基于KPCA和WPHM的滚动轴承可靠性评估与寿命预测

为了评估滚动轴承的可靠性和预测剩余使用寿命,选取能够反映性能退化过程的特征参数作为寿命预测模型的输入参数,提出一种基于核主元分析(kernel principal component analysis,简称KPCA)和威布尔比例故障率模型(Weibull proportional hazards model,简称WPHM)的方法。首先,提取滚动轴承全寿命周期的时域、频域及时频域等多特征参数,从中筛选出有效的特征参数,构建高维相对特征集;其次,进行核主元分析,选取能够反映轴承全寿命周期性能退化过程的核主元,进而作为WPHM的协变量来进行可靠性评估和剩余寿命预测。通过滚动轴承全寿命试验,验证了该方法能够对轴承进行准确的可靠性评估和剩余寿命预测,以提供及时的维修决策。同时,由于提取的是相对特征,降低了同种轴承间在制造、安装及工况的差异,增强了该方法的适用性和稳定性。     

远程诊断振动数据安全传输的设计

根据基于B/S结构状态设备监测中存在的数据传输安全问题,文章以振动数据的远程传输为研究对象,介绍了一种基于Spring框架的振动数据安全传输系统。系统采用Web环境下的权限管理、HTTPS协议和X.509证书来实现数据传输使之安全可靠,最后运用Java语言完成了软件系统设计。     

基于铣削力仿真的稳定域叶瓣图构建

颤振稳定域分析的叶瓣图构建为铣削过程中参数优化的基础,但对于实际加工来说,铣削力不易通过测试获取。针对此问题,展开了基于铣削力仿真的叶瓣图构建方法研究。首先,通过有限元仿真模拟实际铣削过程,得到铣削力大小以及铣削力系数;其次,通过模态试验获取主轴-刀具系统的模态参数,再以铣削系数和模态参数为基础,构建铣削稳定性叶瓣图;最后,结合实际铣削加工的试验测试验证了叶瓣图的正确性。本研究可为优化切削参数、抑制实际铣削过程中颤振的产生提供参考,不仅可以提高工件的加工效率,也增强了系统的稳定性。     

基于小波包频带能量分布的往复机故障诊断方法研究

往复机在发生故障时会使得正常状态下的振动频带有所改变,因此各频率成分的能量分布中包含有丰富的故障信息,可以作为设备状态的评价参数.文中提出了基于"频带能量分布一设备状态"的故障辨识方法,采用小波包进行信号的分解-重构,并对每个频段的能量进行归一化,构成一个特征向量,可以以此进行设备的状态识别,并以柴油机的状态识别证明了此方法的有效性.     

基于相干分析的离心式压缩机噪声源识别

从离心式压缩机振动和噪声信号的功率谱出发,研究了其振动和噪声的相干性.对比振动和噪声的功率谱,找出二者的特性与联系.最后经过相干变换得到振动和噪声的相干关系,并结合工程实践,证明相干性分析在离心式压缩机噪声源识别领域的可行性.     

梳状滤波器在滚动轴承早期故障诊断中的应用

在滚动轴承的早期故障信号中,由于较强的齿轮啮合频率以及噪声成份的存在,致使故障特征的提取比较困难.应用二阶循环平稳方法可以有效的抑制噪声,提取出信号中的周期成份,但无法排除啮合频率的干扰.提出了构造梳状滤波器滤除啮合频率,然后进行二阶循环平稳分析的滚动轴承早期故障诊断方法,并通过实际工程信号进行了验证.     

非下采样轮廓波变换在故障分类中的应用

基于非下采样轮廓波变换的多尺度分解和多方向分解的特性,提出一种用于时频图像特征提取的方法。首先,将振动信号变换到时频域得到时频图像,并利用Matlab将得到的时频图像转换为灰度图像;其次,对该图像进行非下采样轮廓波变换,得到其高频和低频子带,根据高频子带和低频子带所包含信息不同,研究不同的特征提取方法,笔者提取高频子带的能量和低频子带的均值、标准差作为特征值;最后,利用支持向量机(support vector machine,简称SVM)对齿轮箱的不同程度故障以及滚动轴承故障进行分类测试。实验结果验证了该方法提取时频图像特征量的有效性,为设备的状态识别提供了一种有效的方法。     

基于子带ICA的时频图像处理方法研究及其在故障诊断中的应用

提出了一种改进独立分量分析(ICA)应用于时频图像的盲源分离问题。由于相似时频图像之间存在潜在的相关性,传统的ICA对于具有相关成分的时频图像盲源分离中效果比较差,利用互信息和峭度研究了图像子带之间的相关性和本身的非高斯性,选定特定的子带进行ICA分析。通过仿真时频图像的分离试验,说明此方法分离效果明显优于ICA分离效果,并将该方法应用于转子试验台的基座松动,不对中故障信号复合故障的时频图像中,成功获取了各自故障的时频图像,从而可以获得各自的故障特征信息。     

基于流形学习的滚动轴承故障盲源分离方法

滚动轴承的故障信号是一种典型的非线性非平稳信号,其信号中常常混有噪声信号及其他干扰成分。提出了一种基于流形学习的滚动轴承故障盲源分离方法,首先,利用经验模态分解(empirical mode decomposition,简称EMD)对单通道模拟信号进行分解,对得到的多通道信号构造其协方差矩阵,计算矩阵的奇异值下降速比得到原始信号数目;其次,利用峭度等指标选择最优观测信号,利用核主成分分析(kernel principal components analysis,简称KPCA)提取信号的流形成分;最后,利用快速独立成分分析(fast independent component analysis,简称Fast ICA)还原得到源信号。该方法不但解决了故障信号的欠定盲源分离问题,还提出了最优观测信号的确定准则,并通过实例验证了方法的有效性。     

基于LabVIEW平台小波分析仪的开发与应用

论述了小波变换的一些相关理论及其特性,并采用虚拟仪器技术和小波分析相结合的方法开发了一套基于LabVIEW平台的小波分析仪,并以降噪处理、信号奇异性检测等验证了小波分析仪的实用性和高效性.