基于多故障模糊组的序贯多故障诊断方法

由于系统复杂性的显著提高,多故障发生的概率也逐渐增大;针对多故障诊断的困难性,提出一种序贯多故障诊断算法;算法以构建的单故障诊断树为基础,利用集合划分思想和多故障模糊组,并根据信息熵理论实现测试选择,逐渐扩展单故障诊断树,最终得到多故障诊断树;最后的系统实例详细阐述了序贯多故障诊断算法的应用过程,生成了多故障诊断树,可以有效地实现对系统多故障的检测.     

基于XML的维修保障信息模型描述

为了实现装备全寿命周期内维修保障分析的需要,必须构造全面的维修保障信息模型;依据相关标准,分析并提取了维修保障相关信息;然后,利用XML Schema定义维修保障相关信息,建立起维修保障信息模型描述的XML文档框架,并对其进行了简要的应用说明.     

极性相关与LMS算法的流速测量系统研究

为了解决恶劣环境中噪声等因素对流速测量系统的影响,提出了两种抗噪算法。首先概述了流体流速测量的基本原理,分析了极性相关算法的结构、电路实现、以及峰点位置确定,然后介绍了最小均方算法（LMS）在流速测量中的应用,并对两种算法进行了实验仿真。根据两者的蒙特卡洛法仿真实验可以看出,在无噪及-20d BW噪声条件下,两种算法皆可进行精确的流速测量,且峰点位置清晰。但在噪声功率增强达到-15d BW时,两者的实验仿真出现较大偏差。基于LMS算法仿真得出的测量速度依旧能良好的反应蒙特卡洛法设定速度,但是基于极性算法仿真得出的测量速度已经不能良好的反应蒙特卡洛法设定速度。在噪声功率达到-10d BW时,基于LMS算法仿真得出的数据依旧良好,此时基于极性算法仿真得出的数据已经完全失真。实验结果表明,在有噪环境中时,极性相关算法的测量精确度降低,而LMS算法因为能根据外界因素自动调节自身参数,仍然可以进行精确的流速测量。     

硬膜防锈油的研制

介绍了JD－1硬膜防锈油的配方、制备工艺，筛选了溶剂、成膜材料和油溶性缓蚀剂。实验室理化性能测试及实际使用试验证明，该油具有膜薄（小于5μm）、干燥速度快（＜10min）和防锈性好（耐湿热试验720h，耐盐雾试验168h）等特点，可广泛应用于机床、工具等机械产品的封存与防护。     

MATLAB在DSP代码开发中的应用

DSP在电机系统开发中应用广泛,但是在对DSP进行代码开发时则比较繁琐,效率不高,容易出错。Matlab提供的Embedded Coder功能,则可以很好的解决上述问题。不仅可以进行系统级仿真,还可以对自动生成的代码进行验证。本文以永磁同步电机的磁场定向算法为例,详细介绍在Matlab中DSP代码开发的流程。     

基于刚柔耦合的综合传动汇流行星排断齿故障动态特性仿真研究

针对综合传动装置中的汇流行星排,为了掌握实际工况下断齿故障对其动态特性的影响,基于多柔性体动力学(MFBD)技术,在RecurDyn中建立了刚柔耦合多体动力学仿真模型,得到了行星齿轮的动态应力分布云图,确定了危险点的位置,并对考虑柔性变形前后的动态响应特征进行了对比分析;在此基础上建立了汇流行星排的断齿故障仿真模型,并利用其接触力及加速度信号的对比分析进行时频域上的故障特征提取,研究结果可为汇流行星排的故障诊断、寿命预测等提供一定的依据。     

螺杆式空气压缩机故障分析与模糊诊断

螺杆式空气压缩机是煤矿生产过程中不可缺少的动力来源之一,能否及时、准确地检测出空气压缩机故障有着重要的意义。介绍了螺杆式空气压缩机基本的工作原理,结合模糊算法对螺杆式空气压缩机进行了故障分析与诊断。     

基于EMD与SVD的齿轮箱分形诊断方法研究

提出了一种基于经验模态分解(EMD)与奇异值分解(SVD)的机械振动系统故障分形诊断方法。该方法首先将EMD和SVD相结合,对信号进行分解和特征筛选,通过重组所得轨道矩阵,实现对机械系统振动信号不同特征信息的提取。然后利用Kolmogorov熵、多重分形等动力学分析方法,对降噪振动信号进行分形诊断。在直齿轮减速箱故障识别中的应用表明,该方法不仅有效提取出了系统的特征信息,而且可实现对系统状态和细微故障差别的有效识别,并可给出定量判据。     

基于RecurDyn的开式链传动输弹机动力学联合仿真研究

为了掌握某火炮自动装填系统中开式链传动输弹机的动力学特性,分析了输弹机的结构功能和运行原理,基于多体动力学分析软件RecurDyn,结合液压传动仿真软件AMESim,建立了输弹机的虚拟样机联合仿真模型并进行了仿真计算,根据仿真结果进行了输弹机系统动力学特性的分析,为其机构的下一步设计优化及故障分析奠定了一定基础。     

基于极限学习机的矿井突水水源快速识别模型

在煤矿突水灾害防治过程中,需要快速准确地识别出突水水源类型。激光诱导荧光技术具有灵敏度高和快速监测的特点,利用该技术获取水样的荧光光谱。光谱经卷积平滑预处理和主成分分析提取特征信息后,采用极限学习机算法建立多元分类学习模型。确定隐含层激励函数为Sigmoid函数,并通过交叉验证法确定最优隐含层节点个数。从训练网络的平均时间、训练和测试的平均分类准确率和标准差方面,与BP和SVM传统分类算法进行了性能比较。结果表明:在训练集和测试集上的平均分类准确率方面,该模型与传统分类模型基本一致,但该模型分类准确率的标准差最小,说明其具有较稳定的分类性能;在训练模型学习时间方面,该模型能够大幅度降低分类学习时间,说明其具备快速识别突水水源性能。