利用SOM网络可视化方法诊断液压系统故障

由于液压系统的非线性、故障机理的复杂性和多样性,很难准确判断复杂液压系统的故障原因,利用神经网络具有良好的非线性映射能力、自学习适应能力和并行信息处理能力,为解决未知不确定非线性系统的问题提供了一条新的思路.介绍了基于自组织特征映射神经网络(SOM网络)进行液压系统故障诊断的方法.SOM网络是一种重要的无导师学习训练算法的神经网络,使用该算法进行训练后,可以将高维输入空间映射到二维空间上,并对故障现象进行自动分类,从而得出它们对应的故障原因.同时为了便于识别故障,利用U矩阵图对神经网络仿真结果进行可视化.以某工程机械的水平支腿液压系统为例,应用SOM网络进行仿真,并对结果进行可视化.仿真结果表明,SOM网络可视化方法具有故障模式识别能力,为液压系统故障诊断提供一条新途径.     

基于虚拟样机的发动机曲轴系动力学仿真分析

基于多刚体和柔性多体系统动力学理论,在虚拟样机软件平台下,针对分析问题不同的侧重点,建立了某型号发动机曲轴系多刚体和柔性多体动力学模型.仿真计算得到曲柄销载荷、活塞缸侧推力以及曲轴的扭转振动谱线等动力学参数.从一个角度证实了基于虚拟样机技术的发动机曲轴系动力学仿真分析的方便性与可靠性,并为发动机曲轴系的设计提供了依据.     

滚动轴承振动信号小波域自适应滤波方法

针对滚动轴承故障特征的提取问题,提出一种振动信号小波域自适应滤波方法。小波自适应滤波是一种新的非线性滤波方式,可以有效地提取出信号的边缘轮廓及信号的形状特征。计算机仿真证实小波域自适应滤波具有抑制信号噪声、保留信号非线性特征方面的作用。工程实验结果表明,利用小波域自适应滤波可以从滚动轴承振动信号中成功提取隐藏在噪声中的冲击故障特征。     

基于EMD-AR模型和灰色关联度的滚动轴承故障诊断

提出了一种新的滚动轴承故障诊断方法:模型灰色识别法(EMD-AR).首先对振动信号进行经验模式EMD分解,然后重新组合基本模式分量IMF,依重组分量建立AR模型,将模型自回归参数和模型的残差方差σ组成特征向量,利用灰色关联度作为模式识别的方法,实现了对滚动轴承的精密诊断.     

粘弹性复合材料隔冲结构在水下非接触爆炸环境中的瞬态响应分析

以水下非接触爆炸环境为研究背景,在论述隔冲原理及粘弹性材料力学特性的基础上,分析了粘弹性复合材料隔冲结构的各种非线性因素,根据物理样机的实际工况,建立了粘弹性复合材料隔冲结构的有限元模型,仿真计算得到了瞬态激励条件下隔冲结构的动力衰减曲线,经试验验证,证明了该隔冲结构的有效性。