针对滚动轴承因长期处于强噪声工作环境而故障频发,且早期故障信息微弱难以提取等问题,提出了一种基于奇异值分解(singular value decomposition,SVD)与参数优化变分模态分解(variational mode decomposition,VMD)的联合降噪方法。首先...针对滚动轴承因长期处于强噪声工作环境而故障频发,且早期故障信息微弱难以提取等问题,提出了一种基于奇异值分解(singular value decomposition,SVD)与参数优化变分模态分解(variational mode decomposition,VMD)的联合降噪方法。首先,对轴承振动信号进行了SVD,依据奇异值差分谱理论确定了有效奇异值的阶数并进行了叠加重构,经过矩阵逆变换得到了初步降噪信号;然后,运用灰狼优化算法对VMD的模态个数K和惩罚因子α两参数寻优后进一步分解了初步降噪信号,同时基于峭度和相关系数复合指标选取模态分量;最后,对筛选信号进行了重构,并包络解调分析了降噪前后的故障特征频率。仿真数据和实验数据分析表明:所提方法在强噪声背景下或故障特征信息极其微弱时,都能够有效抑制噪声并提取有效故障信息。展开更多
针对工业机械设备实时监测中不可控因素导致的振动信号数据缺失问题,提出一种基于自适应二次临近项交替方向乘子算法(adaptive quadratic proximity-alternating direction method of multipliers, AQ-ADMM)的压缩感知缺失信号重构方法...针对工业机械设备实时监测中不可控因素导致的振动信号数据缺失问题,提出一种基于自适应二次临近项交替方向乘子算法(adaptive quadratic proximity-alternating direction method of multipliers, AQ-ADMM)的压缩感知缺失信号重构方法。AQ-ADMM算法在经典交替方向乘子算法算法迭代过程中添加二次临近项,且能够自适应选取惩罚参数。首先在数据中心建立信号参考数据库用于构造初始字典,然后将K-奇异值分解(K-singular value decomposition, K-SVD)字典学习算法和AQ-ADMM算法结合重构缺失信号。对仿真信号和两种真实轴承信号数据集添加高斯白噪声后作为样本,试验结果表明当信号压缩率在50%~70%时,所提方法性能指标明显优于其它传统方法,在重构信号的同时实现了对含缺失数据机械振动信号的快速精确修复。展开更多
应力强度因子是预测荷载作用下结构中裂纹产生和扩展的重要参数。半解析的比例边界有限元法结合了有限元和边界元法的优势,在裂纹尖端或存在奇异应力的区域不需要局部网格细化,可以直接提取应力强度因子。在比例边界有限元法计算应力强...应力强度因子是预测荷载作用下结构中裂纹产生和扩展的重要参数。半解析的比例边界有限元法结合了有限元和边界元法的优势,在裂纹尖端或存在奇异应力的区域不需要局部网格细化,可以直接提取应力强度因子。在比例边界有限元法计算应力强度因子的框架下,引入随机参数进行蒙特卡罗模拟(Monte Carlo simulation, MCS),并提出一种新颖的基于MCS的不确定量化分析。与直接的MCS不同,采用奇异值分解构造低阶的子空间,降低系统的自由度,并使用径向基函数对子空间进行近似,通过子空间的线性组合获得新的结构响应,实现基于MCS的快速不确定量化分析。考虑不同荷载状况下,结构形状参数和材料属性参数对应力强度因子的影响,使用改进的MCS计算应力强度因子的统计特征,量化不确定参数对结构的影响。最后通过若干算例验证了该算法的准确性和有效性。展开更多
文摘针对滚动轴承因长期处于强噪声工作环境而故障频发,且早期故障信息微弱难以提取等问题,提出了一种基于奇异值分解(singular value decomposition,SVD)与参数优化变分模态分解(variational mode decomposition,VMD)的联合降噪方法。首先,对轴承振动信号进行了SVD,依据奇异值差分谱理论确定了有效奇异值的阶数并进行了叠加重构,经过矩阵逆变换得到了初步降噪信号;然后,运用灰狼优化算法对VMD的模态个数K和惩罚因子α两参数寻优后进一步分解了初步降噪信号,同时基于峭度和相关系数复合指标选取模态分量;最后,对筛选信号进行了重构,并包络解调分析了降噪前后的故障特征频率。仿真数据和实验数据分析表明:所提方法在强噪声背景下或故障特征信息极其微弱时,都能够有效抑制噪声并提取有效故障信息。
文摘针对工业机械设备实时监测中不可控因素导致的振动信号数据缺失问题,提出一种基于自适应二次临近项交替方向乘子算法(adaptive quadratic proximity-alternating direction method of multipliers, AQ-ADMM)的压缩感知缺失信号重构方法。AQ-ADMM算法在经典交替方向乘子算法算法迭代过程中添加二次临近项,且能够自适应选取惩罚参数。首先在数据中心建立信号参考数据库用于构造初始字典,然后将K-奇异值分解(K-singular value decomposition, K-SVD)字典学习算法和AQ-ADMM算法结合重构缺失信号。对仿真信号和两种真实轴承信号数据集添加高斯白噪声后作为样本,试验结果表明当信号压缩率在50%~70%时,所提方法性能指标明显优于其它传统方法,在重构信号的同时实现了对含缺失数据机械振动信号的快速精确修复。
文摘应力强度因子是预测荷载作用下结构中裂纹产生和扩展的重要参数。半解析的比例边界有限元法结合了有限元和边界元法的优势,在裂纹尖端或存在奇异应力的区域不需要局部网格细化,可以直接提取应力强度因子。在比例边界有限元法计算应力强度因子的框架下,引入随机参数进行蒙特卡罗模拟(Monte Carlo simulation, MCS),并提出一种新颖的基于MCS的不确定量化分析。与直接的MCS不同,采用奇异值分解构造低阶的子空间,降低系统的自由度,并使用径向基函数对子空间进行近似,通过子空间的线性组合获得新的结构响应,实现基于MCS的快速不确定量化分析。考虑不同荷载状况下,结构形状参数和材料属性参数对应力强度因子的影响,使用改进的MCS计算应力强度因子的统计特征,量化不确定参数对结构的影响。最后通过若干算例验证了该算法的准确性和有效性。
