在“三跨”输电线路张力放线施工中,一旦发生事故被牵导线可能跌落冲击下方跨越网,威胁被跨越物的安全稳定运行,因此提出一种基于激光点云与建筑信息模型(building information modeling,BIM)技术的“三跨”施工跨越网动力学响应分析方...在“三跨”输电线路张力放线施工中,一旦发生事故被牵导线可能跌落冲击下方跨越网,威胁被跨越物的安全稳定运行,因此提出一种基于激光点云与建筑信息模型(building information modeling,BIM)技术的“三跨”施工跨越网动力学响应分析方法。首先利用机载激光雷达采集“三跨”施工现场的三维点云数据,使用改进的布料模拟滤波算法分割得到跨越地形点云数据,使用基于点云空间维度特征与K-Means算法实现对跨越档两侧杆塔点云数据的高精度提取;其次根据提取的点云数据结合BIM技术对目标设备及施工环境进行逆向建模,通过不同地表物体的组装堆砌,并在其上搭建施工跨越网模型;最后通过模拟事故发生时导线对跨越网的冲击碰撞,探测跨越网的承载性能及其与被跨越物之间的动态净空距离。结果表明,该方法能够提前在实际施工环境中对跨越网的动力学性能进行分析,为输电线路跨越施工提供可靠的安全保障及数据支撑,具有一定的工程价值。展开更多
针对工业环境中随机冲击干扰下滚动轴承微弱故障特征提取难题,提出一种基于自适应短时维纳滤波(Adaptive Short Time Wiener Filtering,ASTWF)和改进正交匹配追踪(Orthogonal Matching Pursuit,OMP)的滚动轴承故障特征提取方法。该方法...针对工业环境中随机冲击干扰下滚动轴承微弱故障特征提取难题,提出一种基于自适应短时维纳滤波(Adaptive Short Time Wiener Filtering,ASTWF)和改进正交匹配追踪(Orthogonal Matching Pursuit,OMP)的滚动轴承故障特征提取方法。该方法首先采用包络峭度和随余比(Random Shocks and Margin Ratio,RMR)作为联合判据,界定窗长界限并自适应确定STWF最优窗长参数,进而将随机冲击干扰从测试信号中分离出来;然后,利用立方包络自相关谱估计信号中周期频率,构造周期原子库,降低匹配原子冗余度;最后,利用相似性理论优化匹配追踪迭代终止条件,并结合周期原子库,实现弱故障冲击特征快速、准确提取。根据仿真信号和通过变速箱下线检测所得工程数据,可验证所提出方法可有效识别随机冲击干扰下的滚动轴承微弱故障特征。对比最小熵形态反卷积(Minimum Entropy Morphological Deconvolution,MEMD)方法对于随机冲击干扰下滚动轴承微弱故障特征提取效果,发现所提出方法具有更好的故障特征提取能力;与经典OMP方法相比,所提出改进OMP方法信号重构速度提升66%。展开更多
文摘在“三跨”输电线路张力放线施工中,一旦发生事故被牵导线可能跌落冲击下方跨越网,威胁被跨越物的安全稳定运行,因此提出一种基于激光点云与建筑信息模型(building information modeling,BIM)技术的“三跨”施工跨越网动力学响应分析方法。首先利用机载激光雷达采集“三跨”施工现场的三维点云数据,使用改进的布料模拟滤波算法分割得到跨越地形点云数据,使用基于点云空间维度特征与K-Means算法实现对跨越档两侧杆塔点云数据的高精度提取;其次根据提取的点云数据结合BIM技术对目标设备及施工环境进行逆向建模,通过不同地表物体的组装堆砌,并在其上搭建施工跨越网模型;最后通过模拟事故发生时导线对跨越网的冲击碰撞,探测跨越网的承载性能及其与被跨越物之间的动态净空距离。结果表明,该方法能够提前在实际施工环境中对跨越网的动力学性能进行分析,为输电线路跨越施工提供可靠的安全保障及数据支撑,具有一定的工程价值。
文摘针对工业环境中随机冲击干扰下滚动轴承微弱故障特征提取难题,提出一种基于自适应短时维纳滤波(Adaptive Short Time Wiener Filtering,ASTWF)和改进正交匹配追踪(Orthogonal Matching Pursuit,OMP)的滚动轴承故障特征提取方法。该方法首先采用包络峭度和随余比(Random Shocks and Margin Ratio,RMR)作为联合判据,界定窗长界限并自适应确定STWF最优窗长参数,进而将随机冲击干扰从测试信号中分离出来;然后,利用立方包络自相关谱估计信号中周期频率,构造周期原子库,降低匹配原子冗余度;最后,利用相似性理论优化匹配追踪迭代终止条件,并结合周期原子库,实现弱故障冲击特征快速、准确提取。根据仿真信号和通过变速箱下线检测所得工程数据,可验证所提出方法可有效识别随机冲击干扰下的滚动轴承微弱故障特征。对比最小熵形态反卷积(Minimum Entropy Morphological Deconvolution,MEMD)方法对于随机冲击干扰下滚动轴承微弱故障特征提取效果,发现所提出方法具有更好的故障特征提取能力;与经典OMP方法相比,所提出改进OMP方法信号重构速度提升66%。
