【摘 要】
：
针对优化特征改进包络谱(IESFO)存在早期故障弱特征提取能力较弱和对频率分辨率要求较高的不足,提出了基于谱相干滤波冲击增强的轴承故障特征提取方法.首先使用IESFO算法选取
【机 构】
：
昆明理工大学 机电工程学院 昆明 650500
论文部分内容阅读
针对优化特征改进包络谱(IESFO)存在早期故障弱特征提取能力较弱和对频率分辨率要求较高的不足,提出了基于谱相干滤波冲击增强的轴承故障特征提取方法.首先使用IESFO算法选取优化解调频带并进行带通滤波;然后对滤波后信号使用多点优化最小熵反褶积(MOMEDA)算法增强信号中轴承故障产生的冲击;最后进行包络分析.基于实测信号的研究结果表明,和现有方法相比,本方法在轴承性能退化过程中可以提前提取到轴承早期故障信息,且可用于提取滚动轴承复合故障信息.
其他文献
针对存在电磁干扰等特殊环境下的漏液监测的需求,设计了一种基于STM32的光纤侧向耦合漏液监测系统.系统主要分为硬件模块和上位机模块.系统硬件包含光纤传感器模块和信号变换
本文基于当前电磁炮以及电磁发射技术的特点,分析了其优缺点,并利用电子电路技术、单片机控制技术、自动控制原理等学科作为基础,再结合机械原理、数学、力学等理论分析及研究,针对目前所存在的缺点进行探讨和优化。建立了一个智能化电磁发射系统,并对应制作了模拟电磁曲射炮实物。介绍了该系统的设计方法及组成结构,包括基于单片机平台的智能控制子系统等部分的相关电子电路设计、智控程序设计、机械结构设计过程。旨在促进电磁发射技术的应用及发展研究,利于电磁发射技术的普及。
为提高复杂场景下的显著性目标检测速度和精度,提出了一种基于深度强化学习的两阶段显著性目标检测方法。该算法由显著性区域定位网络(salient region localization network, SRLN)和显著性目标分割网络(salient object segmentation network, SOSN)组成,分别对应显著性区域定位阶段和显著性目标分割阶段。在显著性区域定位阶段,首次提出
以某浅孔杯形件为研究对象,依据塑性成形理论,设计了4种挤压成形工艺,即上冲头反挤压、浮动凹模上冲头反挤压、上冲头正挤压以及浮动凹模上冲头正挤压工艺,采用DEFORM软件分析了4种挤压成形工艺下杯形件的成形质量及各主冲头的磨损情况,并确定了成形工艺。为降低主冲头磨损,研究了在TiN、TiCN、TiN-TiCN涂层下各主冲头的磨损情况,并确定了合理的镀层材料。通过正交试验法,研究了冲头圆角半径、摩擦因数、冲压速度、涂层厚度对冲头表面磨损深度的影响,并确定了最佳工艺参数。结果表明:在保证零件质量的条件下,采用浮
在橡皮囊成形后的卸载阶段,由于钣金件内部残余应力的释放必然导致回弹,有时会造成制件几何尺寸超差、甚至报废。针对该问题,提出了采用经验公式法对曲线弯边的半径和弯曲型面进行补偿的算法,克服了有限元模拟位移调整法中多次迭代效率低、回弹补偿精度不高等问题,只需考虑钣金件的材料参数和几何尺寸,并配合二次开发软件即可快速生成曲线弯边零件的模具补偿工作型面。对典型的直弯边零件进行工艺试验验证,结果表明,弯边后零件的回弹角随着成形压力的增加而减小,回弹后零件的圆角半径与角度可控制在允许精度范围之内。
针对时差法测量线风速受环境因素影响,导致测量结果不准确的问题,提出一种基于自适应烟花-BP神经网络(IFWA-BP)的数据融合方法。将线风速信息和环境信息进行数据融合,通过多源信息互补减小线风速测量的不准确性。自适应烟花算法是在烟花算法中引入自适应惯性权重,并对爆炸算子进行改进,增强了烟花算法的全局搜索能力,从而优化BP神经网络中的权值和阈值的寻优过程。为了比较IFWA-BP融合模型的融合效果,进
汽车法兰带肩螺母整体结构复杂且肩部壁厚较薄,成形困难.为满足零件批量生产的需求,依据塑性成形理论,初步设计了两种多工位冷镦成形工艺方案,并采用DEFORM-3D软件对两种工艺
轴承故障信号通常是非线性和非平稳的。此外,这种信号非常微弱,容易被不可避免的背景噪声和振动干扰所掩盖。针对该种信号,模态分解方法已经被证实是一种可靠的处理方法。因此,将一种快速迭代滤波分解方法应用到轴承故障检测当中。快速迭代滤波分解方法在抑制模态混合和抗噪方面表现出色。与其他模态分解技术不同,快速迭代滤波分解方法具有超高的计算效率,因此可以明显提高计算速度。通过仿真信号和实际信号验证了该方法的有效性和优越性。
与传统洛伦兹线形相比,具有不对称线形的Fano共振光谱有更高的光谱分辨率,尤其适合传感应用。通过在硅基总线波导与跑道微环谐振腔耦合区域引入两个空气孔使得连续光谱产生突变相移,并与跑道微环谐振腔耦合形成Fano共振,且在较宽谱段范围内的每个共振峰都表现为非对称线形。通过仿真优化耦合间距以及空气孔与耦合区域中心的偏移量,获得最大光谱分辨率为312.05 dB/nm,消光比为53.09 dB的硅基Fano共振器件。在模仿被液体的折射率变化范围为1.33~1.332的条件下,仿真得到折射率传感灵敏度为125 nm
往复压缩机结构复杂、激励源众多,极易发生故障.由于故障特征设计困难,且多依靠经验,导致传统方法诊断能力不强.基于卷积神经网络(convolutional neural networks,CNN)的智能