GA-SA算法在有限元模型更新中的应用

有限元模型的更新旨在最小化实验结果和仿真结果之间的差异,因此可以被看作一个优化问题.引入混合优化算法GA-SA到一个过盈热套配合的转轴有限元模型更新中,该算法由遗传算法(GA)和模拟退火算法(SA)构成.以转轴上安装有质量套筒处轴段的有效刚度直径为更新参数,以轴系的前4阶实验固有频率和计算的固有频率之间的绝对误差建立优化算法的目标函数,比较了初始有限元模型输出、经GA-SA、GA、SA优化后的有限元模型输出和实验结果之间的差别.同时还通过比较更新模型输出的频率响应函数与模态实验的频率响应函数之间的差异来检验模型更新的有效性.结果表明GA,SA和GA-SA都是很强的优化算法,可以成功地应用于有限元模型更新,经优化算法更新后的模型能够给出比初始模型更接近于实验结果的输出,但是基于GA-SA的更新模型能够给出比基于GA或者SA的更新模型更接近于实验结果的固有频率和频率响应函数输出.     

基于VMD-DE的坦克行星变速箱故障诊断方法研究

为了提高坦克行星变速箱齿轮故障模式识别准确率,将变分模态分解(VMD)与散布熵(DE)结合提出故障特征提取新方法。利用波形法确定VMD分解层数,VMD分解振动信号得到一组固有模态分量(IMF);根据归一化互信息准则筛选若干IMF重构信号,计算重构信号的散布熵;将重构信号散布熵作为特征值输入到粒子群优化(PSO)的多分类支持向量机(SVM)中实现故障模式识别。通过对坦克行星变速箱的正常、行星轮故障和太阳轮故障三种状态进行模式识别,分类准确率达到100%,且计算时间较短。与基于原始振动信号DE、VMD-SE(样本熵)、VMD-PE(排列熵)及EMD-DE(经验模态分解与DE结合)等方法比较,综合考虑准确率和计算时间两个因素,基于VMD-DE的方法故障诊断性能最佳。     

基于排列熵和CHMM的齿轮故障诊断

针对齿轮故障特征提取和状态识别困难的问题,提出一种基于排列熵和连续隐马尔可夫模型(CHMM)的齿轮故障诊断方法。首先对提取的目标齿轮啮合信号作降噪处理,再采用排列熵算法进行分析,提取排列熵均值、方均根、最大值、最小值作为特征量输入到CHMM中训练和识别,通过对比最大对数似然概率值来确定齿轮的故障。最后在变速箱齿轮故障模拟试验台上,对正常、轻微磨损、严重磨损和断齿4种齿轮状态进行试验验证,结果表明该方法能有效地对齿轮故障进行诊断。     

快速峭度谱用于复合行星齿轮故障特征提取

快速峭度谱因其对瞬态冲击信号具有快速检测的能力,在旋转机械故障特征提取中得到广泛应用。提出了基于快速峭度谱的机械故障特征提取流程,并将快速峭度谱应用于某型坦克变速箱复合行星齿轮的故障特征提取中。首先,分析特定工况下齿轮正常和剥落故障两种状态的信号,与传统包络分析结果进行比较,结果表明,基于快速峭度谱的故障特征提取方法能够显著增强故障特征频率的幅值。为了验证测点的工况适应性和特征提取方法的有效性,考虑挡位、转速和载荷等因素,设计了32种试验工况,分析各个工况的试验数据,研究了转速、载荷等工况参数对故障特征提取的影响。结果表明,所选测点在各工况下采集的数据均可有效提取故障特征频率,转速和载荷的增加有助于故障特征提取。     

基于TRIZ理论的深海水液压电磁阀

水深压力直接影响着海洋机电装备的性能及可靠性。以深海水液压电磁阀为例,运用TRIZ理论的物质-场模型及冲突矩阵,阐述水深压力补偿方式,提出水深压力硬补偿的方法。建立硬补偿式深海水液压电磁阀的模型,研制初试样机及试验平台,对其性能及影响因素进行研究。结果表明:(1)硬补偿式深海水液压电磁阀性能良好:仿真及试验结果基本一致;电磁阀开启压力小,约为0.3 MPa;密封性能优异,关闭状态下,阀的泄漏量为零;阀口全开时压力损失小,额定流量(7 L/min)下的压力损失约为0.25 MPa;动态响应特性良好,开启时间t_1≤30 ms,关闭时间t_2≤63 ms。(2)硬补偿方法能有效补偿水深压力:水下(2 km以浅)工作时,电磁阀的相对启闭压力、响应时间等与系统工作压力有关,而与水深无关。可为海洋机电装备的水深压力补偿系统的设计提供新方法。     

超声红外热像技术中预紧力对金属平板振动特性的影响

在超声红外热像检测过程中,超声脉冲激励下被测对象的振动状态直接决定了缺陷区域的生热效果,而工具杆与被测对象之间的预紧力是影响被测对象振动状态的重要因素之一。试验结果表明:预紧力的增大使得振动能量呈上升趋势并伴随着小范围不稳定,同时被测对象的振动频谱由混沌振动开始,经历次谐波、准次谐波后达到超谐波振动状态。针对上述现象,采用显式动力学方法建立了与试验条件相对应的有限元模型,并进行了瞬态动力学分析。模型采用压电-力类比方法来模拟压电陶瓷的逆压电效应,同时引入了动态松弛来更准确模拟试验工况。仿真结果验证了试验观察到的现象,并进一步揭示了预紧力的增大将改变超声工具杆和被测平板之间的接触力状态,从而改变被测试件的振动能量分布和振动频谱。研究成果有助于实现通过预紧力来控制被测对象振动状态,进而达到优化超声红外热像检测的目的。     

基于连续小波变换的柴油机气缸工作状态检测

为实现装甲车辆柴油机气缸工作状态不解体检测,在实车上模拟了失火故障,测取了不同状态下排气口附近的噪声信号;利用合适尺度下的连续小波变换(CWT),获得了具有明显幅值调制特征的周期性排气噪声低频成分;经过H ilbert变换幅值解调,提取最大幅值归一化包络信号的方差为特征参数,建立了一种柴油机气缸工作均匀性评价与失火故障检测的新方法。应用结果表明,该方法切实可行。     

KL—Bayes方法在故障模式识别中的应用

有效特征向量的提取和状态识别是设备状态监测与故障诊断领域中的关键技术。近年来,国内外很多学者都非常重视自动特征向量选择与提取方法的研究和模式识别方法的探讨。文中提出的KL-Bayes 方法是KL变换特征提取方法与Bayes 逐步判别分析方法的结合,前者可在不改变原始样本空间分布特点的基础上降低特征空间的维数[4],后者是一种集“有效特征选择与状态识别”功能于一身的方法[1]。KL-Bayes方法用于不太复杂的系统故障诊断,如轴承、齿轮箱故障诊断中是非常简单有效的。文中给出了应用实例及分类器自学习前后的分类结果。     

大型抽水蓄能机组运行稳定性故障的自动诊断专家系统

专家系统已被广泛地用于机械设备的故障诊断中,但是把设备监测系统的输出数据作为诊断专家系统的输入数据,将二者有机地结合起来形成自动诊断专家系统,并用于大型水力发电设备的监测诊断中在国内很少见到应用。本文介绍了自动诊断专家系统的一般原理及其在广州抽水蓄能电站状态监测与故障诊断系统中的具体实现,并结合实例作了介绍。该自动诊断专家系统包容了监测系统,并且能方便地同电厂的自动化控制系统结合成一体,它的应用将大大提高发电厂的自动化程度。     

计算阶次分析中避免阶次混叠的滤波定阶方法及其应用

针对计算阶次分析中的阶次混叠现象,分析了各阶次信号分量在频域范围的对应关系,提出并分析了在相同转速区间内信号的各阶次分量会发生频率重叠的问题;在此基础上提出了使用滤波器限制频率、确定阶次的方法,推导了滤波器截止频率选择和滤波后信号角域重采样阶次的确定原则。通过仿真信号分析和实际信号验证,提出的方法成功均能有效的阶次混叠问题,有效确定和降低了角域重采样阶次。