结构振动的模糊可靠性分析

利用随机有限元理论建立结构振动的概率有限元计算公式系统,得出结构固有频率的均值及其方差;根据模糊集合理论的基本原理,在结构振动的可靠性分析中引入共振失效的模糊定义,指出共振准则具有模糊性.在此基础上,提出共振区模糊子集的隶属函数的确定原则,给出了具体的确定方法.根据模糊事件发生概率的定义,导出了结构振动的模糊可靠性的计算公式,考虑到结构具有多阶固有频率,在进行结构振动可靠性分析时,结构应为串联系统,从而解决了结构动态问题的模糊可靠性问题.通过结构振动模糊可靠度的计算实例,验证了该法的有效性和可行性,并指出常规可靠性计算由于不考虑共振区域的模糊性而使计算结果偏大.     

基于经验模态分解的无量纲指标故障诊断定位

无量纲指标作为新的理论工具应用于故障诊断研究中,虽然取得了一定的进展,但在应用时没有考虑到其他噪声干扰信号的影响,对结果分析有一定的干扰.而经验模态分解(EMD)技术能够提取出振动数据的故障特征信号,针对无量纲指标分析数据时的噪声干扰,提出了基于EMD的无量纲指标处理算法.首先对采集到的振动数据做EMD,分解出的前几个固有模态函数(IMF)分量中包含了振动数据的故障特征,去除其他噪声干扰信号的影响;其次求出含有振动数据特征信号的IMF分量的无量纲指标值,做出其无量纲指标的特征范围值;最后进行故障诊断分析.将此算法应用于旋转机械的故障诊断实验中,通过实验验证了该方法的可行性和有效性.     

单自由度系统的模糊自由振动理论

本文讨论了结构振动分析过程中存在的模糊性,并根据模糊集合理论中的扩张原理,具体分析了具有模糊特性参数的振动系统在模糊初始条件下的自由振动问题;给出了结构模糊响应集的隶属函数;举例说明了单自由度系统模糊自由振动理论的具体应用。     

齿轮故障诊断中振动信号的提纯和重构

在分析了齿轮振动产生机理和振动信号频谱特征的基础上 ,提出了齿轮振动信号提纯和重构的诊断分析方法 .与传统的窄带滤波相比 ,该方法可识别出齿轮啮合副中有故障的齿轮 .由于消除了 2个齿轮间的相互干扰 ,由该方法提纯重构信号的幅值包络、相位信息和瞬态频率 ,能更准确地反映出齿轮的故障 .     

弦振动方程中D''Alembert 公式的算子算法

主要讨论了运用算子的方法推导出弦振动方程中的D'Alembert公式.弦振动方程中的D'Alembert公式是偏微分方程中一个非常重要的基本公式.该公式的推导方法中一个最基本方法是特征线法.本文从另一角度即算子的方法,将弦振动方程写成算子的形式,再根据一阶线性偏微分方程的求解方法,最终推导出D'Alembert公式.     

浅析詹安泰《鹪鹩巢诗集》中模糊语言的构成

模糊性是现实世界的基本特征和常规现象，诗歌作品作为语言文本同样具有模糊性的特征，通过文本模糊性特征的研究可以更好的解读诗歌作品。詹安泰作为近代词学大家，其诗歌创作也体现了诗歌模糊性的特征。拟从词义和句式两个方面出发，探索詹安泰《鹪鹩巢诗集》中模糊语言的构成方式。     

高架交通沿线地面环境振动测试频域分析

为综合研究城市交通所引起的环境振动问题,对基于广州火车站附近高架路诱发进行了沿线地面振动的现场实测;通过对实测数据在频域内进行深入分析,总结出高架路诱发环境振动在频域内的分布特点和传播规律,在最小二乘准则条件下,给出了更加符合环境振动实际传播特征的竖向加速度振级经验衰减公式.结果表明:高架路诱发环境振动和动车组诱发环境振动均呈现脉冲响应特征;高架路诱发环境振动随距桥墩距离增加,脉冲响应特征快速消失;功率谱密度曲线表明随着距离的增加,竖向加速度的频率范围越来越窄,高频成分所占比例越来越小,在15 m处高架路诱发环境振动的高频区域有放大现象,存在局部振动放大区域.与传统振级经验衰减公式相比,文章提出的环境振动振级经验衰减公式更能反映实际环境振动的传播特点.     

试析模糊性语言在外语教学中的运用

客观世界以及主观世界的模糊性决定了思维和语言的模糊性。因此,模糊的特征是英语语言的一种重要的自然特征。该文从模糊性语言的成因和分类入手,分析在英语课堂教学中教师使用模糊性语言的必要性,从而使课堂教学中教师语言礼貌、得体,实现教学质量的提高。     

模糊语义的三个基本特征

模糊语义的本质特征是"边界不明".其基本特征主要表现在三个方面:第一.边界的模糊性与中心的明晰性;第二,相对性与可塑性;第三,双重性.语义的模糊性并不是一个消极的因素,恰恰相反,正是语义具有模糊性特征,语言才能更高效、精确地表情达意和描摹纷繁复杂的客观世界.     

基于多分量奇异熵的往复式压缩机故障分类

由于往复式机械振动信号的强烈非线性,对其进行特征提取较为困难.针对上述现象提出了一种计算信号多分量奇异熵的特征提取方法.通过局域波法提取出振动信号的各基本模式分量. 利用非线性动力学相空间重构理论适当选择嵌入维数与延迟时间,计算出往复机振动信号各基本模式分量的奇异熵值,提取出故障信息,并经自适应神经模糊推理系统(ANFIS)对故障特征进行分类.结果表明全部分类正确,达到了故障诊断的目的.     

基于EEMD与模糊信息熵的旋转机械故障诊断方法

针对旋转机械故障识别率偏低的问题,提出一种基于EEMD与模糊信息熵的旋转机械故障诊断方法.该方法结合EEMD分解和模糊信息熵在特征提取方面的优势,构造出一种能够精细度量不同类别振动信号故障概率复杂度的特征集合.首先将原振动信号进行EEMD分解,获得若干个本征模态函数(IMFs);计算出前5个高频IMF分量的模糊信息熵组成高维特征集;利用LPP对高维特征集进行维数约简剔除冗余不相关特征;最后将约简后的样本集输入到KNN分类器中进行故障识别.用双跨转子实验台采集的数据对所述方法进行验证,并与EMD模糊熵、EMD模糊信息熵、EEMD模糊熵方法进行故障识别率对比,结果表明该方法能够有效提取转子振动信号的故障特征,并且具有更高的故障识别率.     

商空间理论及其在故障诊断中的应用

为解决转子故障难以正确识别的问题,研究商空间理论与在转子故障诊断领域中的应用并提出一种基于模糊商空间模型的转子故障特征提取方法.通过计算转子振动信号原始论域空间X的归一化等腰距离,将原始论域空间X转换为粒度较粗的论域空间[X],在新的论域空间[X]内研究故障特征,并把商结构[T]作为量化特征值.结果表明,借助粒度空间的转换可有效地降低故障特征辨识的难度,商空间理论在转子故障的状态监测和故障诊断中具有重要的应用前景.     

旋转机械常见故障的振动三维谱特征及其识别

变速过程中振动特征的提取及其识别对于旋转机械故障诊断是极其重要的，本文通过对发电设备旋转机械中常见的不对中、轴裂纹、动静件碰摩、基础部件松动故障的运动微分方程及三维谱图的分析，讨论了变速过程中系统振动所包含的故障信息。分析表明这几类带有故障的转子系统都是非线性振动系统，振动三维谱图中含有丰富的高次谐波分量，可以用对三维谱图进行扫描的方法来发现故障信息。三维谱图可以丰富旋转机械故障诊断系统知识库中的振动特征信息，对于更准确地诊断发电设备中的故障具有重要的意义     

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。     

模糊诊断技术在旋转机械设备故障诊断中的应用

在复杂的机械系统中,一种故障状态可能引起多种故障征兆,而一种故障征兆也可能在不同程度上反映多种故障状态。根据振动信号频谱分析结果,提取频谱特征,获取各种故障征兆信息。在已知故障征兆的情况下,对多故障同时发生和多故障具有相同征兆的诊断问题,利用模糊诊断技术,确定机械设备故障类别的隶属度值,经模糊综合诊断后确定设备的故障。     

形态分量分析在滚动轴承故障诊断中的应用

滚动轴承局部故障振动信号中的周期性冲击是识别故障的关键特征.形态分量分析在由多种形态原子组成的过完备字典基础上提取信号中的不同形态成分,基于这种思想提出了一种基于新型过完备复合字典的形态分量分析方法.依据滚动轴承故障振动信号中分量间的形态差异性,改进字典后该方法可以更具针对性地提取出包含故障特征的冲击分量,配合包络谱分析准确提取故障特征频率,诊断滚动轴承局部故障.对比基于快速谱峭度法的轴承故障诊断方法,该方法可以避免人为选择共振带产生的不准确性和非最优问题,提高了故障诊断效果.通过轴承仿真信号和故障实验信号分析验证了该方法的有效性.     

采用滑动平均多元多尺度色散熵的液压泵故障诊断方法

为了提高色散熵的信息提取能力，在兼顾计算效率和效果的前提下，引入多维嵌入重构理论，借鉴滑动平均的思想，更新了传统多尺度算法的粗粒化方式，提出了滑动平均多元多尺度色散熵(moving average multivariate multiscale dispersion entropy，MA_mvMDE)用以提取液压泵故障特征。首先，利用均匀相位经验模态分解（uniform phase empirical mode decomposition，UPEMD）将振动信号分解为多个本征模态分量（intrinsic mode functions，IMF），再采用相关系数法筛选敏感分量，将包含大量故障信息的模态分量作为多通道数据计算其MA_mvMDE值来提取故障特征。接着，采用MCFS方法选择故障敏感特征实现降维。最后，通过随机森林分类器完成故障识别。采用液压泵故障振动数据验证了该方法能够准确诊断不同类型和不同程度的故障。     

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。     

基于故障特征时段识别的间歇过程故障诊断方法

间歇过程的多时段操作特性使得某一类型故障可能在一个或多个子操作时段具有明显表征,而在其他时段没有故障表征,即故障具有其相应的特征时段.提出了一种基于故障特征时段识别的故障诊断方法,通过对历史故障数据以及正常数据质心分布特征,识别历史故障的特征时段.利用多向Fisher判别分析(MFDA)方法分别建立对应的故障诊断模型,从而将故障诊断的搜索空间深入到特定的特征时段,提高了模型的诊断性能.仿真实验验证了该方法的可行性和有效性.     

基于CEEMDAN能量熵的故障特征提取方法

作为武器装备的重要组成部分,复杂机械设备发生故障会严重影响其性能,如何将故障特征有效提取出来尤为重要。针对复杂机械设备振动信号非平稳非线性的特点,本文提出利用自适应噪声集合经验模态分解（CEEMDAN）结合能量熵的方法提取信号故障特征,并以某型装备柴油机为例进行验证。通过构建多分量调制信号,分析比较了EMD、EEMD、CEEMD以及CEEMDAN四种算法的分解效果。利用CEEMDAN对振动信号进行分解,提取相关性较大的IMF分量的能量熵作为特征向量,输入到支持向量机中进行模式分类。研究表明,CEEMDAN能够一定程度上抑制了模态混叠问题,对于不同类型的故障能够有效的识别。