用拟合桩顶速度响应的方法估计桩身形状

本文提出了一种基桩桩身形状识别方法。该方法将桩身划分为若干个单元，然后基于杆的一维波动方程，通过拟合桩顶瞬态激励速度响应信号识别出桩身参数及桩周土性参数。应用实例表明，本文方法能定量确定桩身缺陷的位置，延伸范围以及严重程度，是一种有效的基桩质量无损检测手段。     

基于本体的机械故障诊断贝叶斯网络

针对机械设备维护与故障诊断过程中的不确定性,提出了一种将本体语义表示与贝叶斯网络相结合的故障概率推理模型。从异构多源的维护诊断信息和非结构化的专家经验知识出发,建立语义知识模型并进行概率扩展。利用贝叶斯分类器实现异常工况识别,给出了基于最大可能解释(MPE)的故障概率推理算法,从而根据运行工况、故障征兆和证据信息推理获得故障诊断解释。将本体语义描述的精确性和贝叶斯网络的概率推理能力相结合,既实现了诊断领域知识的形式化描述与共享,又能在一定程度上消除诊断过程的不确定性。某凉水塔风机转子典型故障诊断实例表明,该模型具有较好的故障识别效果。     

二维声学数值计算的径向插值有限元法

针对声学有限元分析中四节点等参单元计算精度低,对网格质量敏感的问题,将无网格径向插值技术引入到标准有限元中,构造径向插值形函数,推导径向插值有限元法(Radial interpolation finite element method,RIFEM)的二维声学数值计算公式。二维声学RIFEM采用标准有限元法形函数构造系统离散方程的声学刚度矩阵和边界积分矢量,保证了声压梯度和边界条件在区域边界的积分精度;采用径向插值形函数构造系统离散方程的质量矩阵,提高了声压数值近似函数的插值精度。对管道二维声腔模型和某轿车二维声腔模型的数值分析结果表明,与标准有限元法和SFEM相比,RIFEM的计算精度更高,对波数、单元尺寸和网格扭曲程度的灵敏度更低。因此RIFEM可以很好地应用于二维声学数值分析,具有广阔的工程应用前景。     

基于形态分量分析与能量算子解调的齿轮箱复合故障诊断方法

针对齿轮箱复合故障的故障特征分离,提出了一种基于形态分量分析与能量算子解调的齿轮箱复合故障诊断方法。该方法先根据振动信号中各组成成分形态的差异,采用形态分量分析方法构建不同形态的稀疏表示字典进行故障成分分离,将齿轮箱复合故障信号分解为包含齿轮故障信息的谐振分量、包含轴承故障信息的冲击分量和噪声分量,然后分别对谐振分量和冲击分量进行能量算子解调分析,最后根据各解调谱诊断齿轮和轴承故障。算法仿真和应用实例表明该方法能有效地分离齿轮箱复合故障振动信号中齿轮与轴承的故障特征。     

基于信号共振稀疏分解与包络谱的齿轮故障诊断

当齿轮出现断齿、裂纹等局部故障时,其振动信号会出现周期性冲击脉冲。在齿轮故障早期,由于冲击脉冲微弱,常淹没在齿轮的啮合频率、转频等谐波成分以及噪声中,因此,对于齿轮早期故障,直接对齿轮振动信号做包络谱分析以诊断齿轮局部故障通常效果不佳。针对这一问题,将信号共振稀疏分解方法与包络谱分析相结合,提出了基于信号共振稀疏分解与包络谱的齿轮故障诊断方法。该方法采用信号共振稀疏分解将冲击脉冲从齿轮振动信号中分离出来,然后对冲击脉冲做Hilbert包络分析,获取冲击脉冲出现的周期,进而对齿轮状态和故障进行识别。仿真算例和应用实例证明了该方法的有效性。     

不确定声场分析的区间矩阵分解摄动有限元法

针对修正一阶区间摄动有限元法存在的一阶Taylor展开误差较大和求解摄动逆矩阵时计算效率不高的缺陷,提出区间矩阵分解摄动有限元法(Decomposed interval matrix perturbation finite element method, DIMPFEM)。该方法将系统动态刚度矩阵分解为若干系统子矩阵之和,每个系统子矩阵的摄动矩阵用摄动因子和常量矩阵的乘积表示,避免了摄动矩阵的Taylor展开误差;采用Epsilon算法求解摄动逆矩阵的修正Neumann级数,有效提高了计算效率。将DIMPFEM应用于具有区间参数的二维管道和二维商务车声腔模型的声压响应分析,分析结果表明,与修正一阶区间摄动有限元法比较,DIMPFEM获得了更高的计算精度和计算效率。     

基于移动Agent的维护联盟盟友选择研究

针对维护联盟盟友选择的搜索效率提升和逆向选择风险规避问题,构建了高效和高可靠性的盟友选择方法和相应系统。该方法首先对复杂的设备维护任务进行分解,采用移动Agent和XML技术在盟主和潜在盟友之间传送维护任务请求和业务能力信息,引入可信度评估技术确保维护备选盟友业务能力的客观描述,从而实现备选盟友的高效搜索和盟友能力的准确评价。     

基于EMD的多尺度形态学解调方法及其在机械故障诊断中的应用

为从机械故障信号中提取包含故障信息的特征频率,提出了基于EMD的多尺度形态学解调方法,该方法首先采用EMD方法将故障信号分解为有限个IMF分量,从中选取包含故障主要信息的IMF分量求和重构信号,再进行多尺度形态学解调,从而提取机械故障特征频率信息。将该方法用于滚动轴承、齿轮的故障诊断中,并与Hilbert包络方法比较,结果表明该方法能更好地提取故障特征频率,且对含噪故障信号也有较好的分析效果。     

基于EMD的多尺度形态学解调方法及其在机械故障诊断中的应用

为从机械故障信号中提取包含故障信息的特征频率,提出了基于EMD的多尺度形态学解调方法,该方法首先采用EMD方法将故障信号分解为有限个IMF分量,从中选取包含故障主要信息的IMF分量求和重构信号,再进行多尺度形态学解调,从而提取机械故障特征频率信息。将该方法用于滚动轴承、齿轮的故障诊断中,并与H ilbert包络方法比较,结果表明该方法能更好地提取故障特征频率,且对含噪故障信号也有较好的分析效果。