实船喷水推进泵空化识别试验

根据空化特征，提出了利用高阶导数判别空化特征频带的方法.对喷水推进泵壳体振动信号以及进口水声信号进行高阶导数计算，然后进行均方根标准化，通过特征频段滤波后在时域中求取超过给定阈值的极值，计算其均值、均方根值、方差、歪度以及峭度指标，利用基于最小二乘支持向量机（LS SVC）对实船测试的6种空化状态进行了分类识别.与传统的反向传播（BP）和径向基函数（RBF）神经网络识别效果相比，LS SVC的分类准确率更高，程序运行时间更短.     

基于短时傅立叶变换的空蚀噪声分析

空化过程中,固体近壁面溃灭的空泡会对固体壁面形成短时的高速高压冲击,并辐射出强烈的噪声。针对这一特点,该文采用短时Fourier分析方法(STFT)对空蚀噪声信号进行时频域的分析,表征出了黄铜在振动空蚀各阶段的频谱特征。随着空蚀阶段的发展,信号主要在4 kHz以上的频段发生变化。在空蚀初生期,频率在时间轴上不均匀分布;在上升期和稳定期,频率在时间轴上的分布逐渐均匀,并且声压升高;在衰减期,4 kHz以上的频率急剧减少,声压也显著降低。分析结果为研究不同空蚀阶段下的空蚀噪声特征提供了一种分析方法。     

基于深度学习的离心泵空化状态识别

空化状态识别是离心泵状态监测的难点之一,为了提高空化状态识别的效果,提出了一种基于深度学习的离心泵空化状态识别方法。首先,采集了在3种工况下泵壳的振动信号,分别构建了振动信号的改进倍频带特征矩阵和时频特征矩阵;然后,基于自动编码器构建了深度学习网络,通过无监督训练自动学习输入数据的特征,利用监督训练对网络的参数进行了调整;最后,运用深度学习网络,对离心泵的4类空化状态进行了分类识别。研究表明,无论是基于改进倍频带特征矩阵还是基于时频特征矩阵,深度学习网络对4类空化状态都有很好的识别效果,尤其是对于弱空化状态,深度学习网络比BP神经网络更有效。     

泡群内气泡振动特性分析

本文从均匀球状泡群内气泡非线性振动方程出发分析了驱动声压幅值、声波频率和液体环境对空化气泡振动特性的影响.数值分析结果表明:超声波驱动下的非线性振动气泡存在不稳定响应区,不稳定响应区主要分布在声波频率小于5 0 kHz的低频区和平衡半径小于1 0μm的微泡尺寸范围;平衡半径为3μm左右的空化微泡有较强的声响应能力和不稳定性,在特定的液体和声环境中,极易受到扰动生长为平衡半径更大的气泡;驱动声波频率一定的情况下,随着驱动声波压力的增加,气泡的非线性共振频率降低,声场中气泡的共振尺寸减小;平衡半径大的气泡空化阈值低,更容易引起空化效应.液体内溶解气体浓度影响空化进程以及空化声压阈值,溶解气体浓度越低空化阈值越高.     

拖拉机驾驶室的模态声学贡献度分析

为确认影响拖拉机驾驶员耳旁噪声的主要振动模态,建立了拖拉机驾驶室声场中声压值与结构模态及模态声学贡献度数值的计算模型.利用驾驶室声-固耦合有限元模型进行仿真,分析了驾驶员耳旁噪声各频段峰值处的各阶模态贡献度值,并确认了峰值处的主导振动模态;利用主导振动模态来指导驾驶室主要振动模态的整改,且对主要模态整改前后驾驶员耳旁噪声声压级进行了对比.结果表明:驾驶室主要模态的改进可明显降低驾驶员耳旁噪声信号峰值,且峰值所在频段内的声压级也有所降低,可以实现分频段控制噪声,有效降低噪声.     

基于气-砂两相流振动信号特征分析的砂粒检测

气-固两相流中固相信息的实时检测广泛应用于工业中的各个方面,特别是天然气开采过程中面临的出砂监测问题.为了丰富现有固相颗粒监测方法和技术,本文通过分析气-砂两相流流动撞击管壁激励的振动信号特征,开展气井出砂实时监测室内研究.本文利用加速度传感器感受砂粒撞击管壁的一次信号,随后通过信号调理、采集并转化为所需出砂信息.通过设计室内实验,对不同流速下的气流信号、不同携砂流速下的气-砂两相流信号、不同出砂率下的气-砂两相流信号进行时-频特征分析,结果表明14.0～18.0,kHz频段内气流信号幅值波动稳定且幅值较小,该频段为气井出砂监测的特征频段.进一步增加砂流量率,发现特征频段内的振动能量随含砂率的增加而增加,进一步验证了该出砂特征频段的有效性,并建立了气体流速与振动能量关系数学模型.本研究方法为后续较复杂的水-砂两相流、气-砂多相流流体中的固相检测研究奠定了良好的基础.     

频谱分析法铣削稳定性判定

利用庞加莱原理,分析了稳定切削与不稳定切削时振动信号频域特征的不同点.搭建了铣削振动检测系统,通过对铣削振动信号的频域分析,验证了铣削强迫振动的频域特征是在低频段的刃通过频率及其二、三倍谐波频率处出现峰值;发生切削颤振时,在高频段出现峰值,因此,振动信号频谱图中非刃通过频率处及其二、三倍谐波频率处出现峰值是发生切削不稳定的结论.     

二阶导数法识别压力导数曲线“上翘”的类型

启动压力梯度和断层的存在都会使压力导数曲线发生"上翘",对压力导数曲线"上翘"类型的识别,是正确选择试井解释模型的关键.分别给出了考虑启动压力梯度影响和断层影响的二阶导数计算理论基础,绘制了压力曲线、压力导数曲线以及二阶导数曲线,并对其特征进行了分析.提出了一种对启动压力梯度影响在压力导数曲线上引起的"上翘"和断层影响在压力导数曲线上引起的"上翘"进行识别的方法--二阶导数法.分析结果表明:二阶导数法简单易用,可以对两种不同情况引起的"上翘"进行有效的识别.     

基于脉象信号的亚健康状态的识别

提出了一种新的识别亚健康状态的方法.利用HK-2000C集成化数字脉搏传感器提取人体左关处桡动脉脉搏信号,然后计算脉搏功率谱,并在此基础上提取功率谱峰值及功率谱重心,并将它们对应的频率作为特征量,利用线性判别式分析(LDA)对所提特征进行分类.经对30例样本的识别检验,结果表明,用功率谱重心及重心频率作为特征量分类率达到80%,用功率谱峰值和峰值频率作为特征量,分类正确率达到了86.667%.     

二阶导数法识别压力导数曲线"上翘"的类型

启动压力梯度和断层的存在都会使压力导数曲线发生上翘,对压力导数曲线上翘类型的识别,是正确选择试井解释模型的关键。分别给出了考虑启动压力梯度影响和断层影响的二阶导数计算理论基础,绘制了压力曲线、压力导数曲线以及二阶导数曲线,并对其特征进行了分析。提出了一种对启动压力梯度影响在压力导数曲线上引起的上翘和断层影响在压力导数曲线上引起的上翘进行识别的方法——二阶导数法。分析结果表明:二阶导数法简单易用,可以对两种不同情况引起的上翘进行有效的识别。     

基于单缸柴油机表面异常声发射信号的活塞组件摩擦磨损故障诊断与研究

为了诊断并分析某型单缸柴油机的异常声发射信号,在柴油机缸体上安置振动传感器和声发射传感器。利用小波多分辨率算法对比分析了两个传感器的信号。首先通过几何估算提出了异常信号可能对应的两种故障形式,随后根据拆机检查,确认声发射信号中的故障特征来源于活塞组件之间的异常摩擦事件。诊断结果表明:该型号单缸柴油机的活塞组件的结构尺寸设计不合理,在柴油机正常工作中,连杆小头和活塞内部发生了摩擦事件,导致了声发射信号在固定的曲轴转角上出现异常峰值响应。声发射技术为以后有效监测活塞组件摩擦磨损提供了更准确的诊断方法。     

智能保健监测系统中音频信号的分类算法研究

针对Mel频率倒谱系数(MFCCs)信息在区分音频信号时的局限性,提出一种基于不同特征提取技术的两级分类策略,对智能保健监测系统的9种音频信号进行分类。分类的第一级采用MFCCs及其变化率(ΔMFCCs)作为隐马尔可夫模型(HMM)的输入。在第二级,将不同频段的功率谱密度的一阶差分均值和标准差作为分类的特征。实验结果表明,功率谱密度的一阶差分包含了MFCCs所不含有的重要分类信息,该方法使得实时保健监测系统的平均分类准确度高达97.37%,具有较好的鲁棒性和分类准确性。     

基于车辆悬架振动响应的地面分类研究

为提升车辆在自然界地面上行驶时利用悬架振动响应识别地面类型的分类准确率,提出将时域参数特征和小波包能量特征相结合的特征提取方法,利用概率神经网络（PNN）对地面进行分类,对比了时域参数特征、小波包能量特征及两者结合的分类效果.试验中,使用道路模拟试验台输出6种路面时域高程,将单轴加速度传感器安装在车辆悬架摆臂上,采集垂向加速度信号.结果表明,使用提出的特征提取方法可以取得良好的分类效果,平均分类准确率达到了91.3%,明显优于其它两种方法.      

基于高阶谱和Tamura纹理的滚动轴承故障诊断

为了提高滚动轴承的故障诊断率,提出了一种基于高阶谱(high order spectrum, HOS)和Tamura纹理特征相结合的故障诊断方法。首先,通过高阶谱方法将滚动轴承故障振动信号的冲击提取出来;然后,对高阶谱进行处理得到二维等高线图;最后依据轴承故障相同时等高线图具有相似性以及不同时具有差异性这一特性,采用基于人类视觉感知的Tamura纹理描述方法提取特征参数后输入到多分类支持向量机(support vector machines, SVM)中进行分类。结果表明：高阶谱结合Tamura纹理特征的滚动轴承故障诊断方法在较少特征参数下故障识别准确率能达到较高的精度,对于故障尺寸不同的混合振动信号识别准确率稳定,诊断效果良好。     

基于平移窗信号自相关分析的振动稳定性研究

针对目前潜油电泵的振动信号稳定性分析方法存在的不足,提出了基于平移窗信号自相关分析方法,并定义了稳定指数用于定量评价振动信号的稳定性。首先利用滑动叠加平均法获得一个能够最大程度地代表振动信号周期性特征的窗信号;然后将该窗信号在振动信号上平移并进行自相关分析,从而获得自相关系数序列;最后对自相关系数序列进行处理得到稳定指数。仿真及实验结果表明,本方法可有效地评判信号是否存在振动幅度不稳定或振动周期不稳定的现象,并成功地检验出具有潜在故障的电泵,验证了该方法在评价振动信号稳定性方面的可行性和有效性。     

小波包频带能量分解在断路器机械状态监测中的应用

基于小波包原理,将断路器操作振动信号分解到独立的频带内,不同频带内信号能量的变化反映了断路器机械运行状态的改变.提取主要的频带能量作为断路器状态监测的特征向量,并根据试验结果确定了不同状态下能量特征向量的容差范围,从而实现了不同机械状态的简单分类,为断路器的机械状态监测提供了相应的量化依据.试验模拟了ZN12-35型真空断路器4种不同的合闸同期性状态,采用单个加速度传感器在机构箱上获取合闸时的触头振动信号.该信号经过小波包频带能量分解后,可以将各种合闸同期性状态分类集中在复平面中明显区分的不同区域内,从而验证了该方法在断路器机械状态监测中的有效性.重复试验表明,在保证监测系统稳定的前提下,该方法具有较高的状态监测准确率.     

子空间分解法在声目标特征提取中的应用

研究用于识别直升机目标声信号的特征提取方法,方法通过对直升机信号频特征分析,采用基于子空间分解的多重信号分类法算法提取信号谐波频率作为目标特征,利用子空产妥将观测数据分解为信号子这僮与噪声子空间特点,抑制噪声干扰,提高识别能力。     

基于振动的蚕茧质量智能无损检测

提出了一种基于振动的蚕茧质量智能无损检测的方法.通过对蚕茧振动信号进行小波分解重构蚕蛹的振动冲击信号,提取与蚕蛹质量有关的特征值,并利用模糊聚类的方法优选特征值,然后将优选的特征值作为BP神经网络的输入参数,以蚕蛹质量作为输出参数训练该网络,训练后的神经网络可利用所采集的蚕茧振动信号确定蚕蛹的质量,从而间接得到茧壳的质量.试验结果表明该方法有效可行.图4,表2,参9.     

补气位置对改善射流泵空化性能的试验

对面积比为2.78和4.94的射流泵分别进行了试验,测得不同空化工况下在喉管不同位置补气时噪声和振动的变化.试验结果表明,不同空化阶段在喉管的任何位置补气,都可以降低射流泵的空化噪声和振动;随着补气量的增加,空化噪声和轴向振动加速度的降低也越明显,噪声的最大降低值可达5.1 dB,轴向振动加速度最大可降低4.3 m/s2;补气可以改善射流泵喉管内的压力分布,破坏极限工况下流动的臃塞现象,提高射流泵的空化性能;在喉管最低压力点处及邻近上游位置补气可更有效地抑制射流泵的空化,最优的补气位置为距喉管入口的1～3倍喉管直径处.