采用盲源分离的旋转机械振动仿真研究

盲源分离作为一种基于主向量分析的信号处理方法,目的是通过假设源信号之间的统计独立性,由一组观测信号恢复出源信号。研究了盲信号分离理论,尤其是盲卷积分离,采用基于交叉残余误差RCTE控制准则的盲分离算法,并针对旋转机械振动信号的特点生成仿真信号,将该方法应用于旋转机械振动信号瞬态成分与噪声卷积混合问题,仿真试验结果表明了该算法的有效性。     

用于目标识别的PCA-SC形状匹配算法

基于形状上下文(Shape Context)算法并融合主成分分析(PCA)的降维思想,提出了一种PCA-SC算法来提高形状匹配和目标识别的速度和抗噪能力.该算法将SC算法获取的特征矩阵构成协方差矩阵,按照特征值由大到小的准则进行降维,形成新的特征矩阵用于匹配和识别,既抑制了噪声干扰,提高了识别准确率,又能够提高匹配速度,易于满足工程应用对实时性的要求.利用MNIST图像数据库中的图像进行了实验分析,结果表明,PCA-SC算法在保持了SC算法原有的定位准确、抑制噪声等优点的基础上,识别速度提高了1倍;准确率达到了96.15％,提高了约0.5％;而且抗噪性更强,可用于匹配和识别较复杂的形状和目标.该算法基本满足匹配和识别对速度、准确率和抗干扰性等方面的要求.     

自适应谱峭度滤波方法及其振动信号检测应用

谱峭度滤波方法是一种在强背景噪声下也能有效提取振动信号中瞬态成分的方法。笔者针对谱峭度滤波方法中窗宽的自适应选择问题,提出一种自适应谱峭度滤波方法。该方法将小波相关滤波提取的振动信号特征频率作为Morlet小波滤波窗口中心频率,并按最大谱峭度原则自适应选择滤波小波窗口宽度,以确定最优带宽Morlet小波窗。通过强背景噪声下的瞬态成分的提取验证该方法的有效性,并与窗口融合自适应谱峭度滤波方法进行比较。针对轴承故障振动信号检测,应用该方法提取反映轴承故障的冲击响应成分,说明该方法能够实现轴承故障振动特征信号的提取。     

香兰素在铅炭电池负极中的应用研究

在铅炭电池负极铅膏中添加香兰素,考察香兰素添加量对电池性能的影响。采用SEM对失效电池进行表征分析。在负极铅膏中添加香兰素,会导致和膏时用水量增加,以及铅膏的表观密度发生改变,最终影响电池在部分荷电态下的循环性能。添加香兰素可以降低电池在100%DOD循环下的电池失水量,延长电池寿命。     

多传感器数据融合的车辆旋转部件振动仿真研究

研究了多传感器、多测试系统采用卷积分离技术提取车辆旋转部件震动特征值的可行性。针对车辆旋转部件振动信号的特点生成仿真信号,采用限值交叉残余误差控制准则的数据融合分离方法,对混合信号进行分离,实验结果验证了准则的有效性。之后,将该方法应用于车辆旋转部件振动信号瞬态成分的提取中,实现了混合震动信号的分离。     

基于时频融合的转速估计及轴承故障特征提取研究

针对通过齿轮啮合频率与转速间存在的比例关系估计齿轮振动转速,提出基于齿轮啮合振动的时频融合分布估计转速新方法,将Wigner-Ville分布与小波尺度谱进行融合,对融合后的时频分布用峰值搜索法估计转速。与基于时频分布的转速估计方法相比,该方法的估计精度与对噪声的不敏感度更高。用该方法估计齿轮传动装置转速,并对轴承故障进行阶比分析以评估其效果表明,该方法能有效获得轴承故障阶比。     

基于自适应流形嵌入动态分布对齐的轴承故障诊断

智能故障诊断技术能有效保障机械设备安全运行,传统的轴承故障诊断通常假设标记的源域和未标记的目标域数据服从同一分布.然而,在实际的诊断场景中,轴承数据的条件分布和边缘分布往往不满足同分布假设.此外,在原始欧氏空间执行自适应分布对齐时,特征扭曲难以消除,从而影响故障诊断性能.通过提出一种具有流形特征学习和动态分布对齐的自适...     

基于支持向量回归方法的齿轮箱故障诊断研究

提出了一种基于支持向量回归的齿轮箱故障诊断方法。通过提取能反映齿轮箱工作状态的特征参数,并将分类问题转化为回归问题,针对性地构造了多分类支持向量回归决策机构并将其用于齿轮箱故障诊断,避免了投票决策机构等票数无法分类问题。相比于人工神经网络,该方法具有收敛速度快、泛化能力强的优点。     

NixMnCo2-xO4的制备及氧电极催化性能研究

采用溶胶-凝胶法合成了不同x值的尖晶石型化合物NixMnCo2-xO4,通过红外光谱(IRS)、X射线衍射(XRD)和粒度分布测试研究了样品的物相结构和粒径分布,测试表明样品具有良好的尖晶石结构。通过线性电位扫描和恒电流放电测试发现,随着x值的增大,尖晶石型化合物NixMnCo2-xO4对氧电极的催化活性增大,表明它们适合作锌-空气电池和燃料电池氧还原电极的催化剂。