为了实现经验小波变换中Fourier谱的自适应分割,提出了一种基于能量的尺度空间经验小波变换(Energy Scale Space Empirical Wavelet Transform,ESEWT)方法,并将此方法应用于轴承故障诊断。首先使用尺度空间的方法对傅里叶谱进行自适应划分,得到各频带分界点;接着根据各频带能量筛选频带分界点,使其保留能量大于均值的频带,合并小于均值的相邻频带;然后在得到有效的频带分界点后,设计小波滤波器组,得到分量信号;最后对各分量信号进行Hilbert变换,提取轴承的故障特征频率。通过实验验证,ESEWT方法能够减少频带分界点,在一定程度上改善了频带破裂现象,并且能够精确提取出轴承故障特征频率,凸显了故障频率及其谐波成分,能有效的识别轴承故障。

实测轴承振动信号就有非平稳、非线性特征,因此,对该类信号的分析需要进行解调得到特征频率,在众多解调法中包络分析是最为常用的方法;为了使解调结果更加清晰,常在解调前进行滤波,达到滤除干扰成分可有效提升解调的效果。经验小波变换提供了基于频带划分的小波滤波框架,划分后频带可滤除部分干扰信号,突出故障信号。对此,受“箱型图”和层次聚类法的启发,对“突出值”聚类法进行频带划分,通过平方包络互相关系数选取合理的频带划分个数。最后选取平方包络峭度值最大的滤波子信号进行Teager能量算子解调,获取特征频率。文章针对不同工况下的不同故障类型轴承运行数据进行分析,验证算法的有效性。特别地,在复合故障分析中,利用动态阈值法到达分别突出不同轴承故障频率的效果。

万向轴动不平衡主要体现在万向轴振动信号的转频及其倍频上,为了更准确地提取动不平衡振动特征,引入具有完备理论基础、窄带滤波特性和最优解的信号分解方法——变分模态分解法来提取动不平衡振动特征。然而,变分模态分解的结果对两个参数(模态数量、惩罚因子)的设置很敏感。因此,提出应用傅里叶谱的均方根分布与其局部峭度值确定变分模态分解的模态数量,利用傅里叶谱峭度增量对惩罚因子进行最优选择。建立万向轴动不平衡的自适应提取模型,应用试验台实测数据对该检测方法和模型的有效性进行了验证。

在非高斯噪声与周期振动信号的干扰下,高速列车轴承的故障特征提取较为困难,针对这一问题,提出了一种新的最优故障频带的判别方法,并通过经验小波变换(Empirical Wavelet Transform,EWT)对故障频带进行提取,从而实现高速列车轴承故障的有效诊断。该方法首先提供了完整的频域分割框架,得到不同中心频率、不同带宽的频带分布;为了得到各频带所包含的故障信息含量,提出了新的故障特征指标HSIB,根据HSIB的变化趋势识别最优频带;最后进行经验小波变换,将选取的故障频带通过正交滤波器组,对得到的分量信号进行Hilbert变换,得到轴承的故障特征频率。通过仿真和实验数据验证,选取的最优频带包含了丰富的故障信息,可以准确地提取出轴承故障特征频率的基频和倍频成分,有效确定轴承故障。

根据大量现场造车经验总结,对乘用汽车前大梁总成基于"DFM"的原则进行SE审查,并反馈ECR进行结构优化及工艺优化,提前从工程制造环节识别潜在风险,在满足功能的前提下有效降低制造难度及成本,保证在试制环节快速提升前大梁总成的合格率,以满足整车SOP需要。

介绍了PXI总线仪用模块的结构和特点，描述了低成本FPGA器件开发模块的各种功能，重点描述了PXI仪用模块必须具有的PCI／PXI总线接口、精密时基和触发控制器的实现，最后探讨了PXI仪用模块针对EMC应采取的措施。实际应用表明所设计的PXI仪用模块完全符合PXI硬件规范，达到了设计要求。

利用ＢＰ反馈神经网络对高速转子动力系统的稳定性进行辨识，该问题的关键是考虑由轴承间隙影响而产生的非稳定性问题。给出相应的多参数稳定性问题的公式以及相应的一系列化为三维参数的代数不等式，利用有监督的学习神经网络将转子动力系统通常较宽范围的三维物理参数映射成一狭窄的区域。利用转子动力系统的解析仿真推导出系统的二值状态不等式，构造隐藏层和函数链两种神经网络。利用所选定的旋转系统的参数值进一步训练该函数链

本文主要对各实验室的弹簧管式一般压力表检定或校准综合能力进行有效的评价,并对比对的数据进行分析,阐明存在的问题。

结构元素是数学形态学滤波器的重要组成部分,直接影响滤波的精度。针对目前广泛使用的直线和三角结构元素的缺陷,提出一种基于汉明窗的结构元素,对形态滤波方法进行提升,用于高速列车万向轴不平衡故障检测。首先从结构元素的基本构成形式以及频率响应的角度,在理论上对直线和三角结构元素存在的不足进行了分析。再通过对多种常用的窗函数进行比较,论证汉明窗的优势所在,据此构建汉明结构元素,并将其应用于形态滤波中。在万向轴不平衡试验台进行了试验,结果表明基于汉明结构元素的形态滤波方法能有效地识别出万向轴不平衡引起的基频和倍频故障特征,与传统的三角结构元素相比,此方法更能彰显故障特征.