机械振动无线传感器网络跨层同步采集累积误差控制方法

针对机械振动无线传感器网络同步采集过程中同步采集误差随时间累积的问题,在分析机械振动无线传感器网络跨层同步采集误差累积机理基础上,提出了一种基于同步信息跨层实时跟踪的机械振动无线传感器网络同步采集累积误差控制方法。以节点物理层跨层实时捕获同步信息,避免任务抢占所导致同步信息捕获迟滞;研究基于卡尔曼滤波的晶振频率偏移计算方法,提升晶振频率偏移计算精度;构建反馈控制系统动态反馈和补偿同步采集累积误差,避免同步采集误差累积效应;设计嵌入式多任务优先级管理固件系统,在采样率极高的机械振动信号采集过程中确保采样任务和同步任务实时性。实际测试表明,在高达51.2 kHz的采样率下连续采集30 s,节点间同步采集误差始终保持在0.6 us以内,同步采集误差最大值仅为采样周期的3%,满足机械振动信号同步采集需求。     

基于自适应谐波分量提取的航空发动机附件传动系统变速故障诊断方法

针对当前基于无键相阶次跟踪(TLOT)的故障诊断所面临的转速谐波分量提取存在误差累积效应、瞬时相位难以准确估计等问题,本文提出了一种基于自适应谐波分量提取的航空发动机附件传动系统变速故障诊断方法。首先,通过低通滤波和降采样优化搜索空间并提升计算速度,在此基础上利用自相关平均周期进行自适应辛几何模态分解;其次,采用基于替代数据检验的伪谐波分量识别方法,完成转速谐波分量自适应分离结果的稀疏化表征。最后,基于转速谐波分量瞬时相位计算结果,对原始非平稳信号进行等角度重采样,利用傅里叶变换获取阶次谱以实现旋转机械装备的变速故障诊断。通过与典型信号分解方法对比,验证了所提方法的有效性;此外,对法国Safran某型航空发动机扫频试车过程中附件传动系统实测数据进行分析,所得阶次相对误差为0.059%,优于同类方法计算结果,进一步显示了其工程应用价值。     

基于参数优化Morlet小波变换的故障特征提取方法

针对轴承或齿轮箱等机械元件的故障振动信号表现为冲击衰减波形的特点,提出一种基于参数优化Morlet小波变换的故障特征提取方法。利用最小Shannon熵方法优化Morlet小波的形状参数,实现与冲击特征成分的最佳匹配,再对小波变换系数矩阵进行奇异值分解,根据奇异值曲线中主要反映突变信息的过渡阶段所对应的尺度范围求得最佳小波变换尺度,最后对信号进行Morlet小波变换提取故障特征。仿真试验和实际应用的结果表明,该方法能更有效地从强噪背景中提取故障特征。     

基于最优匹配跟踪算法的单通道机械信号盲源分离

在形态学滤波的基础上,结合匹配跟踪算法(Matching Pursuit,MP)和盲源分离算法(Blind Source Separation,BSS)各自的特点,提出了一种基于最优匹配跟踪信号分解的欠定盲源分离算法.利用MP算法将非线性信号通过投影分解,在分解过程中利用遗传算法寻找最优原子,有效提高了算法匹配的精度和效率.将所得到的匹配分量和滤波后的原始观察信号组成新的多维信号,解决了单通道信号盲分离的欠定问题.利用快速核独立分量分析(Fast Kernel Independent Component Analysis,FastKICA)算法实现信号的盲分离,并分析了分离的不同源信号对于故障的贡献率.将该方法用于仿真信号和实际的轴承试验的信号,试验结果表明算法能够很好地解决单通道信号的盲分离难题.     

模型无关元迁移学习用于空间滚动轴承寿命阶段识别

针对变工况下空间滚动轴承寿命阶段识别时因样本分布差异较大、可训练用寿命阶段样本较少以及不同寿命阶段样本数量不均等所造成的寿命阶段识别准确率较低的问题,提出模型无关元迁移学习（Model-Agnostic Meta-Transfer Learning, MAMTL）用于空间滚动轴承寿命阶段识别。在MAMTL中,将模型无关元学习和迁移学习相结合以实现多任务同步平行训练从而代替传统的迭代训练,多个任务损失函数利用不同工况下无类标签样本和历史工况下少量有类标签样本共同更新MAMTL网络参数,以寻求网络参数的全局最优解,这使MAMTL具有更好的泛化能力,因此MAMTL在较少历史工况有类标签训练样本情况下比传统迁移学习具有更好的域适配性;在MAMTL中构建新型原型网络以将历史工况每一类别的样本表示为一个原型,通过计算当前工况待测样本与原型的相似度完成当前工况待测样本分类,且该分类过程无需参数学习,因此可防止样本不均等情况下对于不同类别样本识别精度差距较大和在少量有类标签训练样本情况下网络出现过拟合的问题,从而更好提高分类精度。MAMTL的以上优势使得它可利用空间滚动轴承历史工况下的少量、非均等已知...     

低功耗机械振动无线传感器网络节点结构设计EI北大核心CSCD

针对目前机械振动无线传感器网络节点能耗高的问题,提出一种低功耗节点硬件结构设计方法。采用低功耗、高灵敏度MEMS加速度传感器采集机械振动信号,简化电源及调理电路;采用通带可调的开关电容低通滤波器,实现低功耗动态抗混叠滤波;在充分考虑存储速度的前提下,采用低读写电流的外部Flash存储芯片实现连续、高速数字信号流的存储;采用片上系统级芯片作为整体控制核心,集采集、存储、无线传输于一体,在保证机械振动信号采集性能的同时,极大的减小节点体积与功耗。对比实验结果表明基于该低功耗硬件结构的机械振动无线传感器网络节点具有较低的功耗水平。     

自供电无线振动传感器网络的双模组振动能量收集与管理方法

针对自供电无线振动传感器网络节点在高、低功耗模式下能量供应等待周期长或容量不足的问题,提出一种双模组振动能量收集与管理方法。设计小能量存储容量模组和大能量存储容量模组,小能量存储容量模组蓄能周期短,大能量存储容量模组蓄能容量大。在每个模组中,欠压闭锁电路断开后级电路通路将能量阻断,然后蓄积于电解电容,降压稳压电路降压转换电解电容的高电压能量并存储于超级电容,能源状态监测电路监测超级电容的能源状态,无线振动传感器网络节点微处理器获得能源状态信息后,根据后续工作的能量供应需求启用不同的蓄能模组。实验结果表明:双模组振动能量收集与管理电路最短蓄能周期仅6 min,完全启动双模组的情况下每个蓄能周期提供高达4.19 J的能量,能够驱动无线振动传感器网络节点正常工作。     

无源数据约束下多源域自适应的风电齿轮箱故障诊断方法

针对在数据隐私和安全性的背景下,无法接触源域数据导致领域自适应方法不可用的问题,提出一种无源数据约束下多源域自适应的故障诊断方法。首先,通过信息最大化损失促使源域与目标域数据在特征空间进行对齐;然后利用自监督伪标签策略挖掘目标域数据的特征表征信息,并采用熵筛选策略抑制噪声伪标签的影响;最后通过自适应加权有效利用多个源域的知识并抑制负迁移影响,实现无源数据约束下的风电齿轮箱的故障诊断。通过动力传动综合实验台数据和某风场风电机组CMS数据对所提方法进行验证与应用。结果表明：所提方法仅利用预训练的源域模型和目标域无标签数据即可有效实现目标域风电齿轮箱故障诊断。     

基于瞬时频率估计的旋转机械阶比跟踪

提出了基于瞬时频率估计(Instantaneous frequency estimation,IFE)实现旋转机械阶比跟踪的新方法,其优点是简化了阶比分析对硬件的要求,用软件的方法实现了阶比跟踪,仿真与实际测试试验验证了本方法的正确性。本方法实现了旋转机械非平稳振动信号中参考轴瞬时转速的跟踪、估计算法,为阶比分析的实际应用提供了一种新方法,是对原有阶比跟踪技术的有力补充,特别适合于虚拟仪器发展的要求。     

过完备有理小波变换在轴承故障诊断中的应用

利用过完备有理离散小波变换的滤波器特性和近似平移不变性,提出了一种按一定规则对3路高频小波分量进行拼接,以获得具有更高时间分辨率小波分量信号的方法.仿真结果表明,该方法消除了小波分解中下采样对信号分析的影响,较好地克服了频率混叠现象.在此基础上,提出了一种基于过完备有理离散小波变换的故障诊断方法,并将其应用于滚动轴承早期故障诊断.与二进离散小波变换的比较试验结果表明,有理离散小波变换能更有效地提取出滚动轴承的早期故障特征.