基于二次滤波的HHT渡槽模态参数辨识方法

针对大型渡槽安全运行评估问题,提出一种环境激励下基于二次滤波的希尔伯特-黄变换(Hilbert-Huang transform,HHT)模态参数辨识方法。采用小波阈值与经验模态分解(empirical mode decomposition,EMD)结合的二次滤波方法滤除运行环境中强噪声干扰,凸显结构动力特性,有效避免了模态混叠问题;根据奇异熵增量理论确定系统阶数,应用HHT方法辨识降噪后信号,提高辨识准确性和精度。将该方法应用于景泰川二期三泵站输水U型渡槽,辨识正常输水工况下结构前5阶模态参数,建立该渡槽第一跨三维有限元模型,并计算模型同工况下前5阶模态参数,对比模态参数辨识结果与有限元仿真结果。对比结果表明:2种方法计算结果非常接近,最大误差为4.4%。说明基于二次滤波的HHT模态辨识方法能准确高效辨识强噪声背景下结构模态参数,可将该方法推广到大型渡槽结构中,为渡槽安全运行评估和健康在线监测提供新思路,应用前景广阔。     

电动车动力总成辐射噪声有限元和边界元联合仿真

为了在电动车动力总成设计阶段估算动力总成的电磁振动噪声特性,根据集中驱动式电动车动力总成的结构特点,给出了多源动态激励下电动车动力总成噪声分析的联合仿真的方法。基于有限元建模法(finite element modeling,FEM)建立了该动力总成结构动力模型,对其进行了振动模态分析,得到了其模态参数和振动响应;基于边界元法(boundary element method,BEM)建立了该动力总成声学模型,将动力总成振动响应作为声学边界条件,对辐射声场进行了仿真分析,研究了动力总成声辐射特性。通过对动力总成进行现场振动和噪声测试分析,得到的测试结果与理论计算结果较为一致,表明了理论计算的可行性和准确性。该研究为进一步进行电动车噪声控制研究提供参考。     

考虑质量时变的收获机械工作模态分析与试验

为研究复杂开放环境下收获机械田间作业过程由质量时变影响的工作模态及振动行为,该文搭建了一套收获机械工作模态测试系统,以4YZP-4HA型122 k W玉米联合收获机械为研究对象,建立收获机械车架工作模态测点模型,测定工作模态试验下的土壤-机器-植物等边界条件,并进行田间收获作业和运输工况的振动响应数据采集和时频域分析,利用时域随机子空间SSI(stochastic subspace identification)和频域的增强型频域分解EFDD(enhanced frequency domain decomposition)算法,辨识了在质量时变(田间收获作业)和质量非时变(运输工况)影响下的模态参数(模态频率、阻尼比及模态振型),并比较分析了2种算法的工作模态辨识结果。利用时频域分析方法获取了不同测点振动加速度幅值统计特征及频率分布规律,研究结果表明:田间收获作业工况振动强度高于运输工况,振动频率集中分布在20~150 Hz范围内,测点频率之间存在差异主要由不同位置刚度变化所致;通过比较SSI和EFDD方法辨识的模态频率,发现SSI和EFDD方法在相同频率范围内相差较小,且均落入傅里叶变换方法的频率分布区间,表明SSI和EFDD方法计算结果可信,能够较为准确地确定模态频率;质量时变下的收获机械车架模态振型特征主要表现为扭转、弯曲、弯扭和局部模态振型,其中1阶扭转振型频率接近29 Hz(SSI:29.578 Hz;EFDD:29.300 Hz)。研究结果可为复杂农田作业环境下收获机械的工作模态分析与试验提供参考。     

基于流固耦合模型的U型渡槽模态分析及验证

为提高渡槽结构工作模态特征的准确度,结合附加质量法原理和流固耦合（fluid solid interaction,FSI）系统理论,以景电工程输水渡槽为研究对象,建立不同形式的固-液耦合模型,对其进行工作模态数值分析,并将数值分析结果与采用小波阈值-经验模态分解联合滤波的希尔伯特-黄变换法（hilbert-huang transform,HHT）实测提取的频率值进行对比。结果表明：考虑FSI系统耦合模型的结果与HHT辨识结果吻合的较好,最大误差值为4.59%,比附加质量模型最大误差小5.97百分点,同阶次频率误差均比附加质量模型小,且弥补了附加质量模型出现的模态缺失现象。可见考虑FSI系统耦合模型的计算结果在模拟阶数和精度方面都优于附加质量模型,能准确反映渡槽结构的工作特性,可用在渡槽结构动力特性分析中,亦可作为后续渡槽结构损伤诊断研究的基准有限元模型。     

排列熵优化改进变模态分解算法诊断齿轮箱故障

为了准确提取齿轮箱中复合故障特征,该文选用变模态分解(variational mode decomposition,VMD)对振动信号进行处理,它能够将信号分解为多个固有模态函数(intrinsic mode function,IMF),但需预设分解层数k和惩罚因子;因此,为了能够自适应地确定分解层数k,该文提出了排列熵优化算法(permutation entroy optimization,PEO),该算法可以根据待分解信号的特点自适应的确定分解层数k;同时,为了解决VMD算法对噪声的敏感性,该文根据噪声辅助数据分析的思想,提出了改进VMD算法(modified variable modal decomposition,MVMD),该算法首先添加成对符号相反的高斯白噪声到原始信号,再利用VMD算法对其进行分解,经过多次循环,原始信号中的噪声相互抵消,而后将每次循环得到的每层IMF分别进行集成平均。利用该算法分别对含有多故障特征的齿轮箱仿真信号及实测信号进行处理,均提取出了故障特征。该文所提方法对封闭式功率流试验台进行复合故障提取,160和360 Hz的故障频率分别被提取出。该方法为齿轮箱复合故障诊断提供新思路。     

振动能量流的计算方法研究

振动能量流法是研究柔性结构振动的重要方法，能量流的计算是其中的关键步骤，传统的基于模态叠加的导纳能量流计算法计算精度不高，处理复杂结构时计算过程复杂，该文提出了基于波动理论的导纳能量流计算方法和基于有限元分析的能量流计算方法。通过对一具体模型计算对比，表明波动计算法精度最高，模态叠加法存在模态截断误差，而有限元法在划分网格细时也能保证计算精度。有限元法是一种适合于各种复杂结构的分析方法，值得在工程上推广。     

短时经验模态分解实时识别生猪心电QRS波群

心率是猪的重要生命体征,而在健康监测中由于猪的依从性较差而造成心电信号呈现非平稳特性,给实时心率计算带来困难。该文针对此问题结合经验模态分解方法(empirical mode decomposition,EMD)提出一种对心电信号具有实时处理能力的短时经验模态分解算法(short-time empirical mode decomposition,ST-EMD)。该算法通过对数据分段并根据信号特征决定分段起点及长度等参数,然后对每段数据进行EMD分解,再基于能量窗变换法从分解结果中提取QRS波的特征参数并识别R波。通过动物试验表明,ST-EMD算法能够对猪的心电信号实时处理和识别QRS波群,识别正确率为99.6%,且表现出一定的自适应性。说明本文提出的ST-EMD算法思路是正确的,适用于生猪的心电实时健康监护。     

拖拉机驾驶室模型的声学灵敏度分析

车身的声学灵敏度是指施加于车身的单位力在车内产生的声压,是衡量车辆NVH特性的一种很有效的指标。该文以一拖拉机驾驶室模型为研究对象,建立了其声振耦合的有限元分析模型,计算了该驾驶室模型的声学模态和声振耦合模态。并根据声振耦合特性和声学灵敏度分析方法,计算分析了在悬架接触点处施加振动激励引起的驾驶员耳旁的噪声灵敏度。     

基于MED-EEMD的滚动轴承微弱故障特征提取

针对滚动轴承在强噪声环境下故障信号微弱、故障特征难以提取等问题,提出了基于最小熵反褶积(minimum entropy deconvolution,MED)和总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)两者相结合的方法来提取滚动轴承微弱故障特征。通过对仿真信号和风电齿轮箱的振动信号分析,结果表明:为了弥补在强背景噪声下EEMD对微弱信号特征提取的局限性,该文选取MED作为EEMD的前置滤波器,最后对敏感的本征模态函数进行循环自相关函数解调分析,得出了风电齿轮箱的故障来自于高速轴的微小弯曲和高速轴输出端#10轴承外圈点蚀。同时与EEMD进行对比分析,表明了这种方法对微弱故障特征提取有较好的适用性。该文为多故障共存并处于强背景噪声下的微弱特征提取提供了参考。     

玉米收获机车架应力及模态数值模拟焊点模型优选

玉米收获机车架作为一种典型的薄壁焊合结构,各结构件主要通过焊接关系连接,该文针对车架有限元建模分析中焊点连接关系复杂、不同焊点模型引起数值模拟精度差异的问题,以提高车架有限元建模准确性与计算精度为目标,研究不同焊点模型对收获机械车架有限元计算精度的影响。首先,研究了有限元建模中常用4种不同焊点模型的构造机理与数学描述,并分别建立了4种焊点的车架有限元分析模型,计算静态加载下不同焊点模型车架的应力分布;其次,设计了玉米收获机车架应变试验,得到不同测点的应力分布规律。通过对比分析仿真与试验数据得出:采用RBAR(rigid-bar)焊点模型计算结果与试验结果吻合,相关系数为0.993 2,较适合模拟计算应力-应变模式的静态工况。通过Block Lanzcos算法计算不同焊点模型的车架模态振动频率与振型,获取不同焊点模型对车架频率和振型的影响规律,得出采用ACM2(area contact model 2)焊点模型的计算结果与二阶四面体单元计算结果相关性较高,相关系数为0.995 9。综合考虑不同焊点模型的适用性与建模效率得出:对于应力-应变模式的静态分析,建议采用RBAR焊点模型;对于模态分析模式的车架动态振动特性分析,建议采用ACM2焊点模型。研究结果为收获机械焊接结构件的有限元建模方法、焊点模型的选用以及提高数值模拟精度和建模效率等问题提供依据。     

Data-SSI与图论聚类结合识别果树固有频率

果树的固有频率是林果振动采收机械设计的重要依据之一。为有效识别果树的固有频率,该研究提出了基于数据驱动随机子空间Data-SSI（Data-driven Stochastic Subspace Identification）法与图论聚类稳定图相结合、仅以果树的输出响应信号对果树进行固有频率识别的方法,以尽量减少人为主观因素的影响。将该方法用于一棵室内小型银杏树和一棵室外较大银杏树固有频率的识别并与冲击力锤频谱测试结果进行对比分析。结果表明,室内小型果树在随机激励下本文方法识别结果与频谱试验结果相对误差小于4.17%;室外大型果树在环境激励下所提方法识别结果与频谱试验结果平均相对误差为2.88%,最大相对误差为6.02%。本文方法对仅基于输出响应信号的果树固有频率识别具有一定可行性,可为果树智能化共振采收时快速准确确定共振频率提供参考。     

泄流激励下水工闸门运行模态参数自动识别

为了能够自动快速准确的识别泄流激励下水工闸门的模态参数,解决系统稳态图自动化定阶困难和真实模态筛选的问题,该研究提出了一种改进的势能聚类（Potential-based Hierarchical Agglomerative,PHA）的协方差驱动随机子空间（Covariance-driven Stochastic Subspace Identification,COV-SSI）水工闸门自动模态参数识别方法。首先采用小波阈值的方法对采集信号进行去噪处理。再通过奇异值加权判断指标（Singular-value Weighted Index,SWI）进行系统阶次及稳态图最大阶次的自动化确定,剔除稳态图中的噪声模态,进一步使用势能聚类方法实现结构模态参数的自动化识别。将该方法应用于泄流激励下弧形闸门试验模型中,并与锤击法测试结果进行对比分析,结果表明,所提识别方法在无需人工激励条件下,能够实现系统阶次和稳态图最大阶次的自动化确定,剔除稳定图中虚假极点。通过与试验对比,该方法平均相对误差为3.5%,可用于泄流激励下水工闸门结构运行模态参数的自动智能化识别。     

基于组合滤波的鱼油二十碳五烯酸含量近红外光谱检测

为了提高鱼油二十碳五烯酸(eicosapentaenoic acid,EPA)含量的测定精度,该研究将经验模态分解(empirical mode decomposition,EMD)和数学形态学滤波相结合的近红外光谱去噪方法应用于鱼油的一阶导数光谱预处理中,给出了方法的原理和步骤,评估了该方法的去噪效果。运用偏最小二乘回归(partial least squares regression,PLSR)建立了鱼油EPA近红外光谱的预测模型,用处理后的光谱计算了鱼油中EPA的含量,并与九点平滑和小波变换方法的处理结果进行了对比分析。结果表明:与传统的九点平滑处理结果相比,信噪比(signal to noise ratio,SNR)从14 d B左右提高到35 d B左右,原始信号与消噪信号之间的标准差由0.005 71降到0.002 26;预测集的决定系数由0.959 3提高到0.987 9,预测均方根误差(root mean square error,RMSE)由0.060 1降为0.031 2。证明了组合的EMD和数学形态学滤波方法在光谱处理过程中的可靠性,提高了鱼油EPA含量近红外光谱的定量分析精度。     

小波自适应算法在车身振动主动控制中的应用

针对大型、非线性结构的振动抑制问题,提出基于在线系统辨识的小波自适应控制策略,进行车身结构振动主动控制。通过小波自适应控制策略分析、车身结构模态分析和数学模型拟合,搭建了基于并行在线系统辨识的小波自适应控制系统,应用压电智能元件作为传感器和控制器,搭建了车身结构振动控制试验平台。通过小波自适应控制,车身壁板振动幅值减小60%左右,特别是被动控制效果较差的低频区域,壁板振动幅值约减小40%~80%。试验结果表明,该文所建立的在线系统辨识小波自适应控制系统,对于轿车车身这样大型的非线性结构在时变、不确定激励下的振动,能够取得良好控制效果,为解决各类工程机械减振降噪问题提供参考。     

采用HHT算法与卷积神经网络诊断轴承复合故障

针对农业机械装备中滚动轴承复合故障特征提取与智能诊断问题,该文提出了一种将希尔伯特-黄变换的改进算法(improved hilbert-huang transform,IHHT)与卷积神经网络(convolution neural network,CNN)相结合的诊断方法。首先,通过多种群差分进化改进的集合经验模式分解(multiple population differential evolution-ensemble empirical mode decomposition,MPDE-EEMD)和敏感固有模态函数筛选方法来改进HHT,提取出故障信号时频特征。然后,在AlexNet网络模型基础上遍历所有可能的CNN模型组合,构建出适应于滚动轴承故障诊断的CNN网络模型。再将训练集生成的IHHT时频图输入CNN中进行学习,不断更新网络参数;并将该模型应用于测试集,输出故障识别结果。最后,通过滚动轴承单一故障和复合故障2种试验,将所提出的IHHT+CNN方法分别与传统的BP神经网络、DWT+CNN和STFT+CNN方法进行比较。研究表明,该文的IHHT+CNN方法对单一与复合故障的正确率分别达到100%和99.74%,均高于其他3种方法,实现了不同工况下端到端的轴承复合故障智能诊断,并具有较好的泛化能力和鲁棒性。     

基于模态置信度准则的插秧机支撑臂模态分析与结构优化

针对高速插秧机栽插机构动力传输过程中的振动问题,该文以2ZG-6DK插秧机为研究对象,分析了栽插系统动力传输方式及工作原理;利用Solid Works软件对插秧机动力传输系统中关键部件支撑臂进行建模,将模型导入ANSYS Workbench并结合Lanczos Method解算方法求解模态固有频率和振型,在此基础上开展基于MAC(modal assurance criterion)准则优化的模态试验,验证了有限元理论分析的准确性。为使支撑臂固有频率避开外部激振频率,在分析外部频率激振特点的基础上,基于ISIGHT多学科软件平台,采用序列二次规划法对支撑臂结构参数进行优化。研究结果表明:优化后支撑臂侧壁腔体厚度5.7 mm、横梁宽度42.0 mm、臂长497.0 mm,前4阶模态频率分别调整至135.17、204.23、483.14和702.32 Hz,均可避开插秧机汽油发动机激振频率范围86.67~120 Hz。优化后1阶频率下振动幅度衰减最为明显,振动幅值最高下降9.4%,支撑臂低频振动特性得到明显改善。研究结果可为插秧机的振动特性分析与减振设计提供参考。     

基于经验小波变换的复杂强噪声背景下弱故障检测方法

针对复杂强噪声背景下的非平稳振动信号的弱故障和复合故障检测的难题,引入经验小波变换(empirical wavelet transform,EWT)以提高故障确诊率,并提出一种基于EWT的复杂强噪声背景下弱故障的检测方法。EWT能够通过完全自适应小波基提取信号的固有模式,与经典小波变换一样具有完备的理论基础。通过对含有复杂强噪声的仿真信号和实际信号进行EWT分析,并对比经验模态分解,验证了基于EWT的复杂强噪声背景下弱故障检测的可行性和有效性。该研究可为复杂工况下机械设备的弱故障和复合故障检测以及故障特征提取提供参考。