基于线性局部切空间排列维数化简的故障诊断

为实现旋转机械故障诊断方法的自动化、高精度及通用性,提出基于线性局部切空间排列(Linear LocalTangent Space Alignment,LLTSA)维数化简的故障诊断模型。首先结合经验模式分解(Empirical Mode Decomposition,EMD)和自回归(Autoregression,AR)模型系数构造全面表征不同故障特性的混合域特征集,再利用LLTSA将高维混合域特征集化简为故障区分度更好的低维特征矢量,并输入到最近邻分类器(K-nearest Neighbors Classifier,KNNC)中进行故障模式识别。所提出的诊断模型充分融合混合域特征融合在故障特征的全面提取、LLTSA在信息的有效化简及KNNC在分类决策方面的优势,实现诊断方法的自动化、高识别率及较好的通用性。用深沟球轴承不同部位、不同程度故障诊断实例验证该模型的有效性。     

Hilbert-Huang 变换中的理论研究

1996年，Norden E.Huang等人提出了一种新的非平衡信号的时频分析方法－Hilbert-Huang变换（HHT）。它以瞬时频率为基本量，以固有模态信号为基本信号，与以往的时频分析方法相比有明显的区别，在应用中已表现出了独特的优点，但这一新方法还处在发展阶段，在建立严密的理论和方法的完善方面还有许多事要做。本文首先对这一方法作了简单介绍；然后借助振动信号模型提出了固有模态信号应满足的一个重要数学条件，进而建立了固有模态信号的数学模型，基于这一模型，论证了固有模态信号对局部对称性要求的必要性，以及用极值点拟合固有模态信号包络线和经验模态分解的合理性，这些工作使Hibert-Huang变换的研究向前迈进了一步。     

基于一种新边缘算法的轴承直径测量

边缘检测是特征提取、图像处理与分析的关键技术,针对现有边缘检测算法检测图像中的单边边缘多数会出现双边响应的问题,提出一种新的非边缘点抑制算法,并将这种算法应用于轴承径向尺寸测量中.实验表明,该算法可以有效地解决上述问题并获得良好的边缘.     

基于长短时记忆网络融合SCADA数据的风电齿轮箱状态监测

针对不具有时间记忆能力的机器学习方法融合风电机组数据采集与监控系统(SCADA)的时序数据而导致风电齿轮箱状态预测精度不高的问题,提出基于长短时记忆(LSTM)网络融合SCADA数据的风电齿轮箱状态预测模型。选择能表征风电齿轮箱运行状态的某个监测量作为模型的输出量,基于灰色关联度选择与该监测量关联密切的SCADA参数作为预测模型的输入量;使用正常状态下的SCADA数据训练LSTM预测模型,得出预测值和残差,通过3σ准则计算出上下预警阈值,用于风电齿轮箱状态监测和故障预警。某风电场风电齿轮箱的SCADA数据验证表明所提出的方法能有效预警风电齿轮箱故障。     

组合核RVM与EEMD信息熵的机械设备可靠度评估与预测

机械设备的运行可靠度反映的是机械设备在预期服役环境中正常工作的能力,传统的机械设备运行可靠度评估方法通常是建立在大量历史样本信息的基础上,然而针对没有历史样本信息的机械设备,传统方法难以对机械设备的实际运行状态进行准确评估,也很难对其未来的性能退化趋势进行有效预测。为此,提出通过构建归一化EEMD信息熵与组合核函数相关向量机对机械设备的运行状态进行评估和预测。首先采集机械设备运行过程中的振动信号,采用经验模式分解方法（ensemble empirical mode decomposition,EEMD）对振动信号进行分解,获得多个本征模态函数（intrinsic mode function,IMF）分量,并分别计算其相对能量和归一化EEMD信息熵,构造表征机械设备运行状态的特征指标。随后,构建组合核相关向量机对机械设备的运行状态指标量样本进行学习,并采用粒子群算法对组合核相关向量机中的权值参数和核函数参数进行优化,建立反映机械设备运行状态的可靠度预测模型。最后,将所构造的运行状态特征指标输入给相关向量机进行可靠度的性能退化预测。滚动轴承运行状态评估及预测的结果表明,所提出的机械设备运行状态评价方法能够充分提取反映滚动轴承运行状态的特征信息,运行可靠度预测方法也充分考虑了滚动轴承性能退化状态的历史规律性,相对于单一核函数相关向量机智能预测模型,组合核相关向量机提高了滚动轴承运行状态的预测精度和鲁棒性,为机械设备的运行状态评估和性能退化趋势预测的工程应用提供了一种新的方法。     

基于动态加权密集连接卷积网络的变转速行星齿轮箱故障诊断

针对变转速工况下基于深度学习的行星齿轮箱故障诊断问题,提出动态加权密集连接卷积网络的故障诊断方法。将行星齿轮箱振动信号的小波包系数二维矩阵输入到密集连接卷积网络作为网络的初始特征图;在密集连接卷积网络的跨层连接中加入动态加权层,形成动态加权密集连接卷积网络,加强网络的深层信息传递;通过动态加权网络层自适应提取不同频带内的故障特征信息进行行星齿轮箱故障诊断。试验表明了所提的动态加权密集连接卷积网络能有效诊断变转速行星齿轮箱故障。     

谐波减速器中薄壁轴承接触载荷-应力计算仿真研究

针对经典滚动轴承力学特性的研究大多基于刚性套圈的假设,但无法应用于谐波减速器中发生套圈变形的薄壁轴承问题,基于柔性套圈变形假设得到薄壁轴承接触载荷-应力计算模型,并通过ANSYS建立薄壁轴承柔-柔接触三维有限元仿真模型.分析薄壁轴承装配受载引起套圈变形后滚动体接触载荷分布规律,研究薄壁轴承滚动体-滚道非理想接触下滚动体接触载荷-应力计算模型,指出传统刚性套圈假设、切片法分析薄壁轴承载荷分布以及估算薄壁轴承接触应力的局限性.通过理论数值计算和仿真结果对比,验证了基于柔性套圈假设分析薄壁轴承接触载荷-应力计算及仿真结果的合理性、准确性.     

风电机组传动系统振动监测研究进展

振动监测是当前风电机组传动系统状态监测的主要手段。首先,分析了风电机组传动系统振动监测策略和各部件振动特征提取流程,重点介绍了边频带能量因子、阶次谱边频带能量比等振动特征趋势指标;然后,分析指出解决现役风电机组因传动系统故障导致巨大经济损失的关键是进行风电机组传动系统早期故障预示,重点介绍了泛化流形学习的风电机组传动系统早期故障预示方法;最后,从系统架构、数据采集配置及监测分析方法等方面分析了现有的风电机组传动系统振动监测系统的功能与特点,指出了基于多源信息融合的大数据预测分析与智能维护将是风电机组健康管理的重要发展趋势。     

虚拟式小波变换信号分析仪的设计及应用

介绍了一种新型的适于工程信号分析的虚拟式小波变换信号分析仪的设计。该虚拟仪器不仅集成了以小波变换为核心的信号分解和信号重构等主要功能,而且还包括了FFT、细化分析、时域统计分析、相关分析等一些辅助功能。结合虚拟仪器技术,充分利用计算机的资源。该仪器具有几大优点友好的用户界面、快速的小波变换算法、丰富的分析功能、极高的性价比。文中给出了几个实际应用例子。     

机械振动无线传感器网络跨层同步采集累积误差控制方法

针对机械振动无线传感器网络同步采集过程中同步采集误差随时间累积的问题,在分析机械振动无线传感器网络跨层同步采集误差累积机理基础上,提出了一种基于同步信息跨层实时跟踪的机械振动无线传感器网络同步采集累积误差控制方法。以节点物理层跨层实时捕获同步信息,避免任务抢占所导致同步信息捕获迟滞;研究基于卡尔曼滤波的晶振频率偏移计算方法,提升晶振频率偏移计算精度;构建反馈控制系统动态反馈和补偿同步采集累积误差,避免同步采集误差累积效应;设计嵌入式多任务优先级管理固件系统,在采样率极高的机械振动信号采集过程中确保采样任务和同步任务实时性。实际测试表明,在高达51.2 kHz的采样率下连续采集30 s,节点间同步采集误差始终保持在0.6 us以内,同步采集误差最大值仅为采样周期的3%,满足机械振动信号同步采集需求。