基于DASP的泵站压力管道振动测试与分析

大型泵站的压力管道在运行中的振动问题比较普遍,高频大幅的管道振动会严重影响泵站提水系统的安全稳定运行,特殊的运行工况和管道内不稳定的水流流态是引起压力管道振动的主要原因,对压力管道的振动特性进行测试可以反演分析引起管道振动的机理并评价其运行的稳定性.文中采用DASP软件对大型泵站的压力管道振动特性进行测试,通过对代表性测点的信号采集和信号分析,可得到管道的原位振动特性图像.测试结果表明:将基于DASP的测试技术应用于泵站压力管道的振动测试,不仅能够获得管道振动的实时测试信号和振动特性图谱,还可获得振动机理分析所需的更高的测试精度和效率,在工程实践中具有较好的推广价值.     

桥梁动测传感器的应用研究

根据桥梁振动测试的需要,详细分析了动测传感器的一些性能参数及选择原则,选定高精度的低频压电式加速度传感器作为桥梁振动测试信号采集元件,并阐述了采集到的加速度信号的分析处理方法;通过算例,对实测的斜拉桥柔性钢索以及桥梁梁板振型等信号进行分析处理,充分验证了加速度传感器在桥梁动测中应用的可行性和可靠性.     

以应变式传感器为核心的人体脉搏信号采集与处理

针对人体脉搏信号采集时不客观及噪声源过多的缺点,以微振动测试技术为依据,研制了由计算机控制、以应变式传感器为核心的多路脉搏信号采集系统,该系统旨在在确定的取脉压力下,采集到多路清晰的脉搏信号.该系统以应变式传感器为核心,通过调节气囊控制取脉压力,探头与人体直接接触,可以直接采集多处位置微振动信号.同时由于人体微振动的信号特点,在不同的信号采集环境下,需要对信号进行分析处理.选择使用经验模式分解及小波分析对信号进行处理,提取了人体微振动信号中的有用信息.结果表明,在不同取脉压力的前提下,通过测试可得其分辨力在0.01 N以内,相对误差在5%以内,线性度5%,达到了预期的设计精度要求,相比压电材料具有更高的稳定性与静态精度.     

柴油机连杆螺栓松动故障的诊断

本研究对某6105型柴油机机体表面振动信号进行采集和分析，通过对测得的发动机正常运转和连杆螺栓松动两种情况下的时域波形的处理和比较，找出发动机连杆螺栓松动时信号的特征频率，为发动机的故障诊断提供技术支持。     

汽车发动机振动系统试验研究分析

基于汽车底盘测功试验台,对装配某型号的缸内直喷四冲程发动机在整车运行时的振动状况进行原理分析和测试,对测试所得的振动加速度信号进行时域、频域分析,获得发动机整体的振动状态,为该发动机在减振与隔振设计方面提供必要的试验依据。     

基于小波理论的复杂机械振动信号降噪分析

基于小波理论,针对典型旋转往复式机械--汽车发动机振动信号进行了降噪分析研究,提出了适合这类振动信号降噪的分析方法,并通过对实验数据的分析验证了该方法的正确性和有效性. 该研究为对汽车发动机振动信号进行降噪处理,进而对其实施故障诊断提供了可靠的保障.     

基于LabVIEW的离心式化工泵振动测试系统设计

针对传统离心泵振动测试时仪器较多、仪器可靠性较差和测试成本偏高等缺点,运用虚拟仪器技术,采用LabVIEW图形化、模块化的编程语言编写了数据的采集、处理、保存和故障诊断程序,并且利用闭式回路试验装置、振动加速度传感器和数据采集卡组建了离心泵振动测试系统.详细阐述了虚拟仪器系统的硬件结构与软件构成、设计思想及其理论依据.虚拟振动测试系统以离心泵为研究对象,实现了多通道的数据采集、数据实时分析和数据保存等功能.通过该虚拟振动测试系统可以采集试验离心泵的振动加速度信号,并对所得信号数据进行轴心轨迹分析和频谱分析,实现了离心泵的故障诊断.最后在离心泵实验台验证了该虚拟仪器系统在实际振动监测中的有效性,该系统具备良好的人机交互界面,易于维护和系统扩展.     

基于虚拟仪器LabVIEW的发动机台架试验数据采集系统设计

发动机台架试验系统是测试发动机动力性、经济性、可靠性的必要手段,其自动化水平与测试精度能够直接影响试验数据采集及分析处理的准确性。基于虚拟仪器LabVIEW设计了发动机台架试验数据采集系统,硬件部分主要包括实现发动机转速、温度、振动等信息获取的传感器,以及匹配传感器的信号调理模块和数据采集卡;软件部分是基于虚拟仪器LabVIEW编写的数据处理与界面显示程序。调试运行结果表明构建的发动机台架试验数据采集系统能够实现发动机转速特性、负荷特性、振动等信息的准确采集并能在界面窗口直观显示,能够满足发动机性能测试过程中运转特性参数信息准确获取的需求。     

基于VMD-Teager的特种车辆座椅振动特性时频分析

为研究特种车辆座椅的振动特性以改进座椅舒适性,提出基于变分模态分解(Variational mode decomposition,VMD)和Teager能量算子的座椅振动信号分析法。通过对停驶工况和水泥路工况下采集的座椅振动信号作VMD-Teager时频分析,得出停驶工况下随着发动机转速的提高,出现由发动机自身的驱动周期所致的振动信号周期性变化以及与发动机点火频率有关的模态;水泥路工况下车速达到25 km/h时,信号中分解出含人体敏感频段的模态。通过座椅振动特性时频分析所得结论,可为座椅的设计及舒适性改进提供重要参考。     

基于LabVIEW的汽车发动机故障诊断系统设计

采用虚拟仪器技术模拟了汽车发动机故障诊断系统。在充分理解发动机运行机理的基础上,开发了一套发动机故障诊断系统,该系统形象的模拟出了发动机发生故障时其振动信号噪声信号和温度信号的变化。通过仿真实验验证,对发动机故障信号的模拟采集具有较好效果,采集和报警输出与理论一致。从总体上达到了预期目标。     

内燃机缸盖振动信号的特性与诊断应用研究

研究了内燃机缸盖振动信号的时域、频域和循环波动特性,揭示了它的非平稳时变特点,提出抽区间采样分析与参数平均相结合的振动诊断方法,并给出在气门间隙异常和气门漏气故障诊断中的应用实例     

某型涡扇发动机中介轴承微弱故障特征信号提取技术

研究航空发动机在降转速过程中中介轴承微弱故障特征信号的提取技术,提出了一种基于计算阶次分析、三次样条插值分析与包络谱分析相结合的新方法。基于滚动轴承模拟故障实验和航空发动机中介轴承微弱故障实验测得的降速工况下的转速信号和振动信号,首先对转速信号在时域内积分获得角位移-时间信号;再对该信号进行线性插值获得等角度间隔的角位移-时间信号;然后利用该时间序列对振动信号进行三次样条差值获得等角度间隔分布的重采样振动信号;最后对重采样振动信号进行包络分析及快速傅里叶变换获得阶次包络谱。通过两种实验分析表明该方法能有效提取出复杂路径下航空发动机中介轴承微弱故障特征信息。该方法为航空发动机中介轴承微弱故障特征信号提取提供了一种重要手段,具有广泛的应用前景。     

一种涡轮泵故障阈值检测算法

涡轮泵是火箭发动机的心脏,是火箭发动机中的高速旋转组件,也是故障率较高的部件之一。涡轮泵的可靠性在整个发动机的可靠性中占有重要地位。传统的故障检测有时会出现虚警或漏警的现象,而且主要用于试车后的状态分析与评估;在实时故障检测中存在很大的不足。涡轮泵发生故障的主要原因是由于振动,因此振动加速信号研究对涡轮泵的故障检测显得尤为重要。通过一种阈值检测算法对振动加速信号进行研究,并结合已有涡轮泵故障信息对该算法进行验证,验证了该算法的准确性、实时性等要求。     

基于缸盖振动信号包络线相关分析的柴油机故障预警方法研究

针对柴油机故障特征易受到环境、载荷等因素的干扰,从而导致许多传统意义上的故障特征参数不再敏感的问题,提出了一种基于缸盖振动信号包络线相关分析的柴油机故障预警方法,对一台6缸柴油机的缸盖振动信号对比了希尔伯特变换和n阶极值插值两种方法的包络线提取效果,并对其包络线进行相关分析,得到了相似系数、距离标准差以及余弦相似度等相关分析结果。研究结果表明：在传统特征参数不敏感的情况下,相关分析可以更好地反映机组的故障状态。本文研究结果可为实现柴油机故障的早期预警奠定基础。     

Fault diagnosis of diesel engine valve clearance under variable operating condition based on soft interval SVM

The fault detection and diagnosis of diesel engine valve clearance can effectively improve the availability and safety of diesel engine and have extremely important value and significance.Diesel engines generally operate in various stable operating conditions,which have important influence on the fault diagnosis.However,many fault diagnosis methods have been put forward under specific stable operating condition based on vibration signal.As the result of great impact caused by operating conditions,corresponding diagnosis models cannot deal with the fault diagnosis under different operating conditions with required accuracy.In this paper,a fault diagnosis of diesel engine valve clearance under variable operating condition based on soft interval support vector machine(SVM) is proposed.Firstly,the fault features with weak condition sensitivity have been extracted according to the influence analysis of fault on vibration signal.Moreover,soft interval constraint has been applied to SVM algorithm to reduce the random influence of vibration signal on fault features.In addition,different machine learning algorithms based on different feature sets are adopted to conduct the fault diagnosis under different operating conditions for comparison.Experimental results show that the proposed method is applicable for fault diagnosis under variable operating condition with good accuracy.     

内燃机优化VMD-CWD时频表征与BSNMF编码识别诊断方法

针对内燃机振动响应信号强耦合、弱故障特征的问题,提出一种基于参数优化VMD-CWD内燃机振动时频表征与BSNMF分块编码识别的故障诊断方法.利用变分模态分解(VMD)将内燃机振动信号分解成一组本征模态函数(IMF),并叠加IMF分量信号的Choi-Williams分布(CWD)获得时频聚集性良好,无交叉项干扰的振动谱图像.针对VMD分解过程中的参数选取问题,引入功率谱熵作为目标函数,对VMD的分解参数进行网格寻优,提高了VMD分解的自适应性.为了实现内燃机振动谱图像的自动识别诊断,在稀疏非负矩阵分解(SNMF)的基础上提出一种更容易收敛的分块稀疏非负矩阵分解算法(BSNMF),用来对内燃机振动谱图进行特征提取,并采用支持向量机对提取的特征参数直接进行模式识别.将本文方法应用于内燃机故障诊断实例中,结果表明:该方法能有效提取内燃机振动信号中的微弱故障特征,实现内燃机气门机构故障的自动诊断.     

基于Bayes判别法的内燃机气门间隙故障诊断

以内燃机气门振动信号经过经验模态分解（EMD）方法得到的固有模态函数的关联维数作为判别因子,建立内燃机气门故障诊断Bayes判别分析模型.以内燃机气门故障诊断Bayes判别分析模型计算判别样品的Bayes判别函数值,以最大对应的总体作为样品所归属的总体.对判别准则进行了评价,检验该判别模型的优良性.研究表明：Bayes判别分析模型回判估计误判率很低,为内燃机气门间隙故障诊断识别提供了一种有效的定量化分析方法.     

基于模拟机匣的中介轴承微弱故障特征提取技术

中介轴承是航空发动机支承传动系统中的重要零件,其运行状态直接影响航空发动机的工作状态和运行安全。围绕航空发动机中介轴承微弱故障特征信号提取的问题,以振动信号分析和处理为基础,开展航空发动机中介轴承微弱故障特征信号提取实验。仿照某型涡扇发动机机匣结构设计加工了模拟机匣,用来模拟振动信号的复杂传递路径。基于包络谱分析和经验模态分解（Empirical Mode Decomposition）包络谱分析处理振动信号,对比二者对滚动轴承微弱故障特征信号的提取效果。实验结果表明,在中介轴承微弱故障特征信号提取中,模拟机匣可以有效地模拟振动信号的复杂传递路径,EMD包络谱分析法比单一采用包络谱分析的方法能够更加明显有效地提取中介轴承微弱故障信号。     

基于小波包分解的整循环征兆提取与故障识别

为了检测内燃机气阀漏气的气密性故障,利用小波包分解改进算法,通过对柴油机完整工作循环内的缸盖振动信号进行小波包分解,从小波包分解系数中提取柴油机振动诊断的整循环征兆.由整循环特征向量图表明,正常状态时柴油机气缸盖振动信号中低频部分能量相对较大,高频部分能量相对较小;漏气状况时振动信号中的低频部分能量减小,而高频部分能量增加,由此实现了故障的识别.这说明基于小波包分解的整循环征兆提取与故障识别方法有效、可行.     

基于Hilbert谱熵的柴油机故障诊断方法研究

从信号的特征提取出发,采用局域波时频谱分析和信息熵结合的方法--Hilbert谱熵(HSE),进行柴油机振动信号的特征提取和状态识别.首先,对信号进行局域波分解;然后,根据得到的内蕴模式分量计算Hilbert谱;最后,建立基于时频分布的Hilbert谱熵,并以此作为故障识别的特征参数.以柴油机缸套与活塞间磨损的状态识别为例,根据对时域、频域和时频域的信息熵比较分析,证明了Hilbert谱熵对柴油机的状态进行评价的有效性.此方法为柴油机预知维修提供了一个有效的手段.