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。     

基于深度度量学习的轴承故障诊断方法

针对机械大数据因故障类内离散度和类间相似度较大而导致诊断精度低的问题,提出一种深度度量学习故障诊断方法,采用深度神经网络(Deep Neural Network, DNN)对故障特征进行自适应提取,并利用基于欧氏距离的边际Fisher分析(Marginal Fisher Analysis, MFA)方法进行了优选,在构建的深度度量网络(Deep Metric Network, DMN)顶层特征输出层添加BPNN(Back Propagation Neural Network, BPNN)分类器对网络参数进行微调,并实现故障的分类识别。通过对不同类型和严重程度的轴承故障进行了诊断分析,验证了该方法可以有效地对轴承故障进行高精度诊断,效果优于传统深度信念网络(Deep Belief Network, DBN)故障诊断方法以及常用时域统计特征结合支持向量机(Support Vector Machine, SVM)分类的故障诊断方法。     

缓冲孔对爆破振动信号幅频特性影响研究

为探索缓冲孔对爆破振动信号的峰值质点振动速度、主振频率和各频带能量分布等的影响,依托贵州某露天矿临近边坡爆破振动试验,获得了现场主爆破和缓冲爆破的振动信号。分别采用小波包分析和数值模拟方法对采用主爆破和缓冲爆破的振动信号进行分析。结果表明,临近边坡缓冲爆破具有明显的减震效应。相同测点条件下,水平切向振动信号的减振率最大,减振效果最好。且随着测点距爆源的距离越近,其减振效果越好。爆破振动信号的能量主要集中于60 Hz以内且分布极不均匀,存在多个主振频带。设置缓冲孔进行临近边坡爆破时,其振动信号的能量更向高频的主振频带集中,有利于避开边坡的自振频率。     

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。     

钢管混凝土柱的非线性振动特性分析与脱粘识别

钢管混凝土柱脱粘对结构受力性能有很大影响,脱粘检测成为研究者关注的问题。设计制作了5个不同脱粘状态的钢管混凝土悬臂柱试件,在锤击激励下记录试件表面6个测点的自由振动加速度信号。通过解析模式分解,分离出信号的一阶频率分量,再利用Hilbert变换,获得频率-振幅曲线。频率-振幅曲线表明无脱粘的钢管混凝土柱试件呈现出较强的非线性振动特性,与弱Duffing系统相似。脱粘的存在,使得试件的非线性特性减弱,脱粘面积越大,非线性系数绝对值越小。信号测点离脱粘位置越近,非线性特性越弱,非线性系数绝对值越小。非线性系数对脱粘敏感,且不易受构件制作和边界条件的影响,是识别钢管混凝土柱脱粘的良好指标。     

基于列车悬挂系统的半主动混合控制仿真分析*

为了改善列车高速运行时的乘坐舒适性,采用车辆二自由度模型对开关型和连续型两种控制策略进行对比分析,根据传递特性分析结果提出了混合控制策略,同时研究了调整系数对混合控制策略的影响.为进一步验证控制策略的有效性,建立了UM与Simulink联合仿真整车模型,对二系横向减振器施加此控制策略,并进行了仿真分析.结果表明:在调整系数选取适当的情况下,该控制策略可同时兼顾开关型和连续型两种控制策略的优点,降低了车体横向加速度,改善了列车的横向平稳性.     

基于EEMD和参数自适应VMD的高速列车轮对轴承故障诊断

针对高速列车轮对轴承工作环境复杂,振动信号中时常伴有冲击性噪声和循环平稳性噪声,使得传统的参数自适应变分模态分解(variational modal decomposition,VMD)方法对轮对轴承的故障特征信息提取不准确的问题,提出了一种基于集成经验模态分解(ensemble empirical mode deco...     

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。