高速列车非平稳振动信号盲源分离方法及应用

高速列车具有若干时变激励源,传统的时频分析方法只能对观测的混合振动的总体强度分布、时频域结构加以分析,不能分离出与各振源对应的信号分量从而明晰振源状态与故障特征。盲源分离是一种可行的分析方法,但由于高速列车振动信号具有时变振源数目、时变信号长度、受车速调制的变频非平稳等特征,传统的盲源分离方法不适用。为了提高高速列车非平稳信号的盲源分离效果,基于自适应滤波理论提出全局最优信噪比盲源分离新方法,并对其可分离性的判别依据进行论证。新方法的有效性经仿真计算和实测数据分析得到验证。研究表明：新方法对高速列车时变非平稳信号的盲源分离效果优于传统的基于非线性函数的盲源分离方法和基于高阶累积量的盲源分离方法。     

机械密封端面接触状态的声发射监测方法

针对机械密封运行过程中反映密封端面接触状态的工作参数(端面开启时间、膜厚等)测量困难的问题,提出基于声发射信号的机械密封端面接触状态监测方法。根据密封端面产生的声发射信号具有时变非线性且突发性强的特点,采用经验模态分解(EMD)法对原始信号进行分离提取。EMD法能够将信号分解为不同时间尺度和不同频带的一系列固有模态函数,然后根据能量分布特征对伪分量进行剔除,得到"近源"声发射信号,抽取其信号特征运用Laplace小波相关系数法实现对密封端面接触状态的准确识别。通过机械密封测试试验证明,声发射监测技术能准确地识别机械密封装置动静环之间的接触状态和摩擦形式,能够在工业现场推广使用。     

基于声发射的机械密封状态识别

为了适应声发射信号频率覆盖范围广且频率高的特点,本文使用了在S变换的基础优化而来的广义S变换,并通过对广义S变换的时频分辨率特性进行了分析,选取广义S变换的参数，使得其在20khz~1000khz 的频率范围内依然拥有1khz~2khz的频率分辨率。随后在广义S变换分析的基础上对机械密封端面的声发射信号进行滤波和特征提取,并使用GA优化的TWSVM对密封的磨损状况进行了识别,准确率达到了100%,高于GA-SVM的识别率。说明相比传统的SVM在TWSVM在模式识别上更具有优越性。     

基于粒子群优化LS-SVM的车刀磨损量识别技术研究

刀具的磨损状态直接影响产品加工质量、成本和效率,对刀具磨损量的实时监测识别具有重要意义。针对刀具磨损状态先验样本少和常规神经网络识别模型收敛速度慢、易陷入局部极小值等问题,提出了基于最小二乘支持向量机（LS-SVM）的刀具磨损识别方法,并针对支持向量机的惩罚因子和核参数对模型识别精度影响较大的问题,提出一种根据个体适应度来调整惯性权重的自适应粒子群算法进行自动参数寻优。以车削加工为研究对象,采集加工过程中的切削力信号,应用小波包分析技术提取反映刀具磨损状态的特征信息作为识别模型的输入,然后利用训练好的自适应粒子群算法优化后的LS-SVM识别模型进行刀具磨损量识别。实验结果表明,该自适应粒子群优化算法比标准粒子群优化算法参数寻优能力更强;粒子群优化LS-SVM模型能高效地实现刀具磨损量识别,与BP神经网络相比具有更高的精度,且所需样本数较少,训练速度更快。     

微机控制滚珠丝杆检测仪

本文介绍一种微机控制滚珠丝杆检测仪,该仪器测量精度和效率高,适于生产现场使用。     

基于声发射主轴机械密封开启状态识别技术

针对机械密封端面开启状态确定和端面开启厚度测量困难这一问题,提出基于声发射信号端面开启状态监测技术。将电涡流传感器安装在密封装置静环上,将声发射传感器安装在静环座上,分别对动静环之间端面开启状态进行内部直接测量和外部间接检测。把采集的声发射信号运用小波阈值降噪法进行降噪处理后,提取典型的小波包能量特征。建立RBF神经网络模型,将提取的小波能量特征作为模型的输入,对机械密封端面开启状态进行识别。与电涡流传感器测量结果比对表明,声发射技术能够对机械密封开启状态进行准确的识别。利用声发射识别技术,实现了对主轴机械密封油膜开启状态由"内测"到"外测"的转变,便于工业现场应用和推广。     

基于声发射和小波神经网络的机械密封状态分类新方法

采用声发射方法监测得到的复杂机械密封的声发射信号往往信噪比很低,对其工作状态进行分类存在一定的困难。提出一种基于声发射和小波神经网络的机械密封工作状态分类的方法。该方法将小波与神经网络结合,基于声发射信号时域和小波包能量分析的特征提取方法,充分利用声发射信号中的有用信息,能很好地表征机械密封的工作状态。以旋转轴用动密封装置为例,采用上述方法对其工作状态进行监测。实验证明,该方法能够有效地对复杂机械密封的工作状态或故障类型进行分类。     

数控车削加工切削力的预测研究

应用六西格玛原理对数控车削加工钛合金材料进行正交切削试验,通过采集三向切削力信号,对数据结果进行分析,找出在正交试验范围内切削用量对切削力的影响规律,并通过对数据进行因子刻画,提出了一种在缺乏切削力经验公式和检测条件下进行切削力预测的有效方法,为优化切削加工条件提供了重要依据。     

切削条件对超临界材料加工影响规律研究

将人工神经网络和因子刻画技术应用于超临界材料切削规律研究,在正交铣削试验的基础上,预测出超临界材料在不同切削条件下切削力变化及其对工件表面硬度、表面微观组织等表面质量影响规律,建立了针对不同工艺要求合理选择切削用量的模型,为优化切削加工条件提供了重要依据.     

机械设备摩擦噪声的信号测试与处理

作为当代三大主要污染源之一,噪声污染已成为一个世界性的问题并且引起了世人的关注。随着工业技术的发展,由物体摩擦产生的噪声污染也越来越严重。对摩擦噪声进行测量、研究和控制,从环境保护事业出发,是十分需要的;同时通过对摩擦噪声的信号分析,还可以深入了解摩擦机理,有助于改善摩擦条件和进行工况监测。