基于MED-EEMD和ELM的轴向柱塞泵松靴故障诊断研究

针对轴向柱塞泵松靴故障在强噪声干扰下故障信号微弱、故障特征提取困难和故障诊断识别精度低等一系列问题,提出了基于最小熵反褶积、集合经验模态分解和超限学习机相结合的轴向柱塞泵松靴故障诊断的方法。首先采集了轴向柱塞泵在正常和松靴故障两种状态下的振动信号;然后对振动信号进行了最小熵反褶积降噪,排除了噪声干扰,增强了冲击特性;之后利用集合经验模态分解将去噪后的信号分解成了若干个本征模态函数分量,并通过奇异值分解获得了特征矩阵;最后将得到的特征矩阵输入超限学习机、反向传播神经网络和支持向量机等3类分类器,并将识别结果与集合经验模态分解特征提取方法的识别结果进行了对比。研究结果表明:最小熵反褶积和集合经验模态分解结合的方法弥补了最小熵反褶积在强背景噪声下提取特征的局限性,克服了经验模态分解对微弱故障特征不敏感的缺陷;以最小熵反褶积-集合经验模态分解特征提取方法为输入的超限学习机分类模型,在少量样本的情况下可以有效地对轴向柱塞泵松靴故障进行检测与诊断。     

基于VMD-MDE和ELM的柱塞泵微弱故障诊断

针对早期微弱故障信号易受噪声干扰、难以提取和识别的问题,提出一种基于变分模态分解(variational mode decomposition,简称VMD)多尺度散布熵(multiscale dispersion entropy,简称MDE)和极限学习机(extreme learning machine,简称ELM)的柱塞泵微弱故障诊断方法。首先,采集各状态的振动信号进行VMD分解,得到若干模态分量,根据各模态分量Hilbert包络谱中特征频率能量贡献率大小,提出以归一化特征能量占比(feature energy ratio,简称FER)为重构准则的变分模态分解特征能量重构法(variational mode decomposition feature-energyreconsitution,简称VMDF),对各模态分量进行信号重构;其次,计算重构信号的MDE,对各尺度散布熵进行分析,选择有效尺度散布熵作为特征向量;最后,将提取的特征向量输入ELM完成故障模式识别。柱塞泵不同程度滑靴端面磨损故障的实验结果表明,该方法不仅提高了模式识别效率,还可以更好地反映故障程度变化规律,具有较好的应用性。     

运用免疫遗传算法优化WNN诊断滚动轴承早期故障

针对滚动轴承早期故障特征与故障类别非线性难以有效辨识的问题,设计一种基于免疫遗传算法优化小波神经网络(wavelet neural network,WNN)的滚动轴承早期故障诊断模型。首先对滚动轴承的早期振动故障信号进行EEMD分解,提取分解后的IMF分量能量作为小波神经网络的输入特征向量,采用免疫遗传算法优化小波神经网络的初始权值向量和阈值向量,加快小波神经网络的收敛速度,提高其训练精度。实验结果表明,基于免疫遗传算法优化小波神经网络的早期故障诊断模型可以有效应用于滚动轴承的早期故障诊断中,通过与传统故障诊断方法对比分析,验证了该模型的有效性和优越性。     

陶瓷·色彩·生活--论陶瓷设计中色彩的运用

在陶瓷设计中,色、质、型是三个重要因素,而色彩是陶瓷设计形式美感因素中关键的一环.在满足功能要素的前提下,色彩的整体视觉效果对于吸引消费者起到举足轻重的作用.一件陶瓷作品可以没有纹饰,但不可能没有色彩.人们对物体的最初感受也往往是色彩,而后才是纹饰和造型.事实上理想的色彩境界、色彩效果能使主题突出,能快速激发起人们在感情上的共鸣,为生活提供高品味的美感享受.     

注塑机塑化参数对能耗的影响研究

通过对料筒平均温度、背压、转速建立正交试验表,模拟计算这些因素对能耗的影响程度,得到注塑一个产品在不同参数下需要消耗的功率和各参数对能耗的影响程度,然后通过实验验证模拟结果,证实了该研究方法的正确性及可靠性,该方法为注塑节能和塑化参数方案的确定提供一定依据.     

燃气机热泵余热的回收利用

燃气机热泵是一种高效节能的制热、制冷系统,回收燃气发动机的余热对于提高燃气机热泵的一次能源利用率有着十分重要的意义。对燃气机余热的组成,余热利用的限制条件,燃气机热泵在制热工况下的余热直接回收方式及在制冷工况下的采用压缩式与吸收式制冷循环相结合的余热联合回收方式进行了分析。