非对称系统周期性动力学响应的封闭解法

建立了一种求解非对称系统周期性动力学响应的数值方法,该方法不局限于具体的机械系统,而是由非对称系统动力学方程的特点推导而来,具有普适性,可应用于求解复杂机械系统的动力学响应。最后通过算例分析验证了该方法的有效性。     

基于门限关联度的自行火炮传动箱性能检测方法研究

用振动加速度传感器获取传动箱振动信号,应用统计学方法建立了传动箱标准正常状态模式,然后计算振动信号与标准正常模式的门限关联度,结果表明,所得门限关联度可以反映传动箱当前的性能状况.全部检测过程均在计算机上进行,速度快、可靠性高.     

用声测法诊断自行火炮变速箱齿轮故障的研究

本文以自行火炮变速箱齿轮某齿面点蚀为典型故障,分析了声学测试原理.通过倒频谱分析方法,提取信号的故障特征,探索利用声学信号进行故障识别的方法.     

干涉仪精密气体润滑滑板的静态特性和动态特性

为了控制具有长行程的液氮致冷干涉仪的可移动镜面在非常精确的范围内运动,应用了气体润滑滑板作为移动平台。获得了这样的控制:直线轨迹的锥角偏差小于0.6328μm波长的1/5;在平移4.7cm时,转动稳定性在1/10秒之内;在3.5×10~4g~2/HZ的纯噪音振动的环境下工作时,滑板在垂直于驱动轴线方向上的位移小于0.1μm。选用气体润滑的主要原因是它的低摩擦,没有静摩擦,以及能在+25℃至-196℃的温度范围内工作。为了利用致冷剂蒸发而得的气体,轴承间隙做得尽可能地小。轴承刚性是这样设计的,供气压力的变化能引起滑板位置的相应变化,这种特性允许滑板被应用于反馈系统中,从而提供在高振幅、低频率振动下滑板的压力控制。这种滑板用于具有视场补偿的迈克尔逊干涉他,可以改进高分辨率的分光镜的技术状态。     

基于机器学习的恐怖分子预测算法

当今世界恐怖袭击事件频繁发生,通过对嫌疑人进行预测分析,有利于尽早发现新生或者隐藏的恐怖分子并对其进行针对性打击,以减少人员和财产损失。为此,使用机器学习方法,提取恐怖袭击事件的多方面特征,对一个或多个嫌疑人进行预测。采用贝叶斯优化对Bagging、决策树、随机森林和全连接神经网络4种算法进行寻优,将预处理后的数据输入优化后的算法模型对恐怖袭击事件嫌疑人进行预测,以准确率、召回率、精度和F 1值作为指标评价算法性能。实验结果表明,当预测结果仅输出一个嫌疑人时,基于树的算法预测结果普遍较好,其中Bagging算法的预测精度最高为0.911,而全连接神经网络可以得到多个嫌疑人的预测结果,其预测精度为0.8778。     

基于EMD和Teager能量算子的轴承故障诊断研究

提出了一种基于EMD和Teager能量算子的齿轮箱轴承故障诊断的新方法,该方法综合利用了经验模态分解和Teager能量算子分析技术.首先利用经验模态分解方法,将振动信号分解成不同特征时间尺度的单分量固有模态函数,然后用Teager能量算子计算各固有模态函数的瞬时幅值,最后对感兴趣固有模态函数瞬时幅值的包络谱进行分析,就可识别齿轮箱轴承的故障部位和类型.齿轮箱轴承故障振动实验信号的研究结果表明:该方法能有效地识别轴承的故障.     

基于改进形态分量分析的齿轮箱轴承多故障诊断研究

形态分量分析是一种基于信号形态多样性和信号稀疏表示的信号和图像处理方法,其主要目标是根据信号组成成分的形态差异性,选择合适的字典来分离信号。针对传统形态分量分析的字典选择和阈值选择的缺陷,提出了基于自适应字典选择和TH-MOM (Hard Threshold-MOM)的阈值更新策略,通过仿真信号和齿轮箱轴承多故障振动实验信号的研究结果表明：该方法不仅能将形态各异的多分量信号进行有效分离,提高了信噪比,而且提高了从强噪声环境中提取瞬态冲击特征的能力,能有效地识别轴承的故障类型和部位。     

基于独立分量分析的欠定盲源分离方法

目前的欠定盲分离算法只能分离稀疏信号,对于不稀疏的信号分离效果不理想。经典独立分量分析算法中的扩展Infomax算法既能分离超高斯信号,也能分离亚高斯信号,但却只能应用于观测数不少于源数的超定盲源分离,结合扩展Infomax算法,本文提出了一种欠定ICA算法,通过生成隐藏数据将欠定盲分离问题转化为超定盲分离问题,然后再应用经典的扩展Infomax算法进行分析,该方法可以分离欠定情形下超高斯和亚高斯混合信号。并用该算法对实测的齿轮箱混合故障信号进行分离,再用包络阶次方法对分离出的信号进行分析,成功识别出了齿轮箱的不同故障特征,验证了该算法在齿轮箱故障诊断中的有效性。     

基于双树复小波包峭度图的轴承故障诊断研究

针对传统包络谱和峭度图分析技术的缺陷,提出了一种基于双树复小波包峭度图的轴承故障诊断方法。该方法综合利用了双树复小波包变换和峭度图分析技术,克服了原峭度图方法只采用FIR和短时傅立叶变换滤波器的缺点,提高了从强噪声环境中提取瞬态冲击特征的能力。首先利用双树复小波包变换,将振动信号分解成不同频带的分量,然后计算各小波分量的谱峭度,再利用谱峭度的滤波器作用,计算最大峭度值对应分量信号的包络谱,根据包络谱就可识别齿轮箱轴承的故障部位和类型。齿轮箱轴承故障振动实验信号的研究结果表明：该方法不仅提高了信噪比和频带选择的正确性,而且能有效地识别轴承的故障。     

基于广义形态分量分析的降噪技术研究

针对强噪声环境中有用信号提取的难题,提出了基于广义形态分量分析的降噪方法。通过引入虚拟观测信号,将一维观测信号扩展为多维虚拟观测信号,再通过广义形态分量分析,实现观测信号的盲源分离,从而达到降噪的目的。通过仿真信号和齿轮磨损故障振动实验信号的研究结果表明：广义形态分量分析技术能有效分离强背景噪声中的微弱信号,有效提取故障特征,其降噪性能优于传统的独立分量分析。