摘要:成像系统在利用传感器记录图像信息时,只记录了强度信息而丢失了重要的相位信息。 传统的干涉相位恢复技术由于 需要满足严格的干涉条件,在使用过程中受到一定限制。 随着计算成像技术的蓬勃发展,以强度传输方程和相干衍射成像以及 在此基础上发展起来的相干调制成像、叠层扫描相干衍射成像为代表的非干涉相位恢复技术受到广泛关注,并被运用于光学检 测领域。 这类技术无需参考光,系统结构简单,可通过衍射强度图直接获得相位信息,在检测领域有巨大的应用潜力。 基于此, 介绍了几种典型的计算成像技术的研究现状与最新进展,同时讨论分析了各类方法的主要技术特点。

摘要:UWB 测距技术因功耗低、安全性高等优势在工业领域应用日益广泛。 工业非视距场景下 UWB 脉冲信号由于穿透衰 减和多通道反射等因素,存在首径信号衰减和多径延迟的问题,将会降低系统的定位精度。 针对该问题,通过对 UWB 信号传 递及响应建模,提出一种基于 UWB 信道脉冲响应的消岐重构算法,将信道脉冲簇信号进行泊松过程解析,对代表直线传播距 离的首径信号进行特征增强,实现了复杂多径干扰下的首径信号提取与分离,提高了信号到达时间辨识精度,减少了 UWB 测 距误差。 进一步地,依据 IEEE802015. 4a 标准对 UWB 信道响应进行仿真,并实现了不同遮挡环境下的实验研究,仿真和实验结 果表明,本文提出的消岐重构算法能够显著提高多干扰环境下的定位精度,在存在多反射源和多遮挡物的工业非视距场景下, 可使定位误差相较于传统阈值法降低约 79. 1% 。

摘要:针对小尺寸滚珠螺母因其内腔构型较复杂,孔径小,内腔型面数据获取困难,加工质量评定难以为继的问题,提出一种 基于光谱共焦原理的滚珠螺母多尺度测量方法。 使用非接触式光学位移传感器对其内腔进行分度式轴截面扫描,获取柱坐标 系下内腔表面三维点云数据。 采用均匀插值滤波剔除滚道—内径处的异常点以及小波阈值法对原始测量数据进行去噪。 以二 维小波分解的多分辨分析特性为基础,利用小波分解能量守恒性质自适应确定分解层数,对转换到笛卡尔坐标系中沿母线展开 的螺母内腔表面进行不同尺度分解,分别得到用于计算轮廓结构参数的低频成分与用于评定表面粗糙度的高频成分。 实验结 果表明本文提出的测量方法能够评定滚珠螺母内腔结构尺寸精度及表面加工质量,其重要结构参数如螺距、导程角的加工误差 分别为 2 μm 和 0. 016°。

摘要:方形锂电池是卷芯和外壳组成的非均质结构,卷芯导热系数及其与外壳换热系数是影响散热的关键参数,目前缺乏直 接测试方法。 提出利用电池储热构造热源,通过冷却面温度变化触发非稳态传热,使用热成像记录外壳温度沿传热方向空间分 布及其时间演变,代入三维非稳态传热反演模型,同时计算卷芯面向、纵向导热系数,以及卷芯与外壳底部、最大面换热系数。 搭建测试装置,对两种方形锂电池进行多次实验检验重复性,卷芯导热系数测试相对标准差在 5% ~ 10% 之间,对 3 种非均质标 准样品测试检验准确性,相对偏差小于 5% 。 该方法提供一种适用于非均质样品传热特性实验评估的手段,修改样品模型后也 可用于圆柱形锂电池等其他非均质样品。

摘要:全角半球谐振陀螺是一种高精度、高可靠性、长寿命的速率积分陀螺。 针对全角半球谐振陀螺闭环控制回路的系统带 宽问题,分析了全角半球谐振陀螺的工作原理,分别建立了全角半球谐振陀螺的输入-输出控制回路模型和扰动-输出控制回路 模型。 利用 SIMULINK 工具箱对两种模型进行了搭建和仿真研究,分析了两种控制回路的动态特性,最后进行了全角半球谐振 陀螺的转台实验。 仿真结果显示:外界输入角速度超过 532. 8°/ s 后,扰动信号导致的输出量波动达到最大且保持恒定,此时控 制回路的带宽为 1. 48 Hz。 仿真和实验结果表明:全角半球谐振陀螺控制回路的带宽过低会导致扰动信号引起椭圆参数的波 动,控制效果变差,且扰动信号频率与外界输入转速成正比,当外界输入转速超越控制回路截止频率的对应转速后,椭圆参数的 波动幅值趋于稳定。 本文的研究成果为全角半球谐振陀螺的动态性能分析提供了理论基础。

摘要:为了实现低频、多方向能量收集和高输出性能,提出了一种圆弧螺旋结构的压电能量收集系统。 该圆弧螺旋压电能量 收集系统不仅可以降低谐振频率,减少系统体积,而且圆弧型悬臂梁具有不对称性,因此可以进行多方向收集。 理论分析不同 弧度下能量收集系统的应力分布、谐振频率以及输出性能。 加工制备了 2π、3π 和 4π 圆弧螺旋压电振动能量收集系统并进行 了性能测试对比。 研究结果表明,4π 圆弧螺旋压电能量收集系统具有更好的输出性能,谐振频率为 47 Hz,输出电压达到 23 V, 输出功率达到 353 μW。 该圆弧螺旋压电振动能量收集系统可应用于人体健康检测、环境控制系统、嵌入式系统、军事安全等应 用领域。

摘要:超声导波温度传感器是目前工业领域中新兴的测温仪表,其导波的选取对传感器的测温性能有着重要的影响。 磁致伸 缩扭转波具有易于产生与拾取、衰减小的特点,且其波速随温度呈线性关系,适合应用于超声导波温度传感器的设计。 本文选 用磁致伸缩材料 Fe83Ga17 丝产生和传导磁致伸缩扭转波,通过固定距离内扭转波的飞行时间与温度的关系,计算扭转波的波速 与温度的拟合关系,根据该拟合关系与实测扭转波波速实现温度测量,并提出了基于磁致伸缩扭转波温度传感器的输出电压模 型。 实验可得,在室温~500℃下,磁致伸缩温度传感器的输出电压幅值达到 215. 7 ~ 465. 2 mV,与本文提出的输出电压模型一 致,能够满足一定温度范围内的测温要求。 为提高温度传感器的测温上限,将 Fe83Ga17 丝与热敏材料 Ni 20Cr80 丝耦合成新的波 导丝,得到了结构优化后的温度传感器。 在室温~1 200℃温度区间内,传感器能够输出幅值范围为 44. 9~ 85. 6 mV 的输出电压 信号,温度与扭转波波速的拟合关系始终保持高度线性,有能力实现 1 200℃以下的可靠测温。

摘要:本文设计了一种面向纹理识别的便携式触觉传感器,该传感器利用光纤光栅(FBG)识别检测不同的纹理和滑动接触速 度,且便于机器人系统集成,同时对硬件和软件配置要求低,受环境影响小。 在三维建模基础上对传感器结构进行静力学分析 并优化,提高 FBG 对力觉信息的灵敏度;专门设计并搭建了实验平台,对传感器进行静力标定实验和复杂多纹理表面检测实 验。 通过实验数据的时频分析,验证了该传感器可以识别不同的滑动接触速度和不同的纹理。 在该传感器中,FBG3 的灵敏度 最高,加载时,平均灵敏度约为 51. 1 pm/ N,线性度为 0. 998;卸载时,平均灵敏度约为 50. 8 pm/ N,线性度为 0. 998。 FBG2 的重 复性误差和迟滞性误差最大,分别为 2. 35% 和 2. 23% 。

摘要:针对传统电磁超声全向导波换能器因导波内、外辐射致使检测回波信号复杂及信噪比低的问题,设计了一种新型电磁 超声全向导波换能器(OUT-EMAT)结构,研究了换能器双线圈结构参数、双激励源控制方法,实现了导波辐射强度与方向控制。 根据电磁超声全向换能器理论,建立波动位移叠加的数学模型,并对设计的 OUT-EMAT 性能进行仿真计算及实验。 研究结果 表明:与传统全向 EMAT 相比,OUT-EMAT 内、外辐射导波强度之比由 1 ∶ 1变为 2 ∶ 9;其外辐射导波强度增加了 100% ,内辐射导 波强度抑制了 55. 6% ;增强了检测回波信噪比,降低了信号复杂度,提高了裂纹缺陷定位准确度;为有效识别裂纹缺陷提供了一 种新方法,对实际工程应用具有指导意义。

摘要:为克服传统结冰传感器无法实现翼面大范围多区域结冰探测问题,提出了一种基于灰度重心法的多结冰区域定位方 法。 该方法通过采集结冰前后压电阵列的振动谱,提取频谱幅值衰减率作为定位特征值,并结合基于多点结冰概率检测的重构 算法和灰度重心法计算得到多个结冰区域的中心坐标,实现对平面或曲面上多个结冰区域的定位。 当扫频频率范围 0. 5 ~ 5 kHz 时,在 70 mm 直径的结冰条件下,铝板单结冰区域定位平均误差为 27. 4 mm,两结冰区域定位平均误差为 29. 04 mm;翼面 结冰横向定位平均误差为 22. 6 mm。 为了进一步提高定位精度,提出了一种基于小波包分解的敏感频带选择的特征提取方法。 优化后的实验结果表明,铝板单结冰区域定位精度提高了 34. 59% ,定位误差波动程度降低了 45. 67% ,翼面结冰的横向定位精 度提高了 54. 87% ,横向定位误差波动程度降低了 46. 63% ,实现了较高精度的多结冰区域定位探测,为面式结冰探测提供了一 种新思路。

摘要:针对传统涡流传感器会忽略特殊方向短裂纹的缺点,提出了一种绝对式科赫分形平面涡流传感器,其激励线圈和信号 拾取线圈均采用基于分形自相似理论的科赫雪花曲线。 首先,对具有相同尺寸的科赫和圆形传感器进行有限元分析。 然后,针 对不同长度、方向、宽度和深度的裂纹,对比分析两种传感器响应信号的差异。 最后,搭建实验系统对有限元分析结果进行验 证。 研究结果表明,对于不同长度、方向和宽度裂纹的探测,有限元分析结果与实验结果定性一致;在 3 和 5 mm 长的裂纹检测 中,科赫传感器输出信号变化量比圆形传感器至少高出 40% ;在不同方向裂纹检测中,对于难检测方向的 90°裂纹,科赫传感器 比圆形传感器至少高出 49% ;在不同宽度裂纹检测中,科赫传感器的信号变化量比圆形传感器至少高出 29% ;在不同深度裂纹 检测中,科赫传感器比圆形传感器至少高出 6% ;相对圆形传感器,科赫传感器对短裂纹探测的优势更加显著。 该研究结果对 平面柔性涡流传感器电磁感应结构的设计具有重要的参考意义。

摘要:采煤机自主定位装置的长期定位精度是煤矿智能开采的关键。 针对当前采煤机定位精度难以满足自动开采的需求,提 出了采煤工作面端头自动校准惯性导航定位系统的方法,构建了基于 UWB 系统的井下局部定位系统,对采煤机位置进行修正 纠偏,能实现采煤机长期循环自主定位的策略。 考虑 UWB 系统在非视距(NLOS)环境下的定位精度较低,提出了基于不等式 约束的平方根无迹卡尔曼滤波(CSRUKF)定位算法;为了进一步消减 NLOS 误差的干扰,提出了基于考虑运动速度的抗差泰勒 级数(VRTS)算法对定位结果进行优化,提升最终的定位精度。 以 UWB 定位系统和移动平台为基础,开展了模拟端头定位的 实验。 实验结果表明,CSRUKF-VRTS 方法能够减小定位误差,提高 NLOS 环境下的定位精度,x 轴、y 轴和 z 轴的平均误差分别 由 0. 332、0. 404 和 0. 306 m 降低到 0. 266、0. 212 和 0. 159 m,对应的平均精度分别提升了 17. 4% 、47. 5% 和 48. 1% 。 所提的采煤 工作面端头循环定位策略为采煤机实现长期自主定位提供新的思路,为非视距环境下的定位提供参考。

摘要:本文设计并制备了一种单模-D 型-多模光纤结构,利用光纤传导模式间的干涉以及 D 型光纤的非对称结构,获得对外 界变化响应极其灵敏的光斑图,并基于纹理特征算法解调出光斑的特征值,由特征值与折射率之间的一一对应关系实现折射率 传感。 对传感特性的研究中,从仿真与实验的角度讨论了不同抛磨长度、抛磨深度对传感特性的影响,仿真与实验结果均表明, 抛磨长度 2 mm 和抛磨深度 18 μm 参数的 D 型光纤结构折射率传感特性最佳,仿真与实验结果一致,证明了研究方法的正确性 以及 D 型光纤光斑传感器进行折射率传感的可行性。 实验中,能量值(EN)折射率测量灵敏度最高可达-1. 86 / RIU,拟合度达 到 0. 964,相关性值(COR)折射率检测灵敏度最高可达-0. 23 / RIU,拟合度达到 0. 979。 由于光斑检测的分辨力极高,因此,该方 法为高分辨力折射率测量提供了很好的思路。

摘要:为提高 LIO-SAM 算法的定位精度,本文从 LiDAR-IMU 外参标定方面开展研究,针对现有的传感器标定算法在车载条件下 标定精度低的缺点,提出一种新的车载传感器联合标定算法。 针对车载条件下自由度低导致俯仰、横滚方向约束建立不充分的问 题,利用车辆的大范围运动轨迹消除平移参数影响,使用正态分布变换(NDT)和迭代最近点(ICP)的点云匹配算法快速得到旋转 参数初值,提高俯仰角和横滚角的标定精度。 针对粗标定过程中激光里程计存在漂移以及没有标定平移外参的问题,对基于点云 优化的全参数标定方案进行改进,利用转弯区域构建对平移外参的约束,结合统计误差平均效应和位移约束构建新的目标函数, 迭代优化后得到全参数标定结果。 实验结果表明,加入了外参标定模块的 LIO-SAM 算法的定位精度提升了 1. 74% ~5. 92% 。

摘要:为了提高平面电磁层析成像(EMT) 重建图像的质量,本文提出了一种阵列旋转和改进 D-S 证据理论相结合的平面 EMT 图像融合算法。 首次将传感器阵列旋转应用于平面 EMT 领域,提高独立测量值个数,并利用旋转阵列的测量信息实现 EMT 图像融合。 针对 Dempster 规则在处理冲突证据上存在不足的问题进行改进,利用数据聚类获取自适应阈值设置冲突和不 冲突两种证据,分别对应不同的融合规则。 仿真研究了旋转次数和成像效果之间的关系,利用不同旋转角度的信息和改进 D-S 证据理论进行图像融合,有效去除图像伪影,提高图像质量。 设计了 8 线圈平面电磁传感器,并应用于铝板缺陷检测,结果验证 了方法的有效性。 新方法较传统方法的图像相对误差下降 17. 0% ,相关系数提升 22. 7% 。

摘要:针对 FMCW 毫米波车载雷达目标检测过程中易受杂波影响的问题,提出一种可有效抑制杂波的检测方法。 首先运用 压扩算法对三帧差法进行改进,使其能够较好分离回波中的杂波和目标信号;然后引入 CFAR 算法滤除回波中的杂波,并运用 密度峰值聚类算法寻找目标簇;再将目标簇中目标点的功率值转换成对应的权重,实现对经典重心法的改进,从而有效提升目 标定位的准确性。 实验结果表明,在停车场、直线路段、城市街道和校园路等 4 种场景中,该方法的检测准确度分别达到 96. 5% 、95. 9% 、95. 6% 以及 94. 4% 。 同时,在检测速度方面,单帧雷达回波信号的处理周期可达到 0. 3 s 左右,可以满足实际应 用的需求。

摘要:桥梁的位移响应是结构健康监测和安全状态评估的基础数据。 为充分发挥计算机视觉测量结构位移的优势,并提高实 测位移的精度,本文提出了一种利用加速度与倾斜拍摄的视觉位移进行数据融合的高精度结构位移监测方法。 一方面,通过加 速度重构结构动位移,补充结构高频位移分量;另一方面,通过同频带加速度重构位移与视觉位移计算比例因子,减小像素坐标 向真实坐标转换的误差。 通过室内悬索桥模型实验和室外简支梁现场试验探索了本文方法的有效性。 在室内实验中,与线性 可变差动变压器位移计测量结果相比,本文方法的归一化均方根误差最大为 2. 70% ,比传统视觉测量方法降低约 60% 。 所提 出方法可推进计算机视觉在桥梁健康监测领域的进一步应用。

摘要:机制砂的级配和细度模数是工业制砂中重要的质量指标,针对机制砂级配的传统检测方法无法解决在实际工况下在线 检测的问题,结合实验研究提出了一种基于深度学习的机制砂级配在线检测方法。 首先采集传送带上的堆叠机制砂图像,其次 经过卷积神经网络对机制砂图像实例分割,最后经过图像处理技术在线计算机制砂级配和细度模数。 对比实验结果表明,Mask R-CNN 实例分割模型在机制砂堆叠场景下对完整颗粒能有效分割;采用等效椭圆 Feret 短径作为等效粒径参数,面积级配作为 级配表征参数;在线检测两组细度模数机制砂的最大重复性误差为 0. 03 和 0. 05,粒径区间最大重复性误差为 2. 97% 和 3. 43% ; 相较于传统检测方法,该检测方法具备可行性,且能够满足在工业制砂中在线检测的要求。

摘要:在车辆重识别任务中,车辆视角的多变性会影响算法的准确性。 为了解决视角多变对重识别准确性的影响,本文提出 了一种基于局部特征与视点感知的车辆重识别方法。 首先,使用语义分割算法将车辆解构为正面、背面、侧面、顶部 4 个部分, 以提高车辆的细粒度表征。 通过设计一种车辆视点感知网络,来输出视点的预测概率信息,据此概率信息动态平滑地呈现车辆 视点感知效果。 利用视点感知效果,为车辆每个局部区域赋予不同的权重,达到缩短类内距离,扩大类间差距,减少视角变化对 车辆重识别的影响。 利用公开数据集进行实验,其中 VeRi776 数据集的 mAP 可达到 80. 9% 。 结果表明,本方法可有效提高车 辆重识别精度。 结合消融实验证明了视点感知的平滑表示对多视角下车辆重识别的有效性。

摘要:视觉与三维激光测距组成的测量系统是运动估计与环境建模的主要传感设备。 为了实现测量系统感知数据坐标系的 统一,提出了一种基于空间向量自组合的视觉与三维激光测距系统结构参数标定方法。 主要包括 3 个方面:1)利用平面标定法 求解摄像机内部参数及摄像机坐标系下平面靶标的法向量,利用迭代拟合算法求解激光雷达坐标系下平面靶标的法向量,并构 建两个坐标系下的平面靶标法向量集合;2)根据向量之间夹角大小在平面靶标法向量集合中自主选取交叉向量,建立结构参 数标定目标函数;3)利用非线性优化算法求解最小二乘问题,获得外部参数的最优估计。 通过仿真与实际标定实验验证了方法 的有效性和准确性。 实验结果表明:该方法的反向投影误差小于 30 mm(3σ),满足高精度三维测量的同时还具有高的标定效 率。 所提方法满足传感器融合测量精度的要求。

摘要:针对智能车未知运动下的多目标跟踪问题,提出一种基于一致性点漂移的视觉多目标跟踪方法。 首先利用一致性点漂 移算法构建智能车未知运动模型,得到局部目标状态变换关系;其次建立一种基于外观相似性和运动一致性的自适应特征融合 函数;最后通过匈牙利算法求解轨迹与检测的对应关系,以实现面向智能车的鲁棒数据关联。 实验结果表明,与现有的 5 种主 流目标跟踪方法对比,所提方法在多个指标方面具有更好的效果,相较于结构约束(SCEA)算法,在 KITTI 数据集中较大运动场 景下,所提方法多目标跟踪准确率提高了 6. 3% ,在实拍实验数据下,所提方法多目标跟踪准确率提高了 7. 3% ,证明该算法能 在智能车未知运动下有效的进行多目标跟踪。

摘要:阔叶材原木质量精准检测可实现木材的高效利用和利润最大化,然而因声信号特征参数提取原理及参数与木材性 质对应机理不同,致使分析结果存在差异。 基于此,提出一种改进型粒子群优化-变分模态分解( IPSO-VMD) 的特征参数提 取及缺陷检测方法。 通过对缺陷信号稀疏特征分析,将最小平均包络熵确定为 PSO 优化 VMD 的适应度函数,实现对最优参 数(K,α)的搜索,并通过改进惯性权值及学习因子,加快 PSO 搜索速度并实现全局最优解。 基于边际谱及频带能量率实现 对 IPSO-VMD 有效子模的选取,并将其频带分布及能量率作为表征缺陷信号的特征参数,实现对阔叶材原木内部质量的精准 检测。 实际锯切结果表明,IPSO-VMD 方法对原木主要缺陷类型和主次的预测准确率分别达 88. 6% 和 72. 7% ,且对全局参数 无法识别的缺陷同样有效。 新特征参数的有效性可为后续融合多参数特征,构建人工智能识别系统,实现原木质量精准检 测提供可靠依据。

摘要:为提高大壁厚构件的缺陷检出能力,提出了全孔径相干复合发散波成像(CDWI)与环形统计矢量(CSV)相结合的复合 检测方法。 基于虚拟源技术,该方法通过发射延时实现全孔径阵元的大范围的偏转波前发射,以增加深度和宽度传播方向上波 前的声能。 为有效提高孔径有效覆盖区域以外的检出能力,相干复合过程中结合 CSV 进一步增加缺陷回波影像的质量指标。 结果表明,在检测铝制构件中横向分布超出探头孔径覆盖范围 20 mm 和纵向埋深在 2 ~ 3 倍探头孔径之间这两种情况下的 Φ2 边钻孔缺陷时,本文所提复合方法的缺陷回波幅值较平面波成像分别高出 17. 5~ 18. 5 dB 和 10. 6~ 14. 8 dB。

摘要:针对金属疲劳损伤非线性效应非接触式检测需求及其低信噪比问题,提出电磁超声方案对非线性效应进行信号拾取, 并采用 Duffing 混沌系统实现对金属疲劳程度定量评估,进而依据相轨图和 Lyapunov 指数表征材料疲劳演变非线性特性。 采用 有限元方法分析铝合金疲劳损伤演变过程,基于材料 Murnaghan 模型和微裂纹等效弹簧模型,研究疲劳损伤演变过程中相对非 线性系数变化规律;进而探究 Duffing 混沌系统对于非线性效应特征提取的抗噪能力,当信噪比在 20 dB 时,相对非线性系数误 差为 132. 12% ,而 Lyapunov 指数误差为 8. 82% ,因而 Lyapunov 指数较非线性系数而言有显著的抗噪能力;此外,基于对铝合金 疲劳检测进行实验研究,验证了电磁超声非线性效应 Lyapunov 指数表征分析方法的可行性及准确性。 研究结果表明,Lyapunov 指数能够有效应对电磁超声非线性检测过程中低信噪比问题,从而提升非线性特征拾取的灵敏度和可重复性,进一步增强电磁 超声等非接触式超声检测方法在疲劳在线检测演变的工程应用的贡献。

摘要:在相位敏感光时域反射计(φ-OTDR)系统中,扰动信号一般淹没在噪声中,导致扰动定位困难。 为了提高扰动信号的 信噪比,本文结合方差算法自身具有突出数据离散程度的特点,提出了一种移动方差平均算法。 相比于累加平均、移动平均法、 分离平均法、小波去噪、移动平均法+移动微分等传统算法,仿真和实验结果显示,移动方差平均算法具有更好的去噪效果,具 有更高的信噪比(SNR)。 因此,该算法可以用较少的累加采集次数实现扰动信号的定位,从而可以进一步提高 φ-OTDR 系统的 响应频率,提升系统的实时性。

摘要:针对小样本和强噪声条件下的滚动轴承故障诊断问题,提出了一种孪生网络模型:首先,对于滚动轴承故障信号进行连 续小波变换以获得时频图像,引入卷积神经网络模型以实现故障图像模式识别;进而,对故障样本进行交叉配对以重新组合,实 现了少量故障样本的大幅扩容;同时,针对扩容后样本对数据构建了包含两个子模型的孪生网络模型;最后,为了实现强噪声、 小样本条件下滚动轴承故障诊断,设计了孪生网络末端专用分类器,在加噪声数据库和机械故障实验中对方法进行测试,分别 达到了 96. 25% 和 97. 08% 正确率。 所提出模型能够依靠少量样本完成训练并实现轴承故障准确诊断,所需每类样本的数量可 减少至 20 个,与经典卷积神经网络模型相比具有明显优势。

摘要:针对强背景噪声下轴承故障信息难以有效提取的问题,提出一种基于参数自适应特征模态分解的滚动轴承故障诊断方 法。 首先,为了克服原始特征模态分解(FMD)需要依赖人为经验设定关键参数而不具有自适应性的缺点,提出基于平方包络 谱特征能量比(FER-SES)的网格搜索方法自动地确定 FMD 的模态个数 n 和滤波器长度 L;随后,采用参数优化的 FMD 将原轴 承振动信号划分为 n 个模态分量,并选取具有最大 FER-SES 的模态分量为敏感模态分量;最后,通过计算敏感模态分量的平方 包络谱来提取故障特征频率,从而判别轴承故障类型。 通过仿真信号和工程案例分析验证了提出方法的有效性。 与变分模态 分解(VMD)和谱峭度方法(SK)相比,提出方法具有更好的故障特征提取性能。

摘要:针对风电齿轮箱多级传动导致的振动耦合调制问题,提出了一种考虑级间调幅调频的齿圈故障新模型,并通过参数辨 识技术将其应用于齿圈故障监测。 某级齿圈故障特征频率会以调幅、调频方式,调制不同轮系的啮合频率,呈现出耦合调制现 象,本文针对该特殊调制规律,建立了两级齿圈故障下的振动信号耦合调制模型。 在此基础上,提出基于局部均值分解和列文 伯格-马夸尔特算法的参数辨识技术,确定故障辨识模型的调幅系数,进而可方便地构建出状态指标,以达到齿圈故障监测的目 的。 用现场数据进行验证,结果表明,新模型比传统模型描述振动信号更全面;借助参数辨识技术构建的指标能定位故障齿轮。

摘要:针对深度迁移学习诊断方法要求机械设备训练数据与测试数据具有相同类别空间,同时难以有效识别新故障的问题, 提出了一种基于选择性加权适配网络的多域新故障识别方法。 所提方法利用一维卷积神经网络提取源域与目标域深度判别特 征,并集成领域判别器与多分类器结构,构建源域与目标域权重函数,自适应度量源域与目标域类别的相似程度;从而利用对抗 学习策略来有效减少源域与目标域共享类数据的分布差异;最后利用高斯分布拟合方法自动判别权重阈值,实现对目标域已知 故障和新故障的有效诊断。 在齿轮箱变工况迁移诊断任务上对所提方法进行分析与应用验证,并与现有的其它方法进行比较, 所提方法在所有任务上的调和平均值(E-score)达到 0. 8 以上,验证了所提方法的有效性与优越性。