基于改进经验小波变换的时频分析方法及其在滚动轴承故障诊断中的应用

经验小波变换是最近提出的非平稳信号分析方法,针对其不足,提出了一种改进的经验小波变换方法;同时结合瞬时频率新定义,提出了一种非平稳信号时频分析新方法.该方法首先通过改进的经验小波变换将一个复杂的非平稳信号自适应地分解为若干个具有紧支集频谱的内禀模态函数之和;再通过对每个内禀模态函数进行解调,得到原始信号的时频分布.将提出的方法应用于滚动轴承试验数据分析,并将其与希尔伯特黄变换进行了对比,结果表明,论文提出的方法能够有效地诊断滚动轴承故障,且诊断效果优于希尔伯特黄变换方法.     

多尺度熵方法在机械故障诊断中的应用研究进展

机械设备状态监测与故障诊断的关键是故障特征的表征与提取,采用基于熵及相关方法建立的非线性动力学指标能够提取蕴藏在振动信号中的非线性故障特征信息。自熵方法引入以来,通过不断修改和改进来提高熵估计的准确性,多尺度熵进一步拓展了时间序列其他尺度上包含的复杂度信息,其在设备状态监测与故障诊断中得到广泛应用。本文对单一尺度熵及多尺度样本熵、多尺度模糊熵、多尺度排列熵和多尺度散布熵等多尺度熵方法在机械智能故障诊断中的应用进行综述,总结不同方法的特点优势与不足;针对多变量数据处理问题,综述由单变量推广到多变量的多元多尺度熵的应用发展过程。最后结合多尺度熵相关方法在机械智能故障诊断中面临的问题与挑战,对未来发展方向进行展望,即在工业大数据应用、故障机理、可解释性角度构建基于熵的深度学习模型。     

基于精密测距的红态圆柱钢坯轴心在线检测系统

红态圆柱钢坯的轴心线相对于模具中心线的偏差对动车组车轮的模压成型具有重要影响。为提高车轮的模压质量和原料成材率,基于高精度激光测距的方法,构建了可用于高温红态圆柱钢坯轴线检测的在线测量系统。首先通过测量位于同一水平截面上的圆柱表面不同4点到相应激光测距传感器的距离,分别得出模具中心线和钢坯轴心线相对于轧机中心线的坐标;然后利用坐标变换方法,计算出钢坯轴心线位置相对于模具中心线的偏差值;最后基于CANopen协议和通信转换模块构建多传感器检测网络,实现数据的传输与轴心偏差方位的直观显示。通过实际检测实验验证了检测系统与测量算法的有效性。     

最大相关峭度反褶积与傅里叶分解方法相结合的滚动轴承故障诊断

针对强背景噪声环境下滚动轴承故障特征难以提取的问题,提出一种基于最大相关峭度反褶积(MCKD)与傅里叶分解方法(FDM)相结合的滚动轴承故障诊断方法。首先采用MCKD对振动信号去噪、提取与故障相关的冲击成分;其次,采用FDM对去噪信号进行分解,得到若干个瞬时频率具有物理意义的傅里叶固有频带函数和一个残余分量之和;第三,依据各个模态与去噪信号的相关性提取包含故障信息的最优模态分量,并对它们进行重构;最后,计算重构信号的包络谱,从谱图中读取故障信息。将所提故障诊断方法应用于滚动轴承故障仿真和实验数据分析,并通过与现有方法进行对比,结果表明,该方法优于所对比的方法。     

三指手抓取力封闭性的简单判别算法

根据力封闭抓取的定义建立了利用严格内力的存在条件进行三指灵巧手力封闭抓取判别的研究方法,构建了三指灵巧手力封闭抓取的等价判别算法。在手指指端与物体构成有摩擦的固定点接触模型的前提下,三指灵巧手力封闭抓取条件等价于抓取矩阵满秩并存在严格内力。首先,基于对物体表面接触位置的几何特性分析,建立了摩擦扇存在条件,每个指端接触点的内法矢与接触平面所成夹角小于接触点摩擦圆锥角;其次,通过研究接触点摩擦扇边界线及其交点的相互位置关系,推导了内力汇交多边形的存在条件,任意两个摩擦扇的边界线交点中,至少有一个位于第3个摩擦扇的严格内部,或者至少有3个边界线交点位于第3个摩擦扇边界线上;最后,在考虑内力平衡关系的基础上,建立了基于矢量计算的三指灵巧手力封闭抓取的快速判别算法。     

基于Qt的钢管壁厚在线检测软件设计

针对目前钢管端面壁厚的测量多采用人工抽检的方式,从而导致测量效率低、精度低、测量数据少的情况,对机器视觉测量技术进行了研究。基于机器视觉,设计钢管壁厚在线检测系统。通过对相机进行标定,获得图像像素值与实际值之间的关系,使用相机采集钢管端面图像,对采集得到的图像进行图像预处理、边缘特征点提取等操作;改进RHT圆检测算法,完成钢管端面圆形轮廓的检测,进而实现对钢管端面壁厚的测量。为了便于操作,基于Qt跨平台开发框架设计了钢管壁厚检测系统人机交互界面软件。结果表明：该系统具有良好的稳定性,检测误差约为0.1 mm,可以高效地完成壁厚检测任务。     

热锻圆柱钢坯轴心位置激光检测系统设计

针对目前国内钢厂落后的检测方法,利用CoDeSys软件设计开发了一套基于CANopen协议的激光检测控制系统,用于除鳞后的红热圆柱钢坯（约1200益）模压成型前轴心位置检测。实验表明该系统检测数据完全可靠,且稳定性高、抗干扰能力强。     

基于精细复合多尺度熵和自编码的滚动轴承故障诊断方法

多尺度熵是一种有效的衡量机械振动信号复杂度的非线性动力学方法。针对其存在的不足,引入了精细复合多尺度熵（Refined composite multiscale entropy, RCMSE）,在此基础上,结合自编码降维和遗传优化支持向量机,提出了一种滚动轴承故障智能诊断新方法。首先,利用RCMSE提取滚动轴承振动信号多尺度复杂度特征,构建初始特征向量矩阵;其次,采用自编码对初始高维特征数据降维,得到低维流形特征;然后,将低维特征向量输入到基于遗传优化支持向量机的多故障模式分类器中进行训练、识别与诊断。最后,将所提方法应用于实验数据分析,并与多尺度熵方法进行对比,结果表明,论文方法不仅能够有效地诊断滚动轴承的工作状态和故障类型,而且识别率高于所对比方法。     

基于机器视觉的钢管壁厚在线检测方法研究

在钢管生产过程中,需要对钢管的壁厚进行实时测量,以检验所生产的钢管是否符合规格。针对人工测量钢管壁厚中所出现的测量效率低、易产生疲劳且无法实时测量等问题,基于机器视觉测量技术,提出一种钢管壁厚在线检测方法。该方法首先采集钢管断面图像,然后对采集到的钢管图像进行预处理,使用Canny边缘检测算子检测钢管断面内外圈边缘特征,最后使用改进后的随机霍夫圆检测算法检测断面轮廓,根据设计的钢管壁厚测量方案计算得到各处钢管壁厚。改进的随机霍夫圆检测由于采用分区采样以及筛选出与边缘轮廓契合度最高的候选圆的方式,提高了原检测算法的检测精度与效率。经过实验验证,该方法测量精度高,效率高,能够满足对钢管壁厚在线检测的要求。