TiNi形状记忆合金弹性耦合系统的驱动特性

采用将预应变TiNi合金与不同刚度系数k的偏置弹簧相串联的方法,对TiNi合金弹性耦合系统的驱动特性进行了研究。结果表明,随k值的增加,TiNi样品达到逆相变结束时的输出应变、应力温度范围逐渐变大,最大回复力逐渐增大,但驱动行程减小;样品的应力与应变之间呈线性关系,二者的比值取决于k;预应变量较大的样品,其回复应力随温度的变化率较大。通过配置偏置弹簧的刚度系数,可以控制样品输出的最大应力和最小应变,有效防止耦合系统过载。     

基于最大李雅普诺夫指数的滚动轴承故障诊断研究

针对滚动轴承故障后期的非线性行为以及判断故障的劣化趋势标准问题,提出了最大李雅普诺夫(Lyapunov)指数判别方法。利用包络解调法对轴承原始信号进行了0~1 000,2 000~3 000及3 000~4 500 Hz分频段降噪处理,研究了不同时段轴承故障劣化程度与Lyapunov指数的关系以及信号噪声对Lyapunov指数的影响。结果表明,在0~1 000Hz频段内,轴承早期故障的Lyapunov指数为0.612,运行5个月后,Lyapunov指数增大到0.810 5,2 000~3 000 Hz及3 000~4 500 Hz频段内,Lyapunov指数也呈缓慢增大趋势,说明Lyapunov指数能够反映轴承故障劣化程度,因此可以把Lyapunov指数作为判断轴承故障严重程度的特征参量,这为轴承故障的劣化判断提供了一条有效途径。     

分形法在发动机隐含故障诊断中的应用

在对发动机的机械故障诊断中 ,由于其结构复杂常使其故障特征不明显 ,为此提出用分形法对某些隐含故障进行诊断。介绍了分形法诊断故障的基本原理 ,并利用奇异值降噪技术和分形维数法对隐含故障的特征进行了提取 ,实现了对发动机轴承隐含故障的诊断。诊断结果表明 ,发动机轴承正常状态下的分形维数为 4.4,出现明显故障时轴承的分形维数为 5 .3,出现隐含故障时轴承的分形维数为 5 .37。由此可以看出 ,用分形维数可以诊断隐含故障 ,说明分形诊断法能从本质上反映故障的结构特征。     

基于数据自组织挖掘的机械设备状态退化预警方法

在设备状态监测过程中引入数据自组织挖掘思想,建立一种设备状态退化预警方法。采用隐马尔科夫模型(HMM)对设备的早期退化状态进行准确辨识和评估,并进一步建立设备退化过程的自组织预测模型。案例分析中将该方法应用到旋转机械轴承运行状态退化的预警过程中。结果表明,基于自组织数据挖掘的设备状态退化趋势预测方法预测效果准确、客观性强,预测值与实际值的拟合程度高,相对误差仅为3.1%。新方法能够预测设备未来时间段的退化状态及其发展趋势,提前给出预警信息,有效地制定预知维修计划,及时采取预防措施,防止因设备突发失效引起非计划停机造成生产和经济损失。     

天然气管道泄漏音波序列局部投影降噪研究

天然气管道泄漏检测采集的音波序列中含有大量噪声,在进行泄漏特征提取之前必须进行降噪处理.通过频率分布和混沌性分析,引入泄漏音波序列局部投影方法.该方法寻找相空间重构过程中由噪声形成的子空间,通过抑制该空间中的噪声投影来达到降噪的目的.仿真信号测量和现场试验表明:局部投影方法适用于泄漏音波序列降噪,可以解决降噪过程中频率混叠和混沌性带来的问题;与其他方法相比,局部投影方法在时域统计指标、频域和功率谱分析、自相关函数分析以及提高信噪比等方面明显得到改善,大大提高了泄漏特征提取的准确率.     

柴油机缸盖周期性振动信号的自相关周期识别

提出了类周期概念,利用拓展的周期信号自相关函数,实现了柴油机缸盖振动信号类周期力主要振动波形的提取实验证明垢准确性高,有利于实现数据处理的智能化,为进一步分析柴油缸盖振动信号奠定了扎实的基础     

应用倒频谱分析法对风力发电机组齿轮箱故障诊断

针对风力发电机组齿轮箱运行环境恶劣,故障信号中调制边频带复杂这一特点,采用基于倒频谱方法对故障特征进行了分析,提高了故障诊断的准确性,并给出了应用实例,为风力发电机组设备管理与诊断提供了一种有效的途径。     

基于红外热成像与CNN的压裂装备故障精准识别及预警

页岩气大规模压裂作业过程中,以压裂泵为代表的压裂装备的安全性、可靠性直接关系到整体压裂作业的顺利进行。考虑到复杂工况及作业环境对振动分析的影响,且设备内部不便安装振动传感器,可引入红外热成像技术进行运行状态的监测。由于页岩气压裂设备外部壳体较厚,加之内部液体的降温作用,使得泵头体等常见故障区域温度表征不明显。针对此问题,引入卷积神经网络实现压裂装备故障精准识别和早期预警的智能化、无人化。通过模拟现场压裂工况,开展室内试验。结果表明,提出的压裂装备故障识别方法能够达到94.8%准确率,同时将预警时间提前了10 s,对于降低事故后果严重度有借鉴作用。     

冗余提升多小波包的构造及其应用

针对提取隐藏在原始振动信号中的弱周期性冲击信号,提出结合冗余提升多小波包(RLSMWP)及滑动窗奇异值分解(SWSVD)降噪的方法。利用提升方案实现具有5阶逼近阶性质的冗余Haar预处理,对信号进行预滤波,获得2重矢量信号。对多小波分解得到的矢量细节信号进行进一步分解,实现冗余提升多小波包变换。对最后一层各输出通道信号进行SWSVD降噪,重构后获得降噪信号。结果表明,RLSMWP与SWSVD相结合具有很好的降噪效果,提取出了隐藏在气阀振动信号中的弱周期性冲击成分;与传统多小波构造方法相比,新方法在时域实现了预滤波、多小波分解、多小波重构及后处理,具有计算简单、节省内存、运算速度快、可完全重构等优点。     

基于ITD和模糊聚类的齿轮箱故障诊断方法

为提高齿轮箱故障诊断的准确性与效率,针对其振动信号非线性和非平稳性的特点,提出将固有时间尺度分解(ITD)和模糊聚类(FCM)相结合的齿轮箱故障诊断方法。首先对齿轮箱振动信号进行固有时间尺度分解,提取包含主要故障信息的前4个固有旋转分量(PRC),求取PRC的特征能量作为故障特征向量。然后利用模糊C-均值聚类算法对齿轮箱故障进行识别与诊断,并将该方法应用到现场齿轮箱的诊断中。结果表明,诊断结果与实际情况完全相符,该方法比经验模式分解与模糊聚类相结合的方法具有更高的计算速度和精度,为齿轮箱故障诊断提供了一种新的有效方法。