基于支持向量机的轧机压下系统辨识

通过对轧机压下液压控制系统的介绍,分析和计算压下系统响应频率,设计相应的Butterworth滤波器对轧制力进行高频去噪声处理,并利用最小二乘支持向量机进行轧机轧制力的非线性建模.在Matlab仿真环境中,利用轧制力的实测数据进行仿真与分析.仿真结果表明,基于最小二乘支持向量机的轧制力模型预测精度可以控制在5%范围内.     

基于局域均值分解的膛内横向微动特征提取方法

针对弹丸膛内横向摆动产生附加的微多普勒调制项问题,提出了一种基于局域均值分解(Local mean decomposition,LMD)的调制信号分离和特征提取方法.采用LMD方法,将复杂调制信号自适应地分解成若干个具有物理意义的瞬时频率的单分量信号,对每个单分量解调求出瞬时幅值与瞬时频率,获得原信号的调制信息.通过仿真信号验证了LMD处理多分量调幅-调频信号的有效性,将LMD方法应用于膛内运动弹丸实测信号的分析,结果表明该方法能完整提取出弹丸膛内横向微动产生的微多普勒频率调制特征.     

基于EEMD和SVM的冷轧机垂直振动相关故障的诊断

通过对冷板带轧机垂直振动过程的机理进行分析,结合轧机系统结构模型,建立含振动因素的冷轧机垂向系统动态轧制力模型.考虑复杂工况下,轧机在生产不同规格带钢时,由工艺参数波动等广义故障所致轧机垂直振动现象,基于工业现场数据进行数据驱动的故障诊断算法研究.采用集成经验模态分解算法对实测轧制力信号进行分解,选取有效的固有模态函数的能量作为特征向量,并将其输入到支持向量机分类器中,通过分类器对正常状态和故障状态进行区分,以实现轧机振动相关故障的准确诊断.     

涡轴发动机起动过程喘振信号LMD包络谱分析

为了得到涡轴发动机低温起动过程中的喘振特征,提出了一种基于LMD包络谱的分析方法。对喘振脉动信号进行局部均值分解,得到一组PF分量,并对各PF分量进行包络谱分析。实测涡轴发动机喘振信号的LMD包络谱分析结果表明,LMD包络谱可清晰地提取涡轴发动机的喘振频率及其倍频和分频成分,提取的喘振频率小于15 Hz。涡轴发动机的喘振幅值和喘振频率与发动机的转速有关,喘振幅值随着发动机的转速升高而增大,喘振频率随着发动机的转速升高而降低。     

基于包络切片谱和时频谱的轴承故障诊断

为了有效提取轴承故障信号的故障特征以及更好地显示其时频特性,提出了基于局部均值分解(LMD)的包络切片谱分析及时频分布方法。首先,使用LMD对轴承故障信号进行分解得到一组PF分量。然后,对各PF分量的包络信号(瞬时幅值)进行切片谱分析。同时,由PF分量的瞬时频率和瞬时幅值获得各PF分量的时频分布。实测轴承故障信号的LMD包络切片谱分析及时频分布结果表明,LMD包络切片谱可准确获得内圈故障轴承和外圈故障轴承的故障特征频率,LMD时频分布可更直观地显示轴承故障信号的时变瞬时特性,可用于辨别轴承的故障形式。     

LMD与非凸罚最小化L_q正则子压缩传感的轴承振动信号重建

针对机械振动信号高速传输、大容量长期实时存储问题,提出一种局部均值分解(LMD)与非凸罚最小化Lq正则子压缩传感(CS)相结合的轴承故障振动信号重建方法。该方法利用振动系统信号采样、压缩合并进行的思想,首先通过LMD把振动信号分解为若干个不同频率分量的乘积函数平稳信号,对不同的频段分量寻求最佳的稀疏基,构建基于随机高斯矩阵的高度欠定方程;然后求解合适的压缩比,应用非凸罚最小化Lq正则子(q=0.5)算法重构,对所有重构信号组合得到原始振动信号。研究结果表明:LMD与非凸罚最小化Lq正则子压缩传感相结合的方法提高了轴承振动信号的重构精度,降低了重构计算复杂度,具有更高的处理速度和运行效率。     

机车故障诊断的局域均值分解解调方法

为了有效地识别机车走行部的早期故障,提高我国重载机车的运输能力,提出了一种针对机车故障振动信号的局域均值分解(LMD)解调诊断方法.LMD能够将多分量的调制信号自适应地分解成一系列乘积函数分量,分解与解调过程可同步完成.与Hilbert-Huang变换相比,LMD方法不需要通过Hilbert变换求解瞬时频率,从而避免了Hilbert变换加窗效应所带来的解调误差.由于不受Bedrosian和Nuttall定理的限制,不会出现负频率现象,通过滑动平均方法得到信号的局域均值和包络,因此不存在过包络、欠包络和断点效应.通过对实际机车走行部轴承和齿轮振动信号的分析,成功地提取了故障特征,与经验模式分解进行比较的结果说明,采用LMD方法提取尽可能多的有意义的调制分量,不仅避免了Hilbert变换加窗效应所带来的解调误差,而且更适合于多分量调制信号的处理.     

自适应LMD与SVM耦合的传感器故障诊断模型

针对胎压传感器常见的几种突发故障,采用自适应LMD(局部均值分解)和支持向量多分类机(SVM)相耦合的方法.利用LMD方法将传感器的输出信号分解成一系列由包络信号和纯调频信号相乘所得的PF分量;支持向量多分类机进行故障识别.研究结果表明这两种算法的有机结合,实现了对胎压传感器7种工作状态的有效识别.同时,避免了EMD方法在分解过程中存在的过包络、欠包络、端点效应和模态混淆等缺点,有效地提高了故障诊断的快速性和准确性.     

基于EMD和HT的轧机瞬态振动信号时频分析

为解决轧机非平稳瞬态冲击信号的瞬态时频分析难题,提出了基于EMD和Hilbert变换的瞬态振动信号时频分析方法,利用EMD方法提取信号的固有模态函数(IMF),再结合Hilbert变换(HT)求解瞬时频率,得到信号的Hilbert时频谱和Hilbert边际谱,从而得到信号的瞬态特征.通过对调频调幅仿真信号和轧机实测瞬态信号的时频分析,验证了该方法的可行性.     

多分量调幅-调频信号的瞬时频率直接计算与畸变消除方法

针对局部均值分解(LMD)在多分量调幅-调频(AM-FM)信号解调过程中的瞬时频率求解问题,提出了一种瞬时频率快速直接计算与畸变消除方法。首先通过LMD将多分量AM-FM信号分解为一系列单分量AM-FM信号,使用未展开瞬时相位的差分绝对值替代相位展开,有效提高了瞬时频率的计算效率;然后针对直接计算法求得的瞬时频率在极值点附近存在畸变的问题,根据畸变位置分布规律定位畸变位置并剔除畸变点,使用插值法补全被剔除数据,最终得到可用的瞬时频率。将提出的方法成功应用于转子碰磨故障诊断和语音信号基音频率识别,试验结果表明:与传统的基于相位展开的直接计算法相比,提出的快速直接计算法的运行效率更高;同时,求得的瞬时频率中的畸变能够被完整的定位和消除,最终得到正确可用的信号瞬时频率。     

基于混合多变量经验模态分解和极限学习机的非平稳过程预测

传感器布置不足和传感器数据缺失是风压实测研究中需要解决的重要问题,风压的空间预测可以恢复缺失数据和拓展风压空间信息,帮助建立结构表面的风压分布.为此提出一种基于多变量经验模态分解(MEMD)和极限学习机(ELM)的空间预测算法.采用MEMD分解非平稳信号,得到多组模态数目相同且频率匹配的固有模态函数和余项.对分解得到的数据按频率进行重组,作为输入数据,用ELM进行学习和预测.采用基于自回归滑动平均的模拟风速数据和实测非平稳风压数据来验证算法的有效性和精确度,同时引入基于径向基核函数的最小二乘支持向量机(RBF-LSSVM)和ELM方法作为对比.试验结果表明,MEMD-ELM方法的预测结果误差更小,与真实值更为接近.MEMD的多变量同时分解可以保留数据间的相关性,从而在非平稳过程空间预测时达到更好的效果,是一种稳定而有效的多变量预测方法.     

多分辨小波控制器在轧辊偏心控制中的应用

提出了一种用于轧辊偏心控制的多分辨小波控制器,它利用小波对轧制力信号进行多分辨分解.机架的轧制力中包含着许多潜在因素的累积影响,比如压下环节的动特性、轧辊偏心、测量噪声、外部干扰等,这些影响体现在不同的尺度上.通过小波的多分辨分解,这些不同尺度上的信息被区分开来,然后在控制中对轧辊偏心进行补偿.仿真实验表明该方法是有效的.     

考虑上/下工作辊非对称运动的热轧机水平振动研究

研究热连轧机上/下工作辊水平振动机制及其影响因素。首先,考虑上/下工作辊非对称运动,轧制界面的负阻尼效应以及非线性刚度等影响因素,建立板带轧机上/下工作辊水平振动非线性动力学模型。然后,对某厂热连轧机F2机座进行振动测试试验。对振动过程进行仿真,研究轧机结构间隙、轧制力和摩擦负阻尼对轧机水平自激振动的影响。研究结果表明:工作辊水平振动剧烈,上/下工作辊振动相位相反,振动优势频率为40和130 Hz。上/下表面摩擦因数呈反向周期性变化,引起轧辊辊身产生振纹,振动频率为42 Hz及其倍频,仿真与实测结果相符;轧机结构间隙越大、轧制力越大、负阻尼系数越小,轧机系统稳定性越差。     

基于分段波形的信号瞬时频率计算方法

针对局部均值分解(Local Mean Decomposition,LMD)中乘积函数(Product Function,PF)分量的瞬时频率计算问题,引入了一种新的信号瞬时频率计算方法.该方法基于分段波形,先将信号分成若干个全波段(full wave),然后以一组递增的反正弦函数定义每个全波段的瞬时相位,进而得到信号...     

基于LMD和AR模型的转子系统故障诊断方法

提出了基于局部均值分解(Local mean decomposition,简称LMD)和AR模型相结合的转子系统故障诊断方法.该方法先用LMD方法将转子振动信号分解成若干个瞬时频率具有物理意义的PF(Product function,简称PF)分量之和,然后对每一个PF分量建立AR模型,提取模型参数和残差方差作为故障特征向量,并以此作为神经网络分类器的输入来识别转子的工作状态和故障类型.与EMD方法的对比研究表明,这两种方法均能有效地应用于转子系统的故障诊断.但LMD方法信号分解后数据残差比EMD方法的小.     

模态参数识别的LMD-BPF方法及其应用（英文）

鉴于准确识别结构模态参数存在的问题,提出了一种局部均值分解(LMD)-带通滤波(BPF)的模态参数识别方法。首先,将LMD方法用于位移仿真信号和压气机导向叶片测频信号的分解,分解得到的PF分量存在模态混叠现象;然后,使用LMD-BPF方法对位移仿真信号和导向叶片测频信号进行分解,成功实现了对各模态频率的准确分离;最后,使用LMD-BPF模态参数识别方法对位移仿真信号和导向叶片测频信号进行模态参数识别。识别的位移仿真信号4个模态频率和阻尼比与相应的理论值之间的最大误差分别为0.205%和2.387%,识别导向叶片的3种模态频率与测试模态频率之间的最大差别小于1.0%,识别的导向叶片的3种模态阻尼比与半功率带宽法识别的阻尼比,最大差别小于0.65%。模态参数识别的仿真分析和实验研究验证了该方法的有效性。     

基于HHT方法的时变多自由度系统的参数识别

将HHT(Hilbert-Huang transform)方法与数学规划方法相结合,用于时变多自由度系统的参数识别.把响应信号如加速度信号通过一个窗函数,得到要研究的某阶模态成分,然后通过经验模态分解(EMD)把通过窗函数的信号分解成各个本征模函数(IMF),对分解出来的IMF进行希尔伯特变换得到该阶模态的瞬时频率,以待识别的刚度或质量参数作为设计变量,极小化计算得到的频率与瞬时频率之差的平方和.对应该平方和最小的刚度或质量值即为选定时刻识别得到的刚度或质量参数值,并进行了数值仿真.     

四棍热轧机机架动态特性分析

文章建立了某轧机机架的完整模型.利用有限元分析软件ANSYS计算得到机架的动态特性,并将所得结果和单边机架模型的结果进行了对比,结果表明,完整机架模型所得结果能较全面的反映机架的动态特性.在模态分析的基础上,对机架上影响轧制精度的点在给定激励下的位移响应进行了分析,分析表明,当激励力的频率在15 Hz左右时, 机架在轧钢方向发生共振.     

2800 mm中厚板轧机轧制力模型研究

在考虑温度场对轧制力能参数影响的条件下,利用ANsYs软件对热轧板带的塑性变形过程进行了力能参数的计算,并由此获得2800mm轧机轧制压力的计算模型.经在武钢2800mm轧机生产现场实测大量数据,进-步完善轧制力模型,使之具有良好的计算精度.     

大数据平台下基于信息融合与ADAMS建模的压缩机轴类故障识别

含有压缩机故障诊断模块的分布式大数据平台,已成为石化企业设备管理的未来趋势;基于粗糙集和支持向量机理论的大数据信息的快速分类方法对故障识别不理想,特别是基于典型轴类故障力学建模与诊断相结合技术的有效分类方法尚不成熟;文中提出一种基于LMD(Local Mean Decomposition,LMD)与多重分型谱信息融合的故障识别方法,对故障大数据流中难以判定的轴承类间故障程度与位置进行有效识别,利用ADAMS动力学建模分析典型故障输出振动响应,通过与实测数据对比验证,证实该方法可提高二次故障分类的准确性。