基于AR双谱的调速阀故障诊断

将高阶谱应用于液压系统的故障诊断,提出一种诊断调速阀故障的方法.通过实验采集调速阀工作时阀体振动的信号,建立AR模型,进行AR双谱分析.故障情况下和正常工作情况下双谱的对比差异明显,说明用高阶谱来诊断调速阀故障是可行的、有效的.     

AR双谱的电梯机械故障诊断

通过采集电梯运行时的加速度振动信号,建立AR时间序列模型.分析AR双谱图、双谱等高线,以及双谱对角切片,诊断电梯机械故障.研究结果表明:在电梯正常工作和故障时的双谱存在明显的差异,AR双谱表现出了不同的特征,可以作为电梯机械故障的诊断方法.     

AR双谱估计的Matlab实现

根据AR双谱估计的基本原理,对其Matlab实现方法进行研究,给出了AR模型双谱估计的Matlab实现,最后给出一个仿真测试实例,仿真结果表明了该方法的有效性.     

关联维数的超声波电机故障诊断

利用关联维数分析方法对超声波电机进行故障诊断,并针对故障诊断的实际情况,建构特殊实验平台采集故障振动信号.通过互信息法及Cao方法来确定相空间重构的2个重要参数,然后计算超声波电机在不同故障状态下的关联维数.结果表明,不同故障状态产生机制不同,其关联维数也不同,关联维数可用于故障的特征提取.通过分析不同状态下超声波电机...     

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.     

基于人工神经网络的电机故障诊断研究

本文着重探讨了故障诊断研究的理论方法,通过采用人工神经网络技术,建立基于人工神经网络的故障诊断专家系统,克服了传统诊断专家系统的不足,可以提高故障诊断的水平和效率。     

双相干谱与双谱在物流故障诊断中的性质对比

在物流设备故障描述方面,双谱和相干谱具备较多的相似之处,但就设备故障所表现出的非线性和非对称等特征,双相干谱因其可以对二次相位的耦合程度进行定量估算,因此有效综合了上述二者的优势.为了体现这种区别,在减压阀故障诊断实验中,对特定的故障信号和正常信号同时采用双谱和双相干谱进行故障判别.实验结果表明,在所采用的实验数据中,双相干谱的诊断结果要好于双谱的诊断结果.     

调速阀故障诊断的AR双谱定阶方法比较

为解决故障诊断中确定最优的自回归(AR)模型阶数的问题,运用最终预测误差(FPE)、阿凯克信息准则(AIC)、贝叶斯信息准则(BIC),以及奇异值分解(SVD)的切片法和Frobenius法共5种定阶方法对调速阀的故障进行自回归模型定阶实验.结果表明,FPE,AIC,BIC及SVD切片法确定的阶数较低,而用SVD Frobenius法确定的阶数较高.通过不同阶数、不同故障的调速阀故障诊断实验可知,用SVD Frobenius法建立的AR模型效果优于其他方法.     

超声波电机的应用领域拓展

超声波电机是一种利用压电陶瓷的逆压电效应使定子产生超声振动，并通过定子和转子间的磨擦来驱动转子运动的新型电机，工作原理不同于传统的电磁电机。本文简单介绍了超声波电机的发展历史及到目前为止超声波电动机的应用研究，并在此基础上指出超声波电机的发展方向。     

浅谈超声波电机

性能卓越的超声波电机（Ultrasonic Motor,简称USM）正是适应了这种发展形势的需要而出现的一种新型电机。本文对其工作原理,优异的性能及应用前景作了译述。     

基于双谱和PSO-SVM的滚动轴承故障诊断

针对故障轴承信号的非线性、非高斯性,提出了一种基于双谱和纠错编码支持向量机（error-correcting output codes support vector machine,ECOC-SVM）的滚动轴承故障诊断方法。使用故障轴承振动信号双谱特征构造特征向量,在SVM的训练过程中,使用微粒群算法（particleswarm optimization,PSO）对支持向量机的参数进行优化。实验结果表明该方法能获得较高分类准确率。     

小波减噪和双谱分析在轴承故障诊断中的应用

提出了基于小波减噪技术和双谱分析的滚动轴承故障诊断的方法。利用小波变换及其减噪技术对滚动轴承早期微弱故障振动信号的特征频率进行提取，采用双谱估计可绘出滚动轴承故障信号的特征图谱。实验表明，小波减噪和双谱分析方法可以敏感地监测滚动轴承工作状态，并且利用特征图谱可以有效地识别滚动轴承不同的故障特征。     

基于自回归时序盲辩识的机械故障诊断

提出了一种自回归(AR)模型的盲辨识的算法，该算法与传统AR模型的辨识算法的区别在于它可同时确定AR模型的阶次和参数，而不需事先确定AR模型的阶次或假定AR模型的阶次已知，其特点是计算量小，具有很好的收敛性，并在此基础上将AR模型的盲辨识方法应用到机械故障诊断中．     

纵扭型压电超声电机的摩擦特性仿真研究

建立了纵扭复合型压电超声电机输出扭矩的数学模型 .根据模型讨论了预压力Fpre、纵振激振电压VL、扭振激振电压Vt、摩擦力f、电机的输出扭矩Mout、转子转速ωR 和扭振子振动速度ωV 等的关系 .在实验中发现 :电机的最大输出扭矩并不总是随扭振激振电压Vt 的增大而增大 ,当扭振子输入电压达到 30 0V以后 ,电机的最大输出扭矩不再增加 ,而是有一最大值 ,当扭振子输入电压达到 35 0V时 ,电机的最大输出扭矩达 1N·m .可用上述模型解释这种现象 .模型的仿真结果和实验结果相对吻合     

机械传动系统故障诊断中的时序分析法

叙述了AR(自回归)技术在机械传动系统故障诊断中的应用,首先结合AR模型的特点,讨论了在机械传动系统中应用的可能性,然后简述了AR模型的参数估计,并就故障诊断中的模型建立与识别及其实时性等问题进行了探讨。给出了基于参数模型的故障诊断的方法和准则。     

行波型超声波电机定转子接触模型的研究

采用刚性定子和柔性转子的面接触模型,将摩擦层等效为分布的线性弹簧,建立了考虑摩擦材料剪切变形这种更符合实际情况的接触模型．探讨了电机参数对其性能的影响,通过与其他学者的研究成果相对照。验证了模型的有效性。     

纵扭复合马达驱动特性研究

以复合超声马达定子与转子间的耦合传动为研究对象，提出了定子与转子间的粘着摩擦模型．依据马达转子的动力学特性，建立了定子与转子间的耦合力矩方程．对马达特性的仿真分析表明，耦合接触角是决定马达特性的决定因素，这为马达的有效控制提供了理论依据，     

超声旋转行波马达研究

采用解析法求解了环形行波超声马达定子振动的幅频特性，并在此基础上，依据马达转子的动力学方程，建立了定子与转子间的接触数学模型，从理论和实验两个方面分析了输入激励电源频率及电压大小变化对马达输出机械特性的影响，结果表明，超声马达的输出特性与激励电源的参数密切相关，在谐振频率附近，马达的阻转力矩和输出转速都有较大增加，增加驱动电压，阻转力矩和输出转速将单调增大。