基于证据理论多源多特征融合的柱塞泵故障诊断方法

提出了1种基于证据理论多源多特征融合的故障诊断方法,构建了柱塞泵的故障特征向量,分析了单源多特征融合故障诊断,利用证据理论融合多个单源诊断结果,进行了多源故障诊断.对液压泵进行了试验.试验结果表明:多源数据较单源数据,更具有冗余互补性,能提高诊断的可靠性和准确性.该诊断方法是可行而有效的.     

基于最优扁平型结构元素长度的液压泵故障诊断研究

针对实测振动信号易受噪声污染,而淹没有用信息和克服利用数学形态学滤波器对一维信号进行滤波时结构元素长度选择的经验性和任意性的问题,提出了一种基于形态学差值算子和功率谱熵理论相结合,并与特征能量比相配合的方法来确定最优扁平型结构元素长度以实现最优滤波。首先,利用在不同扁平型结构元素长度下的形态学差分算子对一维振动信号进行滤波处理;其次,对滤波后的信号计算功率谱熵和特征能量比;最后,根据功率谱熵理论和特征能量比方法得出,功率谱熵的最小值所对应的长度即为最优扁平型结构元素的长度。通过对仿真信号和液压泵故障信号的实验验证,表明在通过该方法所得到的最优扁平型结构元素长度下,采用形态学差值算子能够对液压泵故障信号达到最优滤波效果,保留更多的故障特征信息。     

基于混沌关联积分的暂态电能质量扰动分类

关联积分曲线基于时间序列重构,能够更全面反映时间序列扰动变化,并且作为扰动识别的特征量,可以避开关联维无标度区间确定这一问题。根据暂态电能质量信号在不同扰动下其关联积分曲线所呈现出的特有形态特征,将关联积分曲线作为扰动识别的特征量。不同扰动信号的关联积分曲线区别较大,直观明了。该方法操作简单方便,可以省去烦琐的数值分析,且具有较高的精确度和实用性。对几种典型的暂态扰动信号进行识别和分类,仿真结果证明了其有效性和优越性。     

基于改进的广义谐波小波包分解和混沌振子的小电流接地系统故障选线

小电流系统发生故障时,各线路零序电流具有非平稳、非线性等复杂特性。本文提出一种基于改进的广义谐波小波包分解算法和混沌振子检测的小电流接地系统故障选线方法。广义谐波小波包分解算法经过扩频,能进行任意频段及任意频宽的信号特征提取,且计算量小,实现信号的快速无混叠分离。Duffing振子系统不受噪声影响且对于与内驱动力同频的外界信号具有高度敏感性,对Duffing振子系统进行时标变换,可以适应不同频率信号的检测要求,通过观察相图的变化可以准确选出故障线路。数值仿真验证了该算法的准确性及可靠性。     

电导法固体材料水份测量仪

本文给出了固体电导率与含水率之间回归一化线性数学模型，不同物质的线性模型仅斜率和截距不同，只要校正即可实现通用性，这与历史认识有差异，测量仪利用网络理论解决了高阻测量问题，利用线性叠加原理实现了温度补偿并提高了测量准确度，利用单片机对模型进行编程计算和校正，从而实现了智能化，采取隔离，滤波，ＷＴＤ等技术，提高了系统的可靠性。     

伺服阀性能测试中差压测量的新方法

提出了一种差压测量的简单方法，消除了传统差压测量方法的不同步采样误差，节省了计算机采集板的模拟量输入通道和应变仪的测量通道。该方法成功地应用于电液伺服阀性能测试系统中，取得了很好的效果。     

高精度可逆冷带轧机全数字厚度自动控制系统

介绍了自行研制的650 mm可逆冷带轧机全数字厚度自动控制系统的基本组成和功能特点。系统具有厚度闭环监控、压力或缸位移内闭环数字控制、倾辊调节、缸位移内环加厚控外环、厚度预控等功能;另外还在可逆冷带轧机厚控系统中尝试性地设计和应用了压力内环加厚控外环的新的控制方案,从而有效克服了来料厚度波动和轧辊偏心对带钢厚度的影响。在郑州第二钢厂的现场应用情况表明,该系统厚控精度小于±3μm,最高轧制速度达7.6 m/s,两项与生产质量和产量有关的指标均超过了同厂从意大利引进的MINO 650可逆冷带轧机的指标,取得了显著的经济效益和社会效益。     

基于改进粒子群算法的轧制负荷分配优化

应用改进粒子群算法,实现单机架可逆冷轧机轧制负荷分配优化。结合某厂单机架可逆冷轧机实际工况,建立了合适的轧制力数学模型并进行参数计算,以压下率为自变量,以轧制力成比例分配为目标,通过改进粒子群算法,得到最佳的轧制负荷分配。工程实践证明:与基本粒子群算法、遗传算法相比,改进粒子群算法具有计算精度更高、收敛速度更快、搜索能力更强等优点,是一种适于单机架可逆冷轧机轧制负荷分配优化的新方法。     

小波脊线解调与两次EMD分解相结合的故障识别方法及应用研究

提出了一种基于小波脊线解调与两次经验模态分解(EMD)相结合的故障识别方法,用于轴向柱塞泵的故障诊断.结合EMD与小波脊线法在处理非平稳信号方面的优势,首先对故障原始信号进行了EMD分解,利用边际谱发现故障发生时的共振频带范围并据此找出对故障敏感的固有模态函数(IMF)分量,然后对该敏感IMF分量分别进行小波脊线解调和Hilbert解调,最后通过比较两种解调方法解调后敏感分量的时频谱和三维谱图发现,小波脊线解调比Hilbert解调具有更高的时频定位精度和抗干扰能力.此后,分别对小波脊线解调与Hilbert解调后的敏感分量进行EMD再分解,利用所得的各阶二次IMF分量的归一化特征能量来构造特征向量,得到液压泵5种典型状态的样本集,结合K均值聚类算法对故障状态进行识别.研究结果表明,与采用Hilbert解调处理方法相比,利用2次EMD分解与小波脊线解调相结合的故障特征向量提取方法显著提高了故障识别准确率,故障确诊率可高达92％.