子空间嵌入特征分布对齐的不同工况下旋转机械复合故障诊断

针对不同工况下复合故障诊断时跨域特征对齐与分布差异自适应调节的问题,提出子空间嵌入特征分布对齐的不同工况下旋转机械复合故障诊断方法.利用相关对齐方法在目标域子空间对齐源域与目标域对应特征,有效抑制域偏移;在该空间训练基分类器为目标域预测伪标签,用于定量估计两域边缘分布与条件分布各自权值,以适配两域特征分布差异;通过结构...     

Hilbert-Huang变换分析仪及其在机械故障特征提取中的应用

为了提高应用希尔伯特-黄变换(Hilbert-Huang transform,HHT)进行机械故障特征提取的便携性和效率,在Visual C++6.0平台上开发了HHT分析仪。比较了HHT中不同插值方法、端点延拓方法及停止准则的效率和精度,得出了不同算法的优缺点和适用场合,提出了不同算法的选用策略。将开发的分析仪与美国DynaDx公司的DataDemon中的HHT算法结果进行比较,验证了分析仪算法的正确性。最后,将分析仪应用在滚动轴承外圈故障和转子横向裂纹的分析中,准确提取了故障特征。     

构件化非平稳信号分析仪的研究

介绍了基于消息总线的构件化虚拟仪器软件体系结构，结合小波变换和希尔伯特一黄变换等目前比较理想的非平稳信号分析方法，研究了构件化非平稳信号分析仪的总体设计框架。以旋钮构件为例介绍了仪器面板构件的模型与算法设计方法，以基于希尔伯特一黄变换的功能构件为例介绍了仪器主要功能构件的算法设计方法。采用该设计方法研制了一台构件化非平稳信号分析仪。     

关于DFT中的延拓原理及计算结果物理意义的一些讨论

在信号分析领域,DFT（离散傅立叶变换）是一个常见术语。但关于DFT中的延拓原理及计算结果的物理意义作者始终感到有些迷惑。而且,关于DFT及其逆变换IDFT的计算目前存在两套公式,这两套公式并存的原因是什么,它们的物理意义区别在哪里,作者始终未在文献中得到明确和满意的答案。本文在查阅了较多文献的基础上,对这些问题作了深入的研究,分析和澄清了以前对这些问题的一些模糊认识,对DFT中的延拓提出了一种新的见解（零延拓观点）,从而较合理地描述出了DFT两个公式计算结果的明确物理意义。     

机械设备状态监测无线传感器网络研究进展

通过分析无线传感器网络（wireless sensors network,简称WSN）的优势和潜能,提出将无线传感器网络应用于机械设备状态监测中,以弥补目前有线连接的机械设备状态监测系统的局限性。针对目前机械设备状态监测中所用的无线传感器网络节点硬件性能偏低、采样频率也低、缺乏信号同步采集研究、对大量数据快速可靠传输研究偏少、对于反映机械设备状态最关键的机械振动的监测还难以实现等问题,提出要实现基于无线传感器网络的机械设备状态监测,必须解决高速同步采集、实时可靠传输和能量供应等难题。指出了低成本、低功耗、微型化、网络化、多功能化将是无线传感器网络在机械设备状态监测应用中的发展方向。     

FT细化校正阶次全息谱分析方法

针对变转速下阶次全息谱分析精度不高问题,提出FT细化校正阶次全息谱分析方法。用基于三次样条插值的阶次跟踪对转子时域非平稳信号进行等角度重采样获得角域平稳信号;用FT细化校正法精确计算出各阶次幅值及相位信息,由幅值、相位信息求出阶次全息谱参数;据计算结果获得阶次全息谱图。通过仿真及转子实验台信号分析表明,该方法能精确获得阶次全息谱图,且能准确根据FT细化校正阶次全息谱图判断旋转机械转子的故障种类。     

基于威布尔分布及最小二乘支持向量机的滚动轴承退化趋势预测

为有效描述滚动轴承的退化趋势,提出结合威布尔分布及最小二乘支持向量机的滚动轴承退化趋势预测新方法。用威布尔分布形状参数作为滚动轴承的性能退化指标,将该指标作为最小二乘支持向量机的输入构造退化趋势预测模型。鉴于最小二乘支持向量机模型参数对模型的推广预测能力影响较大,选粒子群算法(PSO)优化最小二乘支持向量机模型参数,并用实测滚动轴承全寿命实验数据进行检验。结果表明该方法能获得准确的预测结果。     

远程操控现有虚拟仪器的通用网络引擎研究

为了将现有的基于PC的单机版虚拟仪器在零编程、软件零修改量的情况下拓展成基于网络的远程虚拟仪器,提出了一种零编程的、基于通用网络引擎的远程虚拟仪器实现方法.其核心是给单机版虚拟仪器配置通用网络引擎后就可以快速衍变成远程虚拟仪器.其原理是将UML建模技术贯穿在整个引擎设计过程中,用J2EE组件(Applet和Servlet)技术实现引擎的远程操作控制功能,用COM组件技术实现引擎的零编程功能.基于通用网络引擎的远程虚拟仪器具有开发周期短、代码重复利用率高、零编程等特点.最后通过一个远程数字存储示波器的实现来验证其可行性.     

基于最优Morlet小波和SVD的滤波消噪方法及故障诊断的应用

分析了传统的小波去噪方法和小波变换的滤波特性.利用小波变换技术、奇异值分解技术和Morlet小波良好的时域和频域特性,提出了基于最优Morlet小波和SVD的滤波消噪方法.首先,采用最小Shannon熵方法确定出最优Morlet小波;然后,利用奇异值分解技术确定出最佳变换尺度a;最后对信号进行滤波消噪处理,从而提取信号中的有用成分.实验结果表明,该方法具有良好的去噪性能,用于故障特征提取是有效的.     

自适应参数优化EEMD机械故障特征提取方法

针对应用集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)进行机械故障特征提取时两个重要参数k(白噪声幅值系数)和M(总体平均次数)的选取问题,分析了不同幅值系数的白噪声对信号极值点分布均匀性和EEMD分解精度的影响规律,提出了基于信号极值点分布均匀性的EEMD自适应参数优化方法。该方法根据信号本身特点,自适应选取使信号极值点分布最为均匀的白噪声幅值系数作为EEMD的k值,再通过设置期望分解误差计算得到M值。通过仿真分析和工程应用,验证了所提方法的可行性和有效性,与现有EEMD参数选取方法的对比结果表明了该方法的优势。