fault detection of the wheel-bearing is of great significance to maintain the safety and comfort of train. Vibration signal analysis is the most popular technique that is used for rolling element bearing monitoring, however, the application of vibration signal analysis for wheel bearings is quite limited in practice. In this paper, a novel method called empirical wavelet transform (EWT) is used for the vibration signal analysis and fault diagnosis of wheel-bearing. The EWT method combines the classic wavelet with the empirical mode decomposition, which is suitable for the non-stationary vibration signals. The effectiveness of the method is validated using both simulated signals and the real wheel-bearing vibration signals. The results show that the EWT provides a good performance in the detection of outer race fault, roller fault, and the compound fault of outer race and roller.     

小波包分析在柴油机故障诊断中的应用

运用小波包分析方法对柴油机缸盖振动信号进行预处理,并运用小波包频带的能量分析方法识别柴油机喷油雾化质量故障。在不同工况下的柴油机上测得两组振动加速信号,并对该信号进行分析,准确识别了故障。说明该方法对提取故障信息并进行诊断是行之有效的。     

改进的小波神经网络在异步电机故障诊断中的应用

根据异步电机的复杂故障特点,结合小波变换技术,提出了一种改进的小波神经网络用于异步电机的故障诊断。利用小波变换技术提取异步电机特征信号作为小波神经网络的输入向量,并对小波神经网络算法进行优化,提出了动量系数和学习率自适应调整的小波神经网络算法,给出了动量系数和学习率的调整方法。通过实际测试数据的诊断结果说明该方法的有效性和可行性,具有诊断准确率高、收敛速度快、泛化能力强等优点。     

基于有限元方法的柴油机活塞热分析

介绍运用有限元方法对柴油机机活塞进行热分析的方法。具体针对某型号柴油机,分析其活塞稳态温度场和热变形。分析结果表明,活塞最高温度出现在活塞头部,为377.22℃;活塞轮廓的径向变形最大值为0.451mm,也发生在活塞头部。并对活塞热态纵向型线进行拟合,为活塞冷态纵向型线的设计提供参考依据。     

Rolling element bearing fault detection based on optimal antisymmetric real Laplace wavelet

The presence of periodical impulses in vibration signals usually indicates the occurrence of rolling element bearing faults. Unfortunately, detecting the impulses of incipient faults is a difficult job because they are rather weak and often interfered by heavy noise and higher-level macro-structural vibrations. Therefore, a proper signal processing method is necessary. We proposed a differential evolution (DE) optimization and antisymmetric real Laplace wavelet (ARLW) filter-based method to extract the impulsive features buried in noisy vibration signals. The wavelet used in paper is developed from the fault characteristic signal model based on the idea of sparse representation in time-frequency domain. We first filter the original vibration signal using DE-optimized ARLW filter to eliminate the interferential vibrations and suppress random noise, then, demodulate the filtered signal and calculate its envelope spectrum. The analysis results of the simulation signals and real fault bearing vibration signals showed that the proposed method can effectively extract weak fault features.     

基于改进谐波小波包分解的滚动轴承复合故障特征分离方法

为解决滚动轴承单通道振动信号中复合故障特征难以分离的问题,提出了基于改进谐波小波包分解的轴承复合故障特征分离方法。首先,改进了二进谐波小波包分解方法,提出了连续谐波小波包分解方法,克服了信号分解后子带个数和带宽范围受二进制划分的缺陷;然后,采用谐波窗分解提取信号中频率成分集中的频段,根据轴承各单点故障特征频率确定分解层数,进行连续谐波小波包分解,利用能量算子包络解调得到子带信号中各个单点故障的权重因子;最后,重构轴承各单点故障信号,实现复合故障的特征分离和提取。对仿真信号和实测轴承内、外圈复合故障信号分析的结果表明,该方法能将轴承单通道复合故障信号分解到不同的通道中,实现了复合故障特征的分离,具有一定的工程实用价值。