基于MED与自相关谱峭度图的滚动轴承故障诊断方法

滚动轴承振动信号往往信噪比较低,且具有较强的非高斯噪声,如何选择合适的解调频带一直是故障诊断的难点。自相关谱峭度图(Autogram)是新提出的一种最优频带选择方法,通过计算解调信号的平方包络的无偏自相关的峭度,能够有效地检测到解调频带及其故障频率;但此方法易受到噪声干扰,故障特征识别不明显;基于此,提出了一种基于最小熵解卷积(MED)与Autogram的滚动轴承故障诊断方法;该方法通过MED去除噪声,在得到最佳频带的同时,能够有效地突显故障特征。通过分析仿真信号及实验数据,将所提方法与快速谱峭度及现有方法进行了对比,结果表明,所提故障诊断方法能够准确地检测到解调频带及故障频率,突出故障特征和提高故障检测效果。     

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。     

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。     

上肢康复机器人主动训练模式控制策略研究

针对在上肢康复机器人主动训练控制策略中存在的人机交互力跟踪响应速度慢、控制精度低等问题,设计了面向单关节与多关节主动康复训练模式的力阻抗控制器.在对六自由度上肢康复机器人进行运动学与动力学分析的基础上,设计了基于力的阻抗控制算法的力控制器.利用MATLAB/Simulink软件搭建了控制器仿真平台,并分别对阶跃信号、斜...     

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。     

AM-FM算子分解方法在滚动轴承故障诊断中的应用

基于算子的零空间追踪算法能够实现复杂信号的自适应分解,其关键在于信号模型的构造与求解.通过定义一种新的可完全消除调幅调频信号的调幅调频算子(AFO),进一步建立了一种基于AFO的信号分解新模型.为了提高参数对信号分解的鲁棒性,将非参数正则化(NPR)方法用于解决上述模型的约束优化问题,提出了一种基于NPR的自适应信号分解方法——NPR-AFO.论文将NPR-AFO方法引入到机械故障诊断中,并通过仿真和滚动轴承局部故障实测数据分析,与现有的其他分解方法进行了对比.结果表明:所提方法不仅可以有效的提取故障特征,而且状态故障特征更加明显.     

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.     

AM-FM算子分解方法在滚动轴承故障诊断中的应用

基于算子的零空间追踪算法能够实现复杂信号的自适应分解,其关键在于信号模型的构造与求解.通过定义一种新的可完全消除调幅调频信号的调幅调频算子(AFO),进一步建立了一种基于AFO的信号分解新模型.为了提高参数对信号分解的鲁棒性,将非参数正则化(NPR)方法用于解决上述模型的约束优化问题,提出了一种基于NPR的自适应信号分解方法——NPR-AFO.论文将NPR-AFO方法引入到机械故障诊断中,并通过仿真和滚动轴承局部故障实测数据分析,与现有的其他分解方法进行了对比.结果表明:所提方法不仅可以有效的提取故障特征,而且状态故障特征更加明显.