基于NIC-DWT-WOASVM的齿轮箱混合故障诊断

由于齿轮箱中振动信号的复杂性和非平稳性,致使齿轮箱混合故障诊断工作具有一定难度。针对这一问题提出基于NIC-DWT-WOASVM的齿轮箱混合故障诊断方法。首先通过窄带干扰消除(Narrow Band Interference Canceller, NIC)滤除原始信号中齿轮啮合和转轴等窄带干扰信号,接着对信号进行离散小波变换(Discrete Wavelet Transform, DWT),重构小波系数得到小波分量,提取分量的方差作为特征参数构成特征矩阵样本。针对传统优化支持向量机收敛速度慢及容易局部最优等问题,提出鲸鱼算法优化的支持向量机(Whale Optimization Algorithm Support Vector Machine, WOASVM),运用训练样本对WOASVM进行训练得到优化分类模型,将测试样本输入到优化模型中得到诊断结果。为验证方法的有效性,开展了变工况下齿轮箱混合故障实验,通过实验分析及与其他方法的比较,证明方法对于齿轮箱混合故障诊断是有效的。     

典型铁路梁桥抗震设计地震动破坏势排序

输入地震动的选取是桥梁抗震分析中的重要环节,不同的输入地震动引起的桥梁结构反应有显著差异。为了对铁路桥梁抗震设计地震动的选择提供定量依据,将"最不利设计地震动"的概念拓展并应用到桥梁抗震领域,研究典型铁路梁桥在不同地震动作用下的结构响应,得到基于结构相应参数的输入地震动破坏能力排序。首先确定了桥梁地震动输入以及评价指标,使用OpenSees对桥墩模型输入大量地震动记录进行有限元分析,通过调幅手段研究幅值与单一参数的关系,并引入颜色映射理论研究幅值与多参数的关系。研究表明:(1)当较低幅值地震动作用在结构上时,结构的地震响应与第一周期反应谱值相关性最好;(2)随着幅值的增加,结构周期增长,地震响应与更长周期反应谱值以及速度、位移参数、持时参数等的相关性会逐步提高;(3)通过动力时程计算并对墩顶位移进行比较,给出了模型在设定地震作用下的排序,结果可为相关桥梁结构的输入地震动选取提供参考。     

多孔材料对空腔噪声抑制效果研究

研究马赫数为0.85的条件下,空腔的壁板使用多孔材料对空腔噪声和空腔流动的影响。利用大涡模拟(LES)来预测空腔内的流体流动,考虑到多孔材料对湍流的影响由渗透性损失和内部损失两部分组成,使用Ergun半经验公式来预测这两部分的影响,再结合LES湍流模型可以预测多孔材料内的流体流动。研究结果表明,空腔的前壁、后壁、底板使用多孔材料均可以改善空腔内的流场,并且可以抑制空腔噪声,其中空腔底板使用多孔材料对空腔噪声的抑制效果最为显著,可以使得空腔后部的总声压级降低3 dB以上。     

振荡浮子式波能转换装置动力输出系统特性研究

动力输出系统(Power Take-Off, PTO)作为波浪能转换装置(Wave Energy Converter, WEC)的主要构件之一,对系统运动及能量转换至关重要。首先基于势流理论,运用特征函数展开法得到圆柱形浮体所在流域的速度势函数级数表达式,进而通过边界匹配法得到作垂荡运动浮子的附加质量、阻尼系数及波浪激励力的解析表达式。针对阻尼器特性,分别研究线性和非线性PTO阻尼作用下,浮子的运动及波能转换特性,重点研究了线性PTO作用下的过阻尼问题。计算结果表明,低速度指数的PTO系统对装置运动的影响主要体现在PTO阻尼系数上,随着阻尼系数增大,波能装置的共振频率逐渐减小,但减小幅度很小;PTO系统的非线性特性并不能改变浮子的最优转换效率,但是较大的速度指数能有效改善PTO系统的阻尼容量;在较低频和较高频时,通过解析算法得到的最优PTO阻尼系数会使得装置处于过阻尼工作状态,且在低频部分需要进行最优PTO修正的最高频率和在高频部分需要进行修正的最低频率均随着半径和吃水的增大而逐渐减小。     

参数优化VMD结合1.5维谱的滚动轴承复合故障特征分离方法

针对滚动轴承复合故障分离的问题,基于相关峭度具有突出故障冲击周期性的特点和1.5维谱抑制高斯白噪声、剔除非耦合谐波分量的优点,提出了参数优化VMD结合1.5维谱的滚动轴承复合故障特征分离的方法。首先以轴承不同故障特征频率对应的周期计算得到的最大相关峭度为评价指标,通过相应的相关峭度图来实现VMD中参数选择以及最优分量的选取;然后对最优分量进行包络处理,并为减少冗余成分和噪声干扰,选择1.5维谱来对包络信号做进一步分析,以此来实现滚动轴承复合故障的有效分离。通过对轴承复合故障仿真及实验信号的分析证明了该方法的有效性。     

基于振动分布特征的电力变压器绕组故障诊断

振动分析法是实现电力变压器带电监测与故障诊断的重要手段,而基于振动分析法的故障诊断方法的关键在于从复杂的油箱壁振动信号中提取出状态特征(值或矢量)。传统的状态特征提取方法大多选取单个测点的振动信号进行时域或频域特征的提取,往往忽略了各测点间的振动分布特征。从振动重心的角度对振动分布的幅值重心及重心轨迹进行研究与分析,能够提出四个量化参数。在四个量化参数的基础上结合支持向量机分类算法提出基于振动分布特征的变压器绕组故障诊断模型。实际变压器的绕组故障实验以及十余台台电力变压器现场实测数据样本的分析与测试结果均表明,提出的振动分布特征及量化参数能够有效反映变压器绕组变形、压紧力松弛等机械结构变化,而基于振动分布特征的绕组故障诊断模型也可准确的对变压器绕组机械结构状态进行检测与诊断。     

单面碰撞TMD及其桥梁涡激振动控制研究

单面碰撞调谐质量阻尼器(SS-PTMD)是一种新型减振装置,通过惯性力和黏弹性碰撞进行结构减振,针对SS-PTMD动力性能、碰撞力模型与验证、SS-PTMD桥梁节段模型涡振控制等开展了理论与试验研究。根据质量块单边运动受限和碰撞的特点,获得了SS-PTMD的动力特性;开展了钢-黏弹性材料碰撞试验,提出了碰撞力模型,根据试验数据识别了碰撞力模型参数,并验证了碰撞力模型;通过1∶40桥梁节段模型涡激振动风洞试验,发现+7°风攻角下出现了明显的涡激振动,根据简谐力涡激力模型识别了模型气动参数;采用仿真分析评估了SS-PTMD控制桥梁涡激振动的效果,在质量比2%及最大涡振振幅风速条件下的减振效率达到87%;通过风洞试验研究了SS-PTMD涡激振动控制效果,在质量比2%及最大涡振振幅风速条件下的减振效率达到92%;理论分析和试验结果表明,SS-PTMD对桥梁涡激振动具有很好的减振效果。     

基于多个响应量的拱坝地震易损性分析

以白鹤滩拱坝为研究对象,选取成组强震记录,同时考虑地震动和材料的不确定性,采用增量法对白鹤滩拱坝进行了地震易损性分析。统计连续调幅地震动作用下拱坝损伤破坏过程,直观的划分了拱坝地震破坏等级,确定了拱冠位移、横缝开度和损伤体积比这三个响应量在各破坏等级间的界限值,从而可通过这三个响应量定量描述拱坝的破坏等级。通过拟合增量动力分析结果,分别建立了三个响应量的概率地震需求模型,进而求得地震易损性曲线,并综合比较了不同破坏等级下基于三个响应量的易损性曲线,全面反映了拱坝易损性。利用易损性曲线可以预测不同强度地震作用下拱坝达到各级破坏的概率,为基于性能的拱坝抗震安全评价提供了理论依据。     

基于自适应EEMD及改进滑动峰态解调的滚动轴承故障提取方法

针对滚动轴承早期故障特征十分微弱且易被强背景噪声湮没的问题,引入零时滞四阶累积量(即峰态因数)用于描述信号中弱冲击成分偏离Gauss分布的程度,从而提出一种基于自适应EEMD和改进滑动峰态解调的滚动轴承故障提取方法。首先,对振动信号进行EEMD降噪处理;然后,基于相关峭度、信息熵和能量加权构造了自适应优选准则,选取IMF分量并进行信号重构;最后,对重构信号进行带通滤波处理,采用滑动峰态算法计算峰态时间序列,根据频谱分析结果诊断轴承故障。该方法弥补了传统方法选取IMF分量的不足,同时解决了弱冲击信号的包络问题,可提取轴承故障振动信号中的微弱冲击成分。     

基于DCAE-CNN的自动倾斜器滚动轴承故障诊断

针对直升机自动倾斜器滚动轴承工况复杂、噪声干扰大,造成故障诊断效果不佳的问题,提出一种基于深度卷积自编码器(Deep Convolutional AutoEncoder,DCAE)和卷积神经网络(Convolutional Neural Network,CNN)的轴承故障诊断方法。该方法首先采用小波变换方法构造不同状态下振动信号的时频图,然后使用DCAE对时频图进行图像去噪,最后利用CNN对去噪后的时频图进行故障分类。利用课题组和美国凯斯西储大学的滚动轴承故障数据开展诊断实验,并与CNN、堆叠降噪自编码器(Stacked Denoise AutoEncoder,SDAE)两种深度学习方法进行对比,结果表明,该方法在高噪声环境下具有更高的故障识别率。