汽车车身空腔阻隔结构降噪试验研究

系统性地建立了阻隔结构降噪试验研究方法。建立面向白车身的阻隔结构降噪性能测量方法,通过对比阻隔结构拆除前后白车身模态与传递函数的变化情况,分析其对于车身低频噪声的抑制能力;建立面向整车的阻隔结构降噪性能转鼓试验方法,用以评估其对于发动机噪声、轮胎路面噪声的抑制能力;建立面向整车的阻隔结构降噪性能风洞试验方法,用以评估其对于气动噪声的抑制能力。试验结果表明,阻隔结构降低车内噪声主要有两个方面:一方面,空腔阻隔结构增强了车身的模态阻尼,抑制车身的振动,从而降低了车内低频噪声;另一方面,阻隔结构切断了车外噪声经过车身侧围空腔入侵乘员舱的传播途径,从而降低了车内高频噪声。     

基于无迹卡尔曼滤波的动态贝叶斯小波变换在轴承故障诊断中的应用

针对工程实际中滚动轴承发生故障的类型具有典型性和故障信号具有冲击性,且振动信号的频率成分因外界环境的影响而变得极其复杂的特点,提出了一种基于负熵和无迹卡尔曼滤波的动态贝叶斯小波变换方法。该方法将SE(Squared Envelope) Infogram方法应用到无迹卡尔曼滤波方法(Unscented Kalman Filter, UKF)中,利用SE Infogram确定滤波器参数初值,即中心频率与带宽的初值,结合UKF对中心频率与带宽进行优化,以最优中心频率与带宽对振动信号进行滤波分析,对滤波后的信号进行包络解调分析,实现轴承微弱故障特征的提取。利用负熵指标代替以往研究所用的峭度指标,可以有效消除或削弱高峰值干扰的影响。最后,通过对仿真信号和轮对轴承试验信号对提出的方法进行了验证。结果表明,该方法能够有效提取强背景噪声下轴承外圈、内圈故障和滚动体故障,验证了该方法对轴承微弱故障诊断的有效性。     

基于多项式拟合的细长梁结构振动位移重构方法

细长梁结构易受内外因素的干扰而振动,由此引发的疲劳损伤问题不利于结构安全。实时重构结构的振动位移是健康监测和振动智能控制中的关键环节。目前,模态分析法广泛用于细长梁结构的振动位移重构,但对于边界条件复杂的细长梁结构或结构受较强非线性因素干扰时,采用模态分析法重构结构位移将存在诸多不便。针对此问题,提出了基于多项式拟合的细长梁结构振动位移重构方法,并采用延展结构边界的方式有效规避了多项式拟合经常出现的龙格现象。通过有限元模拟和实验数据的对比,验证了基于多项式的位移重构方法的精确性和可行性。结果表明:基于多项式拟合的位移重构方法适用于细长梁结构线性振动和非线性振动的位移重构;延展结构边界可有效规避多项式拟合出现的龙格现象;延展长度为0.875L～1.125L(L为细长梁结构的长度),虚拟测点应变的量级小于等于真实测点应变最大值的量级时,重构得到的结构位移精度较高。     

切削液扰动对BTA深孔加工系统横向振动频率的影响

为探究切削液扰动下BTA深孔镗削系统横向振动频率的影响,通过建立BTA深孔镗杆系统计及内、外切削液流固耦合及其自由液面效应的横向振动模型,解析系统不同情况下的横向振动的一、二阶频率表达式,并以不同情况下,深孔镗杆内、外切削液的横截面面积及其对深孔镗杆的附加质量来表征对应的自由液面变化,通过计算,明确了BTA深孔镗杆的横向振动频率对切削液流速、轴向力的敏感性及其运动转换趋势。BTA深孔镗杆横向振动频率对轴向力的敏感性规律为:在共振脊区域,在内、外切削液都无自由液面时最大;内、外切削液都有自由液面时最小;在共振翅区域,只内切削液有自由液面时最大,内、外切削液都无自由液面时最小。BTA深孔镗杆横向振动频率对切削液流速的敏感性规律为:在共振脊区域,只内切削液有自由液面时最大,内、外切削液都无自由液面时最小;在共振翅区域,内、外切削液都无自由液面时最大,只内切削液有自由液面时最小。系统在切削液流速、轴向力达到临界等效值时,发生弯曲或屈曲;在静力失稳后,系统将会在更高的切削液流速值以混阶模态形式发生耦合颤振等复杂运动。该研究结果可为BTA深孔镗削加工的生产实践提供一定理论指导。     

基于声发射信号与BP神经网络的煤粉粒径识别研究

煤粉粒径的测量是燃煤电站一项重要的工作。针对目前筛分法存在的缺点,提出了一种结合声发射信号与BP神经网络在线识别煤粉粒径的方法。在频域中对噪声信号与煤粉声发射信号进行比较,确定了信号中反映煤粉粒径的频率区间,并利用小波包置零方法对信号进行去噪,在信噪比与信号平滑度方面比较了几种常用小波函数的去噪效果。通过功率谱分析发现了信号能量随煤粉粒径的变化特征。最后提取信号能量特征,利用BP神经网络对煤粉粒径进行识别。研究结果表明,结合声发射信号与BP神经网络识别煤粉粒径,可以获得良好的效果。     

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。     

螺栓法兰连接结构简化动力学建模及模型参数辨识

螺栓法兰连接结构内含接触、间隙等多种非线性因素,导致该结构的动力学分析变得异常复杂且耗时,构建简化动力学模型是提高计算效率的主要手段之一。把螺栓法兰连接处理为黑盒子,并截取螺栓法兰连接结构的部分竖直部段,以形成"局部连接结构"。获得螺栓法兰连接对接面的接触特性后,采用若干个拉压刚度不同的弹簧阻尼单元对单个螺栓连接进行了简化,进而得到了局部连接结构的简化动力学模型。根据典型动载荷作用下的动力学响应数据,采用力状态映射法对简化动力学模型进行了参数辨识。动力学试验数据表明,螺栓法兰连接结构简化动力学模型的预测误差不超过20%。     

改进经验小波变换与最小熵解卷积在铁路轴承故障诊断中的应用

经验小波变换是一种小波框架下的自适应信号分解方法,对旋转机械的非线性、非平稳振动信号有很好的分解作用。针对传统经验小波变换过程中频谱划分过多的问题,提出根据互信息值对频谱进行重新划分与合并的方法,能有效减少频带数量;选择峭度值最大的分量进行信号重构,再使用最小熵解卷积对重构信号进行降噪;对降噪后的信号进行包络分析,能够有效地诊断出滚动轴承的微弱故障。通过仿真信号与铁路货车轮对轴承实验信号验证了该方法的有效性,为下一步工程应用奠定了基础。     

表面波纹度对滚动轴承-转子系统非线性振动的影响

分析了考虑滚动轴承内外圈波纹度、径向间隙和非线性赫兹力作用下的滚动轴承-转子系统非线性动力学响应。根据不同参数下的分岔图、功率谱图和庞加莱截面图,研究了轴承表面波纹度最大幅值和转速对系统的非线性振动的影响,找到了不同故障类型的特征频率。根据分形理论应用G-P算法计算了相同转速下不同最大幅值时的关联维数。分析结果表明,当系统处于混沌状态时随着波纹度最大幅值的增加,其关联维数也会相应增大。因此关联维数可以应用于轴承故障的特征提取与定量诊断中。     

多人-桥竖向动力相互作用研究

基于弹簧-质量-阻尼行人动力模型及欧拉梁人行桥模型建立人行桥-多人耦合系统相互作用模型。通过实验室一低频型钢混凝土人行桥模型开展多人行走试验,验证了相互作用模型的有效性和适用性。采用状态空间法求解行人过桥时系统的瞬时模态,分析了不同人群密度下人群随机行走对人行桥动力特性的影响。对人群随机行走,还分析了不同人群密度和随机步态参数(步频、上桥时距和起步相位)对结构动力响应的影响。结果表明:考虑人群-人行桥相互作用,随着桥上行人密度的增大,人行桥基频略有降低,阻尼比显著增大;结构响应并不是逐渐递增的,其中考虑步频的随机性对响应均值的影响最大。