首页期刊导航|振动、测试与诊断
期刊信息/Journal information
振动、测试与诊断
振动、测试与诊断

赵淳生

双月刊

1004-6801

qchen@nuaa.edu.cn

025-84893332

210016

南京市御道街29号

振动、测试与诊断/Journal Journal of Vibration，Measurement & DiagnosisCSCD北大核心CSTPCDEI
查看更多>>本刊是由国防科工委主管，全国高校机械工程测试技术研究会和南京航天大学联合主办，是反映振动、动态测试及故障诊断学科领域的科研成果及其应用情况的技术性刊物。主要介绍国内外以振动测试与故障诊断为中心的动态测试理论、方法和手段的研究及应用方面的技术文献、专题报告和学术动态，包括实验测试技术、测试仪器的研制、方法和系统组成、信号分析、数据处理、参数识别与故障诊断以及有关装置的设计、使用、控制、标定和校准等。
正式出版
收录年代

    结合LMS滤波和卷积盲分离的轴承故障诊断方法

    陆建涛殷齐涛杜军杨旷智...
    1120-1126页
    查看更多>>摘要：针对强噪声导致卷积盲源分离故障源信号估计精度较低的问题,提出一种结合最小均方算法(least mean square,简称 LMS)滤波和卷积盲分离(robust multichannel blind deconvolution,简称 RobustMBD)的滚动轴承复合故障诊断方法.首先,利用LMS滤波对含噪的轴承故障信号进行去噪预处理,降低噪声对故障信号的影响;其次,通过构建时滞关联模型将卷积混合模型转换为瞬时混合模型,并以归一化峭度为分离判据,采用精确线搜索替代迭代搜索,得到卷积盲分离方法鲁棒多通道盲解卷积;然后,对降噪后的复合故障信号采用鲁棒多通道盲解卷积进行肓源分离,得到轴承的独立故障信号;最后,通过仿真和滚动轴承试验数据对提出的滚动轴承复合故障诊断方法进行了验证.结果表明,与传统鲁棒多通道肓解卷积相比,在强噪声情况下,提出的方法能够有效分离出所有的故障信号.

    滚动轴承故障诊断最小均方算法滤波卷积肓源分离

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于DCF建模的混凝土超声阵列全聚焦成像

    王冠高鸿波王志刚王海涛...
    1127-1134页
    查看更多>>摘要：为了进一步提高混凝土检测信噪比及成像分辨力,提出一种基于数字补偿滤波的超声阵列全聚焦成像技术.首先,针对低频超声探头频率响应所造成的检测信号出现的振铃影响,采用数字补偿滤波的方法对检测信号进行补偿校正,提高信噪比;其次,用补偿滤波后的检测信号建立全数据矩阵,并采用全聚焦算法进行结构成像;最后,根据信号特征校正缺陷与底面位置,获得高质量结构成像图.与未经过数字补偿滤波的成像结果相比,检测信号经过数字补偿滤波后,成像图中的伪像数量与面积大幅减少,缺陷和底面更加突出,缺陷处信噪比提高了 9.6 dB,缺陷的定位更准确,能够满足工程检测要求.

    混凝土结构超声阵列数字补偿滤波信噪比

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于SSWT-GLCM与改进WOA-SVM的变压器机械故障时频诊断

    杨义李晓华李俊聪赵文彬...
    1135-1143页
    查看更多>>摘要：为进一步提高变压器故障诊断精度,提出一种基于同步压缩小波变换(synchrosqueezed wavelet transform,简称SSWT)-灰度共生矩阵(gray-level co-occurrence matrix,简称GLCM)的变压器机械故障时频诊断方法.首先,利用SSWT对变压器振动信号进行时频分析,得到能量堆叠密集的二维时频图,有效保留了变压器振动信号的主要特征信息;其次,联合描述区域像素关系的GLCM提取出二维时频图的主要特征信息,为后续故障诊断模型提供有效的特征参数;最后,通过改进鲸鱼算法优化(whale optimization algorithm,简称WOA)对支持向量机(support vector machine,简称SVM)的关键参数进行优化,建立了基于改进WOA-SVM的变压器典型机械故障时频诊断模型.实验结果表明,所构建的改进WOA-SVM故障诊断模型具有较高的识别精度和运算效率,为基于振动信号的变压器机械故障时频诊断提供了技术支撑.

    变压器同步压缩小波变换灰度共生矩阵改进鲸鱼算法优化-支持向量机算法故障分类

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    涡扇发动机叶片包容性与转子不平衡试验

    张清沈锡钢徐丹陈萌...
    1144-1151页
    查看更多>>摘要：为研究某型大涵道比涡扇发动机叶片包容性和转子系统抗不平衡能力,开展了风扇叶片飞失后的机匣包容性和转子不平衡试验方法研究及验证.首先,采用在断裂叶片根部预置炸药断裂叶片的试验方法,应用设计的试验系统,在规定的发动机转速下,通过遥控爆破炸药技术实现1片风扇叶片在预定位置断裂;其次,高速摄像从不同方位记录了试验过程;最后,专项参数测量系统获得了非线性瞬态动力学响应结果.结果表明:叶片飞失后引起损伤叶片约为1.48个,均沿发动机进口或尾喷口轴向飞出,满足机匣包容要求;叶片飞失瞬间对机匣和转子系统产生了超过1 000g的冲击载荷,转子传力路线上的承力结构完整,安装系统连接稳定,转子不平衡载荷引起低压转子支点轴承座与承力机匣连接螺栓丧失锁紧功能;发动机在引爆炸药后18s停车.试验结果满足相关条款要求,验证了某大涵道比发动机叶片包容与转子不平衡的适航符合性.

    涡扇发动机风扇叶片飞失包容试验转子不平衡适航符合性

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于SVDS-MSCNN的风电机组滚动轴承故障诊断

    史宗辉陈长征安文杰田淼...
    1152-1158页
    查看更多>>摘要：针对风电机组滚动轴承振动信号具有非平稳、非线性、强干扰的特点以及故障特征提取困难的问题,提出了一种基于奇异值分解(singular value decomposition,简称SVD)、S变换与多尺度卷积神经网络(multiscale convolutional neural network,简称MSCNN)的故障诊断方法.首先,将原始信号构造成Hankel矩阵,采用SVD对Hankel矩阵进行奇异值分解,再根据奇异值曲率谱选取有效奇异值进行信号重构;其次,对重构信号进行S变换生成特征图谱;最后,将其输入到MSCNN自适应提取特征进行故障识别.试验结果表明,利用SVDS-MSCNN方法进行风电机组滚动轴承故障诊断,其故障识别准确率达到97.5％,故障诊断效果优于其他深度学习算法.

    滚动轴承故障诊断奇异值分解S变换卷积神经网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    地震作用下变压器套管结构实时损伤识别

    陆军郭小农朱旺谢强...
    1159-1166页
    查看更多>>摘要：为了研究特高压(ultra-high voltage,简称UHV)变压器套管在地震作用下的结构损伤实时识别方法,首先,将结构加速度响应进行高通滤波后通过连续小波变换得到滤波尺度图,并将其作为判定套管损伤的特征;其次,通过有限元计算了不同损伤工况下套管的加速度响应,将其作为训练数据输入卷积神经网络(convolutional neural network,简称CNN)进行训练;最后,通过振动台试验验证了该方法的准确性.结果表明:该方法抗噪性能优异且识别较为精准;地震作用下套管结构损伤所导致的加速度响应异常高频信息可以作为损伤判定依据;套管单处结构损伤信息在不同位置的采样信号中均有体现,使用训练完成的神经网络进行识别时无需未损伤结构响应进行对比,可实现对地震造成的特高压套管结构损伤进行快速识别判定.

    地震响应卷积神经网络损伤识别振动台试验特高压变压器套管

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    使用二态测试的铁磁磨粒质量浓度检测方法

    梁寒钰魏海军何磊谢飞...
    1167-1172页
    查看更多>>摘要：现有油液铁磁磨粒检测技术中,使用旋转式PQ仪只能单一检测铁磁性磨损颗粒无量纲指数,使用插入式铁量仪只能单一检测铁磁磨粒浓度,并且检测精度较低.针对此问题,基于旋转式PQ仪设备对样品2种不同状态进行了测试,通过指数计算与系数拟合,建立起将PQ指数换算成铁磁性磨粒浓度的数学模型.研究结果表明:该拟合方法对大于10 μm的铁磁性磨粒有较高的精度,在这一范围内检测值与油液中铁磁磨粒含量实际值相对误差在±8％以内;使用该方法可以同时分析油液中铁磁磨粒PQ指数与质量浓度,能够更有效地判断机械设备中的摩擦磨损状况并优化大尺寸磨粒分析.

    铁磁磨粒测量仪润滑油PQ指数质量浓度二态测试

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于编码器信号自适应MOMEDA的太阳轮故障检测

    田田郭瑜樊家伟徐万通...
    1173-1180页
    查看更多>>摘要：针对行星减速器太阳轮故障检测问题,提出了一种基于改进自适应多点最优最小熵反褶积(multipoint optimal minimum entropy deconvolution adjusted,简称MOMEDA)的太阳轮故障检测方法.首先,基于编码器信号传递路径短、与动力学直接相关的优势,结合传动参数,计算得到故障特征周期,确定故障周期搜索区间及步长;其次,利用谱负熵最大化原则自适应确定优化滤波器长度,并得到解卷积后的信号;最后,采用包络谱分析揭示太阳轮齿根裂纹故障特征.通过仿真和实测数据分析,验证了所提方法的有效性.

    多点最优最小熵反褶积瞬时角速度谱负熵太阳轮齿根裂纹特征提取

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    小波包奇异谱熵与LVQ网络齿轮箱轴承退化评估

    肖乾汪寒俊朱海燕王文静...
    1181-1189页
    查看更多>>摘要：为研究齿轮箱轴承性能退化评估,首先,根据高速列车齿轮箱轴承与齿轮的相关数据,对齿轮箱轴承仿真振动信号训练样本进行小波包分解并计算小波包奇异谱熵构成特征向量,输入到学习向量量化(learning vector quantization,简称LVQ)神经网络聚类模型中,建立性能退化评估模型;其次,将测试样本按同样的方式提取特征向量,输入到建立好的模型中评估轴承性能退化状态;然后,选取轴承全寿命疲劳试验进行分析,并选择特征优选和模糊C均值聚类算法进行对比;最后,根据LVQ神经网络聚类算法确定训练样本中正常状态和失效状态的聚类中心,建立性能退化评估模型.结果表明:将小波包奇异谱熵和LVQ神经网络聚类算法相结合,能较好区分齿轮箱轴承不同的退化状态,准确表现轴承性能退化曲线;通过隶属度函数计算隶属度作为性能退化评价指标,可以对性能退化状态进行定量表征;通过对时域指标和频域指标特征优选进行对比,验证了本研究方法更加有效,对早期退化更敏感,能及时发现早期退化并且能对退化程度进行准确评估.

    交通工程齿轮箱振动加速度信号仿真小波包奇异谱熵学习向量量化神经网络聚类性能退化评估

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    康达效应引导路径流动的压电泵仿真与实验

    孙业明李瑞鹏王俊尧李驹...
    1190-1195页
    查看更多>>摘要：涡流产生的阻力对正、反流阻差造成的干扰致使无阀压电泵的输出流量不稳定,且现阶段无阀压电泵的研究主要以设计阻件或流阻管道去抑制回流的产生,而仅靠流道结构产生的正、反流阻差对回流的抑制效果有限.针对此问题,应用康达效应原理提出一种无阀压电泵,利用局部产生的涡流疏导回流液体,使液体在正向、反向流动时的流动路径不同,从而实现液体的泵送.首先,通过"水枪"形流管的理想流阻模型阐述疏导回流液体思路的可行性;其次,应用ANSYS软件确定正反两方向的流动路径,得到输出流量;最后,通过加工实验样机,测试泵送流量.结果表明:随着频率的提高,泵送流量先增大后减小,在峰峰值为115 V、频率为19 Hz时,流量达到最大为12.69 mL/min;定频为19 Hz时,泵送流量随峰峰值增加的变化最为稳定.实验结果验证了无阀压电泵的工作有效性.

    无阀压电泵康达效应选择性流动ANSYS

      原文链接:
    • NETL
    • NSTL
    • 万方数据