基于双隐层量子线路循环单元神经网络的状态退化趋势预测

针对现有人工智能预测方法在旋转机械状态退化趋势预测中存在预测精度较差、计算效率较低等缺点,提出基于双隐层量子线路循环单元神经网络(Double hidden layer quantum circuit recurrent unit neural network,DHL-QCRUNN)的旋转机械状态退化趋势预测方法。首先采用量纲一化排列熵误差构建状态退化特征集,然后将该特征集输入DHL-QCRUNN以完成旋转机械状态退化趋势预测。在所提出的DHL-QCRUNN中,设计双隐层结构以提高网络的非线性映射能力;并引入量子相移门和多位受控非门以实现信息的传递;通过双隐层的量子反馈机制获得输入序列的整体记忆;最后采用输出层激发态的概率幅表示输出,通过以上方法改善了网络的非线性逼近能力和泛化性能,使所提出的旋转机械状态退化趋势预测方法具有较高的预测精度。此外,通过量子Levenberg-Marqudt(LM)算法更新DHL-QCRUNN的网络参数,提高该网络的收敛速度,使所提出的状态退化趋势预测方法具有较高计算效率。滚动轴承状态退化趋势预测实例验证了该方法的有效性。提出了基于DHL-QCRUNN的旋转机械状态退化趋势预测新方法,该方法具有较高的预测精度和较高的计算效率。     

迭代广义解调齿轮信号分离的变转速滚动轴承故障诊断EI北大核心CSCD

变转速工作模式下齿轮啮合会掩盖故障轴承冲击特征,使得轴承故障特征信息微弱,针对变转速工作模式下齿轮啮合对轴承信号干扰的问题,提出了迭代广义解调齿轮信号分离的变转速滚动轴承的故障诊断方法。首先采用峰值搜索算法从包络时频谱中提取峰值啮合倍频(Instantaneous Dominant Meshing Multiply,IDMM),通过IDMM趋势线构造各广义解调函数的相位函数;其次利用迭代广义解调算法(Iterative Generalized Demodulation,IGD)分离出齿轮啮合频率及倍频信号,对剩余信号采用谱峭度算法确定由故障轴承引起的高频共振滤波参数并进行带通滤波;最后,以提取的IDMM趋势线作为轴承转频,对滤波结果进行角域重采样,根据阶次谱对滚动轴承运行状态予以判断。仿真信号和实测信号的处理结果证明该方法在无转速计设备的情况下能有效的实现变转速滚动轴承的故障诊断。     

秦氏模型智能控件化虚拟仪器系统及其本质特征

智能控件化虚拟仪器是最近几年才出现的一种全新的虚拟仪器开发模式,与目前流行的图形式虚拟仪器环境有着本质的区别,它采用了完全不同的技术路线,提供了不同的产品.通过简单图形化平台的开发,基于LabVIEW的仪器组建,以及智能控件化虚拟仪器集成开发环境VMIDS的介绍,详细剖析了主流的图形化工作环境和全新模式的智能虚拟控件两者的工作原理、本质特征和使用方法等,通过比较使读者更好地理解国产的秦氏模型智能虚拟控件和智能控件化虚拟仪器.     

基于Elman神经网络的旋转机械故障诊断

提出了一种基于Elman神经网络的旋转机械故障诊断模型.该诊断模型综合了经验模态分解在故障特征提取和Elman网络在故障模式识别方面的优势,对故障信号进行经验模态分解,再对表征故障调制特征的本征模态函数计算瞬时幅值欧式范数构成特征矢量,将特征矢量输入到训练好的Elman神经网络中进行故障诊断.通过深沟球轴承故障诊断实例验证了所提故障诊断模型的有效性.     

基于EEMD的振动信号自适应降噪方法

摘 要：应用集合经验模式分解（Ensemble empirical mode decomposition ,EEMD）能有效抑制模态混叠的特性,根据白噪声经经验模式分解（Empirical mode decomposition, EMD）后其固有模式函数（intrinsic mode functions ,IMF）分量的能量密度与其平均周期的乘积为一常量这一特点设计了自动选择IMF分量重构信号的算法,提出了基于EEMD的振动信号自适应降噪方法。对仿真信号和滚动轴承振动信号的降噪结果表明了该降噪方法的可行性和有效性。     

面向机械参量的通用数据采集仪的设计

针对机械参量信号的多样性和复杂性,该文设计了一种面向机械参量的通用数据采集仪,经简单配置后能够采集多种常见机械参量信号.文章首先用面向对象的设计思想对设计方案进行了模块划分,然后在介绍各个模块详细设计的过程中分析了实现通用性的难点并给出了相应解决方法,最后以常见的振动信号为采集对象,介绍了方案的具体实现过程.此采集仪可进行大多常见机械参量的测试,人机界面友好,有很好的应用前景.     

基于相关系数的EEMD转子信号降噪方法

针对转子振动信号周期性强的特点,应用集合经验模式分解(ensemble empirical mode decomposition,简称EEMD)对转子振动信号降噪过程中固有模式函数(intrinsic mode functions,简称IMF)分量的选取问题,提出了基于相关系数的EEMD降噪方法。首先,对原始信号进行EEMD分解得到IMF分量,并计算各IMF分量自相关函数与原信号自相关函数的相关系数;然后,根据相关系数选择相应的IMF分量重构信号最终达到对原信号降噪的目的;最后,对比了EEMD过程中不同加噪次数对降噪效率和效果的影响,给出了加噪次数的设置方法。仿真信号和转子振动信号的降噪结果表明了该降噪方法的可行性和有效性。     

设备管理数据库与预测维修系统的开发

介绍了如何利用计算机硬、软件组成设备管理中的预测维修、状态监测、故障诊断等系统,并结合实例探讨了设备数据库与预测维修系统的开发研制。     

傅里叶变换与小波变换的统一数学模型

提出了建立信号变换统一数学模型的设想,阐述了这一设想的意义;提出了域参变量、域参函数等概念;探索并建立了傅里叶变换(短时傅里叶变换)与小波变换统一数学模型的普通形式和广义形式,绘出了统一数学模型的流程图,给出了统一数学模型的物理意义;给出了傅里叶变换、短时傅里叶变换与小波变换在统一数学模型中的各参量和参变函数的取值。     

多参考最小二乘复频域法的数值问题分析及优化

分析多参考最小二乘复频域法在实际应用中的数值问题,提出一种多参考最小二乘复频域优化方法.由于实际系统阶次未知,为了避免模态遗漏,需先过估计系统阶次.通过理论与数值分析发现:由于系统阶次过估计,识别过程需要对奇异矩阵进行伪逆计算,伪逆计算方法和参数的选择对识别结果有很大影响.利用特征值分解计算奇异矩阵Ro的伪逆矩阵,通过...