摘要:提出了一种Teager算子和极坐标级联增强时频特征方法(Cascading enhancement of time-frequency feature based on Teager energy operator and polar diagram,CETFTP),应用于提取轴承早期单一和并发故障微弱特征.首先计算信号的Teager能量算子输出,一级增强冲击信号能量,按有限种可能周期将时间尺度平面上的时频系数累加,映射到极坐标平面,二级增强周期冲击时频特征.对仿真信号和4种工况轴承实测信号进行CETFTP分析,结果表明:CETFTP方法能级联增强周期冲击特征,有效抑制非同周期的其他分量和噪声干扰,更能提取强噪声下的轴承微弱故障特征;CETFTP不仅能有效提取单一故障微弱特征,而且能消除并发故障调制源之间的干扰,逐个提取信号中的多个调制源特征,为轴承并发故障特征提取提供了一条新途径.
摘要:基于改进傅里叶级数方法(Improved Fourier Series Method,IFSM)对任意边界条件下环扇形板的面内自由振动特性进行计算分析,任意边界条件可采用沿各边界均匀分布的法向和切向线性弹簧来模拟.环扇形板的径向和切向位移函数被不变地表示为改进傅里叶级数形式,并通过引入正弦函数项来克服弹性边界的不连续或跳跃现象.将位移函数的傅里叶展开系数看作广义坐标,并采用瑞利-里兹方法对其进行求解,得到一个关于未知傅里叶系数的标准特征值问题.通过求解标准特征值问题而简单地求解环扇形板面内振动的固有频率及其振型.通过不同边界条件下环扇形板模型结果与文献解及有限元法结果相对比来验证了本文方法的正确性及可靠性.
摘要:采用向量式有限元(Vector Form Intrinsic Finite Element (VFIFE)),建立斜拉索模型,通过给空间点增加附加作用力来模拟阻尼器对斜拉索的作用.模拟了拉索激振和振动衰减的过程,利用Hilbert变换处理拉索的衰减时程,得到拉索的附加阻尼比,分析了阻尼器的线性粘滞阻尼系数、阻尼器内刚度、阻尼器运动部分质量、阻尼器支撑刚度,及斜拉索垂度对附加阻尼比的影响;并将结果与附加阻尼比通用计算公式计算结果进行对比.结果表明,采用VFIFE建立斜拉索-阻尼器系统能准确地模拟阻尼器对斜拉索的振动控制作用;模拟得到的结果与通用计算公式给出的结论相符;系统存在最优阻尼系数和最优阻尼比;阻尼器内刚度的增大和支撑刚度的减小将降低系统阻尼比;阻尼器运动部分质量的增大将增大系统阻尼比;拉索垂度对第1阶模态阻尼比的降低影响较大,对于高阶模态的影响很小.
摘要:对斜拉桥的大幅风致抖振宜采用ATMD(active tuned mass dampers)减振,且为实现控制器设计需建立针对复杂模型降阶后的控制设计模型.在建立风荷载作用下斜拉桥与ATMD组合系统模型的基础上,将Hankel范数与模态分析相结合,提出目标含义明确且考虑外激励影响的ATMD/传感器配置指标,以及能够同时表征结构振动的可控可观性能和外激励影响程度的模态选择指标;采用模态叠加法,实现在控制设计模型的模态组成中模态阶次的准确定位和构成,并使模型具有良好的可控可观性能.以南京长江三桥的抖振减振为例,给出了ATMD/加速度传感器的配置优化和模态选择的实施过程,建立了ATMD对斜拉桥抖振减振的控制设计模型.数值计算结果表明,所建的控制设计模型的动力性能与原系统模型有较好的一致性.
摘要:为提高板结构-声场耦合分析的计算精度,将有限元-最小二乘点插值法(Finite Element-Least Square Point Interpolation Method,FE-LSPIM)推广到板结构-声场耦合问题的结构域分析中,提出了板结构-声场耦合问题分析的FE-LSPIM/FEM(Finite Element-Least Square Point Interpolation Method/Finite Element Method),推导了FELSPIM/FEM分析板结构-声场耦合问题的计算公式.此方法在结构域中应用四边形单元形函数和最小二乘点插值法进行局部逼近,继承了有限元法的单元兼容性和最小二乘插值法的二次多项式完备性,提高了结构域的计算精度;在流体域中应用标准有限元模型进行分析.以一六面体声场-结构耦合模型为研究对象进行分析,结果表明,与板结构-声场耦合问题分析的FEM/ FEM和光滑有限元/有限元(Smoothed Finite Element Method/Finite Element Method,SFEM/ FEM)相比,FE-LSPIM/FEM在分析板结构-声场耦合问题时具有更高的精度.
摘要:基于变量预测模型的分类识别(Variable predictive model-based class discriminate,VPMCD)方法是一种新的分类识别方法,但模型类型的选择存在主观性.为了解决VPMCD方法应用于机械故障诊断过程中的模型选择问题,结合遗传算法的全局优化能力,提出了基于GA-VPMCD(Genetic algorithm and variable predictive model based class discriminate)智能诊断方法.首先通过样本训练建立多个弱VPM(Variable predictive model),然后采用遗传算法优化各个弱VPM的权值,得到最优权值矩阵,最后用最优权值矩阵加权融合测试样本的弱VPM特征变量预测值,得到最佳特征变量预测值,并以误差平方和最小为辨别函数分类识别故障类型.通过GA-VPMCD方法在滚动轴承故障智能诊断中的应用实验验证了基于GA-VPMCD的故障智能诊断方法能有效地提高诊断精度和诊断系统的鲁棒性.
Engineering:Aerospace Engineering;Civil and Structural Engineering;Mechanical Engineering;Mechanics of Materials;Physics and Astronomy:Acoustics and Ultrasonics;