基于HHO-CNN的轴承故障诊断方法研究

轴承是传动系统重要的支撑部件，也是整个系统的薄弱环节，卷积神经网络(convolutional neural network, CNN)强大的特征提取和学习能力为轴承运行状态模式识别提供了可能性.针对CNN处理多分类模式识别过程中，由超参数问题引起的准确率低、收敛速度慢等问题，提出了一种基于哈里斯鹰优化(Harris hawks optimization, HHO)算法优化的CNN分类模型.首先，对不同故障类型和故障程度轴承故障数据集进行划分，初始化CNN模型参数；然后，使用HHO算法对CNN模型的超参数空间进行优化，计算适应度值并获取全连接层的单元数量和迭代次数；最后，利用优化后的CNN模型对轴承数据集进行模式识别.通过不同故障类型和故障程度轴承实验数据验证，表明HHO-CNN模型可以使得全连接层的单元数量和迭代次数迅速收敛，及时准确调整CNN的网络参数，提升分类器的性能，提高了故障模式识别准确性，增强了模型的稳定性.     

旋转机构转子部件脱落的幅值谱研究与变幅信号谱的简单分析

针对旋转机构转子部件缓慢脱落时系统信号的幅值缓慢变化,其频域内幅值亦发生某种有规律的变化,简单地模拟了系统在变幅情况下的信号。将信号从频域傅氏变换的线性叠加性和能量守恒角度去对信号的频域内幅值的变化规律进行分析,并在频域内采用FFT、比值校正法和频谱细化方法进行频谱图简单分析以验证两者准确性,加深对信号处理时内部运算的理解。最后将普通变幅信号引入,用实验事实说明傅式变换本身的一些不足并做简单的分析,并简单介绍了变幅信号现今采用的一些处理方法。     

基于X射线的架空导线钢芯压接尺寸与拉力关系的研究

架空线路在运行过程中不仅要承受流过的负荷电流,而且还要承受导线的张力,导线耐张线夹对导线的握着力是影响导线拉力的重要原因。在压接过程中,通过改变钢芯插入钢锚的深度,利用X射线数字透照成像技术检测其实际插入深度,得到钢芯压接尺寸与拉力之间的关系。在满足导线整体拉断力要求的情况下,找到了在铝模压接正常情况下钢芯最小插入深度。对现场施工作业有重要的指导意义。     

基于振动特性的铁塔螺栓完全松动检测方法

螺栓连接松动故障是铁塔常见故障之一，开展铁塔螺栓松动检测研究十分必要。本文提出了一种基于铁塔振动特性的螺栓完全松动快速检测方法，首先利用脉冲激振法实测了输电铁塔螺栓完全松动前后振动信号，分别得到了激振点所在塔材的振动信号，以及通过螺栓相连接的塔材振动信号。然后采用自相关-VMD方法进行振动信号处理，得到了振动信号频谱图。通过对比分析，最后得出结论:当螺栓紧固时，脉冲激振下各塔材产生自激振动，螺栓相连接的两塔材振动频谱存在差异；当螺栓完全松动时，激振点所在的塔材为自激振动，而通过螺栓相连接的塔材受迫振动成分增加，两塔材振动频谱较为接近。因此螺栓相连接的两塔材振动频谱的变化特征可作为该螺栓是否完全松动的判断依据，为铁塔局部螺栓松动离线检测提供了一个新的思路和方法。