基于SSWPT边际谱特征信息提取的齿轮故障诊断EI北大核心CSCD

在噪声的影响下,齿轮的故障信息不易被识别。同步压缩小波包变换(synchrosqueezed wave packet transform,SSWPT)作为一种新的时频分析方法,具有良好的抗噪声能力。在其基础上提出基于SSWPT边际谱特征信息提取的齿轮故障诊断方法。首先,对故障齿轮的振动信号进行SSWPT得到信号的能量矩阵,并对能量矩阵进行积分变换求取齿轮振动信号的边际谱;然后,根据边际谱提取啮合频率及其倍频,并选择对应的啮合调制频带对能量矩阵运用同步压缩小波包逆变换(synchrosqueezed wave packet inverse transformation,ISSWPT)进行信号重构;最后,对重构信号进行解调分析,从而可以有效提取齿轮故障特征频率。仿真及试验分析结果表明,该方法可以准确地提取齿轮故障特征信息,且分析效果优于包络谱和基于快速谱峭度的共振解调方法,为齿轮的故障特征提取提供一种有效的方法。     

振动信号采集中剔除脉冲的新方法

现场采集的振动信号数据中包含各种噪声，文中引入非线性数学形态变换，提出了采用开-闭和闭-开组合的数学形态滤波器去除现场振动信号中的噪声，特别是脉冲干扰的新方法。给出了振动信号处理中形态滤波器结构元素的构造方法。仿真计算及实例验证表明，采用数学形态滤波器可以有效去除脉冲干扰，提取信号的全局和局部特征。数学形态学算法中仅包含布尔运算及加减运算，简单，快速，易于实现。     

基于定子振动特征的转子绕组短路故障识别

分析了汽轮发电机转子绕组匝间短路故障和转子不平衡故障时定、转子径向振动特征。当转子绕组匝间短路故障发生时,转子基频振动增加,定子二倍频振动减小;当转子不平衡故障发生时,转子基频振动增加,定子二倍频振动增加,不同于转子绕组匝间短路故障时的定子振动特征。在此基础上提出了基于定子振动信号的转子绕组匝间短路故障识别方法,与传统的单纯利用转子振动信号的诊断模型相比,可有效识别转子绕组匝间短路故障和转子不平衡故障。最后实测了SDF-9型故障模拟发电机定、转子径向振动信号,与理论分析结果基本吻合。     

一碎煤机实时监控装置

介绍了一以８０９８单片机为基础实现的碎煤机实时监控装置的硬件电路原理、功能和软件的特点。通过安装在碎煤机上的加速度和温度传感器，实现对碎煤机振动和温度的实时连续监控，并用数字方式予以显示。振动幅值和温度如超过临界值能够声光报警或自动停机。     

基于支持向量机的设备异常状态时间预测

提出了一种支持向量机(SVM)理论的设备异常状态时间预测方法.该方法采用结构风险最小化原则(SRM),与采用经验风险最小化原则(ERM)的传统神经网络方法相比,具有更好的泛化能力和精度,减少了对经验的依赖.通过和BP神经网络进行比较试验,证明了基于支持向量机的预测时间与实际到达危险极限值的时间是相符合的,这种方法精度高,明显优于BP神经网络的预测.最后说明准确预测极限值的时间可使设备远离异常状态,保障设备运行的安全性和经济性.     

关于高校教师年度考核工作的思考

教育部《关于新时期加强高等学校教师队伍建设的意见》指出：“强化教师考核制度，完善教师职务聘任制度。要积极探索并制订科学、有效、可行的教师考核办法和指标体系，使教师考核工作制度化、规范化、科学化。”华北电力大学近年来每年都要对全体教职工开展年度考核，其运作方式和效果如何，对于发挥全员积极性的作用不可忽视。本文仅对教师年度考核的情况加以分析，并提出一个粗略的方案。１考核方式的现状仅以一个系为例，将被考核者分为优秀、良好、合格和不合格四等。学校首先按照优秀１５％、良好２５％的比例给系里下达“优良”指标…     

旋转机械动静碰摩故障特征研究

旋转机械转子动静碰摩是旋转机械常见的故障之一。针对现状,以刚度为分段线性的Jeffcott转子为动静碰摩的简化模型,建立了系统模型的运动微分方程,并进行了碰摩故障的仿真计算。经过大量的试验,观测了转子碰摩故障下的运动规律。试验结果与基于碰摩力模型的仿真结果一致,并对诊断和抑制旋转机械轴系异常超标振动有积极意义。     

光电经纬仪中现场总线的选择与应用

随着光电跟踪探测技术的发展，光电经纬仪采用的传统通信方式已无法满足要求。现场总线作为一种全数字化、双向、开放的多站串行通信总线，已经成为当前发展的热点。针对目前国际上多种现场总线标准共存的现象，对几种重要的总线标准做了介绍和对比，重点分析了控制器局域网(CAN)的技术特点，提出了一种基于CAN总线的光电经纬仪内部通信系统实现方案。     

快速路径优化引导ACMD的变转速轴承故障诊断北大核心

针对变转速工况下滚动轴承故障特征识别困难的问题,提出了一种快速路径优化算法(FPO)引导自适应线性调频模态分解(ACMD)的变转速轴承故障诊断方法。首先,对轴承故障信号进行希尔伯特变换解调提取隐藏在高频信号中的故障信息;其次,采用FPO算法从信号的时频分布中对信号分量的瞬时频率进行初始估计;将预估的各分量初始频率作为ACMD的初始参数对原始包络信号进行分解;最后,根据分解得到各个信号分量的瞬时频率和瞬时幅值等信息构建出高分辨率的时频表示。通过分析实测信号表明,所述方法能够展示出各个信号分量的幅值和频率变化趋势,剔除了无关成分的干扰,清晰地演示变转速工况下轴承故障信号的时变特征。