针对隐马尔科夫模型参数学习算法易收敛于局部极值的问题,提出了一种自适应基因粒子群算法,并将该方法应用于隐马尔科夫模型的训练,实现对隐马尔科夫模型初始参数的优化。在基因粒子群算法的原理以及操作流程的基础上,采用了自适应的参数调整方法,提高了基因粒子群算法的优化性能。分析了所提方法的全局、局部搜索能力以及收敛速度,开展了不同状态滚动轴承的故障诊断实验和测试,并与基于粒子群算法优化隐马尔科夫模型初始参数的方法进行对比。实验结果表明,所提方法对正常、内圈故障、外圈故障以及滚动体故障轴承的诊断准确率均能达到100%,相比于基于粒子群算法优化隐马尔科夫模型初始参数的方法,最高将分类正确率提高了28.57%、分类离散度提高了268.58%,证明了方法的有效性和准确性。

为了更精准地控制翼板动平衡时平衡补偿质量，从而提高平衡精度，提出了一种新的利用翼板迎角变化产生不同升力和离心力来实现不平衡力补偿的动平衡方法。对翼板工作时所产生的升力和离心力进行理论分析，建立了翼板迎角与补偿质量间的数学模型。通过实验测试翼板迎角变化所产生的不平衡量，得到翼板迎角与所能提供的补偿质量间的数学关系。在8个不同的相位处添加不同试重作为失衡量，根据所得翼板迎角与补偿质量的数学关系，调整相应翼板的迎角进行失衡量补偿，完成转子动平衡。实验结果表明，基于提出方法设计的动平衡装置可平衡主轴任意位置的不平衡量，平衡能力可达1617．6gmm，在实验转速为560r／min时，可将不平衡质量降低94．21％。提出的翼板动平衡方法无需添加或去除质量便可完成动平衡，且提供的平衡量可精确控制，...