矢分数阶傅立叶变换在单分量线性调频信号检测中的应用

对于单分量LFM信号的较低信噪比检测和参数估计,目前已有许多理论可以完成。而在极低信噪比的情况下,大多方法都不太理想,目前分数阶Fourier变换方法处理得比较好。而针对故障诊断中,双通道采集信息的情况,采用矢分数阶Fourier变换来处理,期望取得更好的效果。     

基于小波分析的脉冲涡流/电磁超声复合无损检测方法

为了有效利用电磁超声中的脉冲涡流信号,实现电磁超声、脉冲涡流检测方法对缺陷检测的优缺互补,提出了一种基于小波分析的脉冲涡流/电磁超声复合无损检测方法,并结合数值仿真和实验验证了所提方法的有效性。     

双截面信息融合在故障诊断中的应用

讨论了转子运动和单截面信息融合的相关理论,提出了基于双截面信息融合的旋转机械故障诊断方法,建立了基于双截面融合能量谱的旋转机械常见故障诊断BP神经网络模型。模拟实验结果表明:与基于单截面数据的诊断结果对比,将双截面融合应用于旋转机械常见故障诊断,可有效提高故障诊断的准确率。     

旋转机械不对中形式的新分类及其故障诊断研究

根据转子不对中故障产生的机理,针对传统不对中故障分类过于概括、对实际排除不对中故障指导意义不太明确的缺点,根据联轴器两端支承轴承的不同状态,提出转子不对中故障的新的分类形式——同侧轴承不对中、异侧轴承不对中、混合不对中,并与传统分类方法进行比较,探讨新的不对中形式与传统不对中形式的关系,给出新分类方法中各类不对中故障的机理及振动特征。研究结果表明:对于同侧轴承不对中,壳体振动频谱中2倍频特征明显而轴振频谱2倍频不明显;异侧轴承不对中相当于传统分类中的平行位移不对中,而混合不对中相当于传统分类中的综合位移不对中。现场诊断案例证明该分类方法的有效性。该研究成果为提高转子不对中故障诊断的准确率、更加有效地指导现场操作人员排除故障提供参考。     

基于同源信息的BP神经网络在故障诊断中的应用

阐述了同源信息融合和BP神经网络（BPNN）关键技术,提出了基于同源信息融合的BP神经网络诊断方法;以旋转机械为例进行了MATLAB编程,得到了误差小和速度快的结论。     

一种故障诊断新方法及其应用

旋转机械的振动具有其复杂性和特殊性,在各个响应频率下,转子的轴心运动轨迹是一个椭圆.结合全矢谱分析技术,提出一种旋转机械故障诊断新方法--用轴心轨迹椭圆的面积描述转子振动状态,同时提出矢振比和全矢瞬时幅速图两个概念.在此基础之上提取出有效的故障信息特征值,最后将新方法应用于故障诊断实践中.结果表明,这种方法具有可识别转子的振动状态、能清晰判断转子的正反进动、提高分析判断速度、灵敏度高等优点,是一种实用的旋转机械故障诊断分析新方法.     

基于嵌入式技术的机械设备点检仪

点检是掌握设备运行状态的重要手段.点检仪由数据采集、人机交互、通信和存储等单元组成;采用ARM微处理器,设计了数据存储、信号采集等硬件电路;构建了嵌入式Linux操作系统,编写了设备驱动和仪器应用程序,以实现对振动、温度、设备条码信息、观察量、抄表量的采集和管理;仪器通过USB接口与上位机通信;点检仪小巧、便携、使用方便,和后端软件一起组成的点检管理系统可有效提高设备管理的自动化水平.     

周期性冲击响应信号的时、频特性分析

旋转机械中齿轮冲击类故障诊断的主要依据之一就是信号中存在以啮合频率为中心频率、以故障齿轮转频为间隔频率的边频带,但工程实际表明,齿轮发生断齿、严重点蚀等冲击类故障并不一定会出现啮合频率,针对这种现象,从更一般的应用出发,以工程应用为目的,基于机械振动理论研究了单自由度振动系统的一般性的周期性冲击响应信号在时域和频域的特征,结果表明:单次冲击响应时域波形为一周期性衰减振动,振动频率为系统有阻尼固有频率;周期性冲击响应信号时域波形为单次冲击响应时域波形的迭加,频谱图上出现以系统固有频率为中心频率、以冲击频率为间隔频率的边频带;混有简谐信号的周期性冲击响应信号,其频谱图上边频带呈不对称分布。研究结果为工程实际中相应故障的诊断提供了理论依据。     

匹配追踪方法在故障诊断中的应用研究

匹配追踪法可将信号分解成一系列时频原子的线性组合,并在每次分解前自适应地初始化时频原子的参数。本文研究了匹配追踪的原理和方法,并将匹配追踪后的分解结果与Wigner分布相结合,得到了具有高分辨率的自适应时频分布。通过仿真算例将该法与Wigner分布、小波包变换,短时傅立叶变换的结果相比较,验证了该方法的优越性。最后,将该方法应用于轴承的故障诊断,结果表明,本文方法用于故障诊断的特征提取是有效的。     

旋转机械振动的谱强度计量

根据旋转机械的信号拾取特点，在分析以往单向处理造成谱强度误差基础上，提出一种非常适用于旋转机械谱强度分析的综合矢量谱分析方法，讨论了它的物理意义和快速运算流程。