刀具磨损监测及破损模式的识别

对于金属切削过程中的刀具磨损,提出了基于隐马尔可夫模型的模式识别理论来识别刀具的不同磨损状态,从而预报刀具破损.该方法对切削过程中切削力信号的动态分量和刀柄振动信号进行快速傅里叶变换特征提取,然后利用自组织特征映射对提取的特征矢量进行预分类编码,把矢量编码作为观测序列引入到隐马尔可夫模型中进行机器学习,建立了3个不同磨损状态的隐马尔可夫模型,并利用最大概率进行模式识别.试验表明,该方法对车刀磨损过程进行识别和预报是有效的.     

线性AR-HMM在旋转机械故障诊断中的应用

旋转机械的连续监测日益成为重要问题。由于传感技术的发展和计算能力的提高，使设备在线监测与故障诊断成为可能。把线性AR系数作为暂态振动信号的特征，利用有限状态隐马尔可夫模型（简称HMM）来模拟旋转机械的运行过程中运态行为的变化，从而提出一种新的故障诊断方法，HMM的参数从监测数据的统计关系中导出，实验证明该方法是切实可行的。     

盲系统辨识与故障诊断

盲系统辩识是一种仅由系统的输出中提取系统的未知信息的一种新的基本信号处理方法。论述了盲系统辨识的基本思想及其算法，将盲系统辩识思想引入到旋转机械状态监测与故障诊断中，提出了基于盲系统辩识的机械故障诊断的方法，并以转子裂纹为例，研究了基于时序模型盲辨识的不同的裂纹位置、深度的转子裂纹参数化双谱特征，得到了一些有价值的结论，为转子裂纹的诊断提供了一种新的方法。实验结果表明，该方法是有效的，基于时序模型盲辨识的参数化双谱分析具有对故障的灵敏性及能显示检测信号的一次、二次谐波等主谐波以及描述检测信号中二次相位耦合等非线性现象。     

变速非平稳条件下滚动轴承故障特征提取方法研究

旋转机械设备启停、电压波动及载荷变化等因素使滚动轴承通常是在变速非平稳条件下运行,利用传统共振解调方法获得的谱图将变得模糊,无法识别故障特征.根据该条件下滚动轴承损伤点冲击引起的固有谐振信号频率不变的特点,利用连续小波分析方法提取固有谐振信号,通过瞬时频率估计、阶比跟踪手段进行阶比谱分析,提出滚动轴承故障特征阶比系数的概念和计算方法.将故障特征阶比系数与阶比谱进行比较,可以很好地识别滚动轴承损伤类故障.     

重载作用下裂纹转子不平衡响应的实验研究

为进一步分析重载作用下裂纹转子的转动特性,采用交流无级调速器的模拟转子试验台进行了重载作用下裂纹转子的模拟试验。分别分析裂纹深度、位置、载荷及转速等因素对裂纹转子的不平衡响应的现象,根据不同频程下裂纹转子的振幅变化情况,研究裂纹转子不平衡响应的振动特性,得到重载作用下裂纹转子不平衡响应的特点,即裂纹越深越靠近跨度中央则峰值越大,频程越高振幅越小。     

混合SVM-HMM方法在旋转机械启动过程故障诊断中的应用研究

提出了旋转机械启动过程故障诊断的一种新框架一混合SVM—HMM方法。该方法把SVM的输出信息通过sigmoid函数和高斯模型转化为后验概率的形式,并把它引入到HMM模型隐状态的观测概率。根据模拟实验数据计算表明,该方法是十分有效的。     

组合窗函数的短时傅里叶变换时频表示方法

针对固定时间窗函数短时傅里叶变换(STFT)时频表示时间分辨率和频率分辨率相互制约,影响时频聚集性的缺陷,提出了一种组合窗函数的STFT时频表示方法.根据Heisenberg不确定性原理,分别利用长、短时间窗函数获得两组STFT时频表示,最终的时频表示以两组时频表示的乘积确定.仿真跳频信号和遥测振动数据处理结果表明:组合窗函数的STFT时频表示方法能有效提高STFT的时频聚集性,特别适用于跳频信号的分析.