基于集总经验模式分解和支持向量机的液压泵故障预测研究

液压泵的性能直接影响整个液压系统的正常工作,为此需要对其进行状态监测和故障预测。采集液压泵的振动信号,运用集总经验模式分解(EEMD)和平滑能量算子解调相结合的方法进行包络解调;采取小波包分析方法得到了故障特征向量;在研究支持向量机回归估计基本原理的基础上,建立了小波包分解和支持向量机相结合的预测模型。采用液压泵历史数据对模型进行了验证,结果表明,基于支持向量机的预测模型和故障映射模型可以有效地对液压泵进行故障预测。     

基于D-S证据理论和支持向量机的液压泵故障诊断技术

针对D-S证据理论中难以确定基本概率分配的问题,提出利用“一对一”支持向量机分类解决基本概率分配的方法.首先,通过试验采集了液压泵各种故障状态下的振动信号和压力信号;其次,运用小波包分解提取各频带能量作为特征向量;最后,用所提出方法解决了基本概率分配,并将D-S证据理论和支持向量机相结合对液压泵进行了故障诊断.实验结果验证了该方法的有效性.     

离轴抛物面反射式红外平行光管设计

文章阐述了一种由离轴抛物面反射镜和平面反射镜组成的红外平行光管,然后从两个方面对这种红外平行光管进行了详尽的分析.一方面对离轴抛物面反射镜的焦平面成像质量进行了详细的分析,另一方面为了提高平行光管结构设计的合理性,通过ANSYS软件对该平行光管进行了模态分析,为改进平行光管结构提供了理论依据,进而阐述了改进平行光管的方法.     

形态梯度解调在电机轴承故障特征提取中的应用研究

轴承故障在电机设备常见故障中占有很大比例，且极易与转子故障发生耦合作用，形成复合故障。针对电机轴承故障信号调制性的特点，提出采用形态梯度解调方法对轴承故障信号中的冲击成分进行提取。针对传统包络解调分析在处理双加性时域信号时的局限性，仿真验证了形态梯度和形态差值算子在处理该类信号时的有效性。通过分析结构长度对解调性能的影响，论证了形态梯度解调在解调性能等方面要优于形态差值解调，更有利于进行特征提取。仿真和实例证明，形态梯度解调算法克服了包络解调抗低频信号干扰能力不强的缺陷，且故障特征反应明显，可以更有效地提取电机轴承故障特征。     

基于不完备实测模态数据的结构损伤识别方法研究

在传统的基于模型修正的损伤识别中,由于实测模态信息有限而待识别参数过多,往往导致损伤识别方程出现较大误差,从而限制了该方法在复杂结构中的应用。为解决这一问题,对结构的自由度进行了分解,将损伤结构中模态振型的未测量部分表达为已测量到的模态振型、模态频率以及结构其它参数的函数。将损伤视为结构单元刚度的减小,利用完好结构的计算模态数据以及损伤结构扩充后的实测模态数据,建立了结构的损伤识别方程。运用信赖域优化算法对具有双重约束条件的目标函数进行最小化,识别出了结构各单元的刚度损伤参数。通过两个损伤识别数值仿真算例及实验验证,结果表明,在测点数量有限及测试噪声等不利因素影响下,所提方法只需运用少量的实测模态信息,即可实现结构损伤位置及程度的准确识别,同时算法具有较好的鲁棒性。     

激光远场功率密度测试系统的设计

针对应用漫反射靶与CCD图像传感器测量激光远场功率密度时,只能获取功率密度相对分布的局限性,提出了一种采用CCD图像传感器与分布式激光探测器相结合测试激光功率密度绝对分布的方法, 对其工作原理、构成及关键技术等问题进行了分析和讨论.实验证明,该系统较为准确地实现了对激光远场功率密度的测量,具有普遍的实用价值.     

扰动环境中红外平行光管光路的优化设计

为了降低在振动环境中红外平行光管形变量对检测精度的影响,提高红外平行光管结构设计的合理性,文章应用有限元原理通过ANSYS软件对一种由离轴抛物面反射镜和平面反射镜构成的红外平行光管进行了模态分析,得出系统的固有频率和平行光管壳体的形变量分布,为改进平行光管结构提供了理论依据,进而提出了一种红外平行光管的改进光路,该光路不仅能提高在振动环境下红外平行光管的检测精度,而且能够减少红外平行光管的体积和质量.     

基于改进人工鱼群算法的支持向量机预测

由于参数的选择范围较大,在多个参数中进行盲目搜索最优参数的时间代价较大,且很难得到最优参数.为此,提出一种基于改进人工鱼群算法(AFSA)的支持向量机(SVM)预测算法.对AFSA进行改进,并使用改进算法优化SVM.实验结果表明,与遗传算法、粒子群优化算法和基本AFSA优化的支持向量机相比,该算法的均方误差降低为2.51×10-3,提高了预测精度.     

基于小波包一混沌支持向量机的液压泵压力信号预测

针对液压泵压力信号呈现的非线性、非平稳的特性,提出一种将小波包分析、相空间重构理论与支持向量机(SVM)相结合的预测方法,实现液压泵压力信号监测数据的建模及预测。首先将采集到的压力信号通过小波包进行分解,将分解得到的各个分量进行重构,其次对重构后的每一个分量通过混沌支持向量机预测模型进行预测,最后对各预测值进行合成。试验数据表明,该方法能够有效地预测液压泵压力信号的变化趋势,具有较高的预测精度,可有效地应用于系统的状态监测和故障预测。     

基于改进HHT和小波包理论的液压泵故障特征提取

针对液压泵振动信号出现的调制现象,该文提出一种基于经验模态分解(EMD)和相关性分析的包络解调方法,并与基于小波包理论和Hilbert变换的包络解调方法进行了对比,通过分析某型装备液压泵在各种故障状态下的振动信号,成功提取了调制信号在高频谐振带的包络成分.通过两种方法的对比可以得出:两种方法都能较好的提取对象的故障特征,但改进EMD方法所提取到的故障特征更为准确,能量丢失较少.