基于CEEMD能量熵与极限学习机的滚动轴承故障诊断方法

鉴于滚动轴承振动信号具有非线性、非平稳的特点以及难以获得大量典型故障样本的现实情况,提出了基于互补集合经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)与极限学习机(extreme learning machines, ELM)相结合的滚动轴承故障诊断方法。采用CEEMD方法对滚动轴承非平稳的原始加速度振动信号进行分解,得到若干个平稳的本征模函数(intrinsic mode function, IMF)分量,计算不同状态下滚动轴承振动信号经CEEMD分解后各IMF分量的能量熵,从蕴含着主要故障信息的IMF分量中提取出能量特征,对其进行T分布随机近邻嵌入(T-stochastic neighbor embedding, Tsne)聚类可视化分析,观察特征对滚动轴承状态的反映情况,将特征作为输入建立极限学习机,判断滚动轴承的工作状态和故障类型。使用美国凯斯西储大学公开的人工损伤轴承数据进行仿真实验,对轴承得不同运行状态的识别准确率可以达到95%,明显高于多分类支持向量机、K近邻等方法,该结果表明,所提方法在...     

小展弦比翼面颤振分析方法研究

给出了一种适用于小展弦比翼面初步设计的颤振分析方法.根据小展弦比翼面结构特征,运用简化的理想模态和活塞理论建立颤振分析模型,分析了翼面结构参数对颤振特性的影响.并以某型翼面为例验证了本方法的实用性,与NASTRAN计算结果进行了比较分析.     

面向癫痫脑电的简化深度学习模型

针对脑电信号随机性强、动态变化迅速等特点,提出了一种简化深度学习模型研究癫痫脑电识别问题。提出的模型以一维卷积神经网络为基础,在结构方面简化了卷积层、池化层等以提高模型效率,在整体框架方面应用了Keras框架,在训练优化算法方面采用RMSProp算法作为模型优化算法,通过预定义的目标函数来进行损失估计,模型设计上加入了批标准化层和全局均值池化层。基于所提模型,从三个方面研究了癫痫脑电识别问题,即:利用经验模态分解,分别选取前三阶、前五阶、前七阶、前八阶的本征模态函数分量,在简化模型上进行对比分析；利用提出模型所具备的深度学习特点,直接识别原始脑电信号而无须特征提取环节；增加了三种不同方法分别提取7类特征,对相同的脑电数据进行对比分析。性能分析结果表明:对于五类不同的脑电信号,前三阶的本征模态函数分量的识别率达到92.1%,比其他几种处理方式识别率高；前八阶的本征模态分量识别率不及原始信号,表明人工数据处理时会给数据带来噪声; 所提出的简化深度学习模型能高效处理癫痫脑电识别问题,具备较高效率和较好性能。     

基于EMD和神经网络的气阀机构故障诊断研究

运用经验模态分解(EMD)对柴油机缸盖振动信号进行分析,求得各内禀模态函数(IMF)的能量百分比;将能量百分比作为神经网络的输入进行网络训练和故障识别,实现了气阀机构的故障诊断,取得了较好的效果。     

电力系统电压稳定分析方法及应用

介绍了电力系统电压稳定性的概念及其分类，对电压稳定性的静、动态分析方法进行了介绍和比较，最后综合运用连续潮流法、模态分析法、分岔理论以及时域仿真法对WSCC9节点系统进行了电压稳定性分析，结果表明综合方法能充分利用各种方法的优点，分析的结果是有效可靠的。     

超空泡水下航行体振动特性分析

用有限元方法分析了超空泡水下航行体的固有特性,计算了自由边界条件下超空泡航行体的振动特性,求出了固有频率和模态,并选取对其结构性能有重要影响的四类模态,即梁弯曲模态、呼吸模态、径向模态和轴向弯曲模态绘制了三维模态图.研究表明,超空泡水下航行体无阻尼自由振动的首阶模态为梁弯曲模态;呼吸模态发生的初始频率较高;径向模态发生的初始频率较低;轴向弯曲模态发生的频率比较集中,变形较为复杂.所得结果为今后开展进一步的超空泡航行体结构动力学研究提供了模型基础.     

耦合封闭声腔的主导声辐射模态确定方法

将在某一频率下或某一频段内对封闭声腔声势能起主要作用的一阶或几阶声辐射模态定义为耦合封闭声腔的主导声辐射模态。准确认定主导声辐射模态至关重要，直接影响有源控制效果。然而，现有的主导声辐射模态确定方法，要么仅考虑辐射效率的作用而忽视模态幅度的影响，要么就需要用到结构模态信息，难以实现工程应用。基于此，综合运用计算和测试手段，全面考虑辐射效率和模态幅度两个因素，提出了一种基于“初选—预留—后验”的主导声辐射模态确定方法，并通过实验研究证明了该方法的有效性和可行性。结果表明：提出的确定方法能够准确认定主导声辐射模态，确定过程中不需要用到辐射体的结构模态信息，可用于指导控制目标选取或重构封闭声腔声势能。     

基于镜像延拓和神经网络的EMD端点效应改进方法

经验模态分解(Empirical Mode Decomposition,EMD)在机械故障诊断中存在一个比较严重的问题,即端点效应。镜像延拓是克服端点效应的有效方法,采用镜像延拓处理端点效应时,要求将镜面放置在局部极值点处,针对这一问题,提出了一种基于镜像延拓和神经网络相结合的数据延拓方法。采用神经网络预测原信号序列,将信号向前向后各延拓一个极值点,再采用镜像延拓有效地减小EMD分解中的端点效应。通过对仿真信号的分析,验证了该方法能有效抑制EMD方法中的端点效应问题。     

大跨越输电塔塔线耦联体系动力特性分析

采用有限元分析软件ANSYS9．0对耐张塔、跨越塔单塔的未挂线状态和工作状态进行模态分析。用Beam188单元模拟输电塔自身杆件，用Link180单元模拟导线和绝缘子，用Plane82单元建立自定义杆件截面，用Mass21单元模拟附加质量。建立塔线耦联体系，比较了其动力特性与单塔的区别，研究了跨越塔的振型频率随挡距改变的变化趋势，指出塔线耦联体系的动力特性与单塔相比有较大不同，在进行科研和设计工作时必须考虑耦联体系的工况。