EMD-CSF在滚动轴承早期微弱故障诊断中应用

滚动轴承早期故障信息微弱并且夹杂大量背景噪声,故障特征难以识别,为增强传统轴承故障诊断算法的噪声适应性、智能性和鲁棒性,提出一种将经验模态分解(Empirical Mode Decomposition,EMD)和卷积稀疏滤波(Convolutional sparse filtering,CSF)相结合的故障诊断模型。首先对振动信号进行EMD处理,选取峭度值较大的前几阶固有模态分量(Intrinsic Mode Function,IMF)进行重构,然后将重构信号进行稀疏特征学习,最后通过分析时域波形和Hilbert包络谱的特征频率及其谐波判别轴承的故障信息。通过滚动轴承的仿真数据与实测试验数据,证明了采用所提方法能够更好识别轴承故障特征,具有更强的抗噪性。     

基于数据的决策方法综述

现代的决策问题与传统环境相比具有两个特点, 首先是系统自动化水平的提高带来的大量原始数据, 另外则是由于现实决策问题的复杂性和不确定性导致的机理模型无法准确建立. 面对这样的特点, 传统的基于机理模型的决策方法无法得到有效应用, 于是, 大量的研究工作围绕基于数据的决策方法展开. 本文根据决策问题的性质从三个方面综述了当前被普遍关注和应用的基于数据的决策方法: 分类方法、决策分析方法和优化方法, 针对各种具体方法, 总结了该方法的特征、发展过程以及前景.     

制冷变频压缩机内排气管路压力脉动研究

针对制冷变频压缩机内排气管振动异常问题,以某型号压缩机为研究对象,基于计算流体动力学(CFD),探究内排气管路的流动特性。首先采用流固耦合方法完整模拟压缩机工作过程,监测排气孔速度变化,得到入口速度边界。然后进行内排气管路非稳态数值模拟,分析管路中的压力脉动,发现压力峰值主要集中在低频,最大峰值出现在40 Hz附近,为2倍转频,在1,3倍转频处也出现了较明显的压力峰值;管路组成部分对管路压力脉动的影响程度不同,其中缓冲器的抑制作用最为明显。最后探究缓冲腔、管径及管长对管路压力脉动、压力损失的影响,发现减小管径和增加管长均会降低管路中的压力脉动,但会增加压力损失;增加缓冲腔的容积可以抑制一定的压力脉动,且对管路中的压力损失影响较小。