基于VMD的Volterra模型奇异值熵的转子故障诊断方法

针对转子故障信号的非平稳性以及敏感故障特征无法有效提取的问题,将变分模态分解(variational mode decomposition, VMD)的Volterra模型和奇异值熵相结合,提出一种故障诊断方法。对影响VMD分解准确性的参数选取方法进行了深入研究,给出了相关问题的解决策略。首先,对不同工况下转子实测信号进行VMD分解,利用能量熵增量选取对故障特征敏感的固有模态函数(intrinsic mode function, IMF)进行相空间重构,以建立Volterra自适应预测模型,将模型参数作为初始特征向量矩阵。然后,对初始特征向量进行奇异值分解以获取奇异值熵和奇异值特征向量矩阵,用于描述转子的故障特征。最后,采用模糊C均值(fuzzy c-means, FCM)算法对转子工作状态和故障类型进行识别。试验结果表明,所提方法可有效实现转子故障的特征提取及类型识别。通过同经集合经验模态分解(ensemble empirical mode decomposition, EEMD)相比,证明了该方法具有更有效的故障特征提取性能,是一种可行的方法。     

星载周扫式跟踪转台运动轴与光轴关系的建模分析

星载周扫式跟踪转台作为激光通信装置,通过扫描的方式确定目标,建立链路,实现捕获、对准、跟踪功能。由于通信装置在传递信息过程中要实时跟踪,跟踪转台作为通信终端,其瞄准姿态会随着通信终端之间的相对位置变化而发生变化,这就要求确定跟踪转台的运动轴与光轴之间的运动规律。文中利用向量旋转与坐标变换理论,将反射镜的旋转看作是坐标系旋转,通过旋转矩阵,建立数学模型,计算出在指向和跟踪过程中运动轴与光轴关系运动规律的数学表达式,为转台机构的实际设计奠定基础。文中提出的方法对类似的激光通信系统具有借鉴意义。     

局部Hilbert边际能量谱在滚动轴承故障诊断中的应用

针对滚动轴承振动信号非线性的特点,提出一种基于局部希尔伯特边际能量谱和马氏距离判别法相结合的故障诊断方法。首先,采用镜像延拓方法抑制经验模态方法将待分析信号分解成多阶固有模态函数和的形式,并根据相关性判别算法选取含有主要故障信息的IMF分量;其次,利用局部Hilbert边际能量谱提取故障信号能量特征参数;最后,利用马氏距离算法对滚动轴承的工作状态进行判别。通过相关试验证明了此方法的有效性,具有一定的工程应用价值。