奇异值小波降噪法在柱塞泵振动信号处理中的应用

针对小波阈值和奇异值分解降噪法的不足,研究一种新的小波阈值函数。提出一种基于改进阈值的奇异值小波降噪方法,该方法利用奇异值分解技术,将噪声非均匀分布的信号正交分解为噪声分布相对均匀的分量,并对每个分量进行小波阈值降噪,重构降噪后的分量,得到降噪信号。仿真实例证明,该方法与小波软、硬阈值及改进阈值法相比,不仅提高信噪比,而且能够更好地消除高斯噪声。利用该方法对柱塞泵不同状态振动信号进行降噪,结果表明,该方法能有效抑制噪声,为柱塞泵振动信号预处理提供一种更为有效的方法。     

基于小波包与神经网络的柴油机故障诊断

针对柴油机缸盖振动信号的非平稳时变特点,提出应用小波包能量法提取故障特征向量,并将提取的特征向量作为BP神经网络的输入向量进行学习训练。训练后的神经网络可以利用测量的振动信号判断柴油机的气阀机构故障状况。实践证明该方法在柴油机振动诊断中是有效可行的,对其他设备的故障诊断也具有借鉴意义。     

多功能液压实验台设计

设计并构建多功能液压实验台,研究液压泵、液压缸等液压元件故障模拟及检测方法,分析溢流阀、电磁阀检测过程,研究液压系统故障加速方法.     

碳/碳-碳化硅复合材料在舰载机尾流场中烧蚀性能研究

为了提高航空母舰燃气导流板的工作性能,将碳/碳-碳化硅复合材料（C/C-SiC）试件在舰载机尾流中做模拟起飞工况的多次重复烧蚀试验,测定试件的烧蚀率和抗热震性能;采用扫描电镜（SEM）和微CT观察试件烧蚀后的微观形貌,采用能谱分析（EDS）测量燃烧产物的成份,对试件的烧蚀机理和热震损伤机制进行分析。结果表明：试件的线烧蚀率约为0.0405mm/s,质量烧蚀率约为0.0349g/s。在热影响区,复合材料基体在热震的作用下出现裂纹,而氧化反应不明显;在过渡区,热震使试件发生氧化反应生成SiO2在碳纤维的周围沉积,形成包鞘结构,有效地阻滞了氧化反应向内部传递,降低了试件的烧蚀率;在烧蚀中心区,生成的SiO2易被高速气流吹除掉而无法大量沉积,对氧化反应的阻滞作用不大,试件在此处烧蚀成凹坑,碳纤维呈尖笋状分布;试件的损伤机制是裂纹和氧化共同作用的结果,复合材料总体表现出优异的抗烧蚀性能。     

局部切空间排列算法用于轴承早期故障诊断

提出了一种基于经验模态分解(EMD)和局部切空间排列算法(LTSA)相结合的滚动轴承早期故障诊断方法。首先,利用经验模态分解算法分解滚动轴承不同模式下的振动信号,得到各阶本征模态分量和残余分量,提取各分量中的幅域参数和频域参数组成原始特征参数集;然后,建立基于类别可分性测度的邻域参数k选取方法,运用局部切空间排列算法实现敏感特征提取;最后,应用该方法对滚动轴承不同状态下的振动数据进行特征提取和模式识别,对比分析改进后的局部切空间排列算法与主成分分析、核主元分析以及传统局部切空间排列算法的故障模式识别能力。分析结果表明,该方法提取的滚动轴承故障特征敏感性较好,提高了故障模式识别能力,实现了滚动轴承的早期故障诊断。     

基于灰色支持向量机的液压泵寿命预测方法

针对单方法所建液压泵寿命预测模型精度较低的缺陷,提出基于灰色理论和支持向量机的组合预测模型的液压泵寿命预测方法.该方法通过灰色累加生成操作对原始序列进行数据处理,以增强数据的规律性;运用最小最终误差预测准则确定嵌入维数,选择模型的参数;采用支持向量机进行预测,利用灰色累减生成操作还原数据,得到预测结果.选取液压油的光谱分析数据作为液压泵的寿命特征信息,采用该模型对液压泵进行寿命预测,并与灰色模型、单一支持向量机模型进行预测性能对比.结果表明,灰色支持向量机预测性能最优,精度达到99.37％,为液压泵性能评估和寿命预测提供一种更为有效的方法.     

基于小波包与神经网络的柴油机故障诊断

针对柴油机缸盖振动信号的非平稳时变特点,提出应用小波包能量法提取故障特征向量,并将提取的特征向量作为BP神经网络的输入向量进行学习训练。训练后的神经网络可以利用测量的振动信号判断柴油机的气阀机构故障状况。实践证明该方法在柴油机振动诊断中是有效可行的,对其他设备的故障诊断也具有借鉴意义。     

基于故障树搜索的起重机液压系统故障定位方法研究

针对起重机液压系统故障定位的问题,研究了多属性决策方法。根据功能对液压系统进行层次分解,对各子系统的不同功能工况分别建立故障树,综合分析故障树底事件故障概率、搜索成本和启发式信息量等因素,研究了故障定位方法。通过构建决策矩阵、属性值规范化、采用最小二乘法确定属性加权值、利用逼近理想解的排序方法确定了故障树底事件的最优路径搜索策略。以某型起重机吊钩不能起升故障为例进行了应用,结果表明该方法有效可行。     

基于最小二乘支持向量分类机的齿轮泵 故障诊断研究

为了精确诊断齿轮泵故障,提出了基于马氏距离的传感器通道选择方法,采用多项式最小二乘法去除采集振动信号的趋势项和五点三次平滑法对信号进行平滑预处理,而后分别提取基于峭度的时域特征、小波包能量特征和经验模态分解特征,运用最小二乘支持向量机进行状态识别。以CB-KP63齿轮泵为例进行应用,结果表明传感器1通道识别率达到85%;采集振动信号趋势项干扰较弱,平滑处理效果较好;以EMD提取各频带能量作为特征参数的LS-SVC状态识别方法识别率达到90%以上,最终证明论文提出的方法有效可行。     

基于改进平移不变量小波阈值法的齿轮泵振动信号降噪

齿轮泵的振动信号中含有大量噪声,在对其进行应用之前必须降噪处理。传统的小波阈值降噪法在信号的奇异点附近会产生振荡现象,为此研究了一种新的小波阈值函数,把新的阈值函数和平移不变量相结合,提出了改进小波阈值法的平移不变量降噪方法。该方法克服了软、硬阈值的缺陷,同时抑制阈值法降噪时产生的伪吉布斯(Pseudo-Gibbs)现象。利用该方法对仿真信号和实测齿轮泵振动信号进行降噪处理,并与小波软、硬阈值法及新阈值法进行了对比。结果表明:该方法具有更好的降噪效果,可应用于齿轮泵振动信号降噪处理。