【摘 要】
：
希尔伯特-黄变换(HHT)作为分析时变非平稳信号的一种全新技术,已经成为现代信号处理领域的一大研究热点。它由经验模态分解(EMD)和Hilbert变换两部分组成,其中EMD是核心部分。EMD将复杂的信号分解成为有限个本征模态函数(IMF),再通过Hilbert变换从而得到瞬时频率以及相关概念。随着科技的进步和社会的发展,HHT技术越来越多地应用于水下运动目标辐射噪声、爆破振动、地震、医学信号以及机
论文部分内容阅读
希尔伯特-黄变换(HHT)作为分析时变非平稳信号的一种全新技术,已经成为现代信号处理领域的一大研究热点。它由经验模态分解(EMD)和Hilbert变换两部分组成,其中EMD是核心部分。EMD将复杂的信号分解成为有限个本征模态函数(IMF),再通过Hilbert变换从而得到瞬时频率以及相关概念。随着科技的进步和社会的发展,HHT技术越来越多地应用于水下运动目标辐射噪声、爆破振动、地震、医学信号以及机械设备故障诊断等多方面,具有十分重要的研究价值。本文的主要研究内容包括以下几个方面：首先,阐述了
其他文献
齿轮传动是机械传动中最基本的传动方式之一,面齿轮传动是一种新型的齿轮传动,它有很多独特的优点,尤其是在高速重载的场合下。本文研究了偏置面齿轮的齿面生成及啮合特性、偏置面齿轮传动的加工建模和偏置面齿轮传动的动力学分析等。在偏置面齿轮齿面生成的研究中,根据齿轮啮合原理中齿面的啮合条件,推导了面齿轮的齿面方程、避免面齿轮齿顶变尖与齿根根切的条件;推导了面齿轮的防止变尖和根切的最大外径和最小内径的计算方法
随着机械运转速度和精密化程度的日益提高,机械系统的非线性将更加突出,可能直接(或间接)导致机械系统的故障,从理论和实验上对这个问题进行研究意义重大,利用非线性动力学方法对机器运行状态早期检测与故障预测的研究显得尤为重要。本文以国家自然科学基金项目“直升机传动链损伤增强检测的非线性动力学理论与方法”和湖南省杰出青年科学基金课题“基于混沌同步-耦合随机共振子阵列的机械故障早期检测与预示方法”为背景,针
面向制造设计(Design for Manufacturability,DFM)已经被广泛应用在现代产品设计中。在综合国内外现有DFM技术的基础上,针对机械产品DFM实际需求,提出集成交互式DFM(Integrated Interactive DFM,I~2DFM),并开发了I~2DFM软件。论文主要研究内容与成果如下:⑴在分析机械产品DFM需求的基础上,建立了集成交互式DFM框架模型,提出了I~
根据自修复微胶囊在聚合物中的修复机理,将其加入到E-玻纤增强的尼龙6复合材料齿轮中,分析研究微胶囊对齿轮的力学性能、振动噪声性能以及使用寿命的影响。通过双螺杆挤出机,用尼龙6、E-玻纤、填料、自修复微胶囊进行造粒,采用注塑工艺,制备出两组E-玻纤增强的尼龙6齿轮用于对比研究。通过模具分析选择模具类型、注射模具结构、模具材料与相关参数,最终确定注射模具的结构,绘制加工图,制造注射模具。对于聚合物粘弹
随着现代化大工业的迅猛发展,转子机械日益向大型化、高速化、自动化、长周期连续运行的方向发展。设备的正常、安全运行,不仅能为国家创造大量的物质财富,而且还能产生巨大的社会效益。旋转机械运行过程中可能会存在着一些故障,通过观察设备的振动状况的变化来洞悉某些故障是否已经发生。不平衡故障是旋转机械中最常见的故障。因此,研究总结不平衡的振动特征对设备故障的诊断具有极其深远的意义。在不平衡模拟的实验中,通过对
液体粘性传动是以牛顿内摩擦定律为理论基础,以油膜剪切来传递动力的一门新兴传动技术。摩擦片是液体粘性传动装置的核心元件,其摩擦材料、结构形式和尺寸参数是保证形成界面摩擦的重要因素。本文从油膜润滑传动机理、摩擦片选型、摩擦片的热变形失效、系统稳定性等几个方面对摩擦片特性进行了深入的研究,为液体粘性传动技术的设计和应用提供一定的参考依据。本文主要内容如下：第一章为绪论,着重分析了本课题的背景和意义,并阐
旋转机械为机械工业的核心设备,在航天、石油、发电、钢铁等领域发挥了重要作用。滚动轴承是旋转机械设备的主要关键零件之一,其运行状况直接关系到旋转机械的正常运行。由于工况环境复杂,机械设备之间耦合比较严重,导致传统的包络谱分析技术或希尔伯特-黄变换技术等对故障特征的提取和诊断容易失效或引起误诊。为解决上述问题,本文在研究了滚动轴承各元件故障振动产生机理及表现形式和提出了能有效克服传统包络谱分析缺点的分
滚动轴承广泛应用于旋转机械,是旋转机械的易损部件。旋转机械的许多故障都与滚动轴承有关。滚动轴承的故障会导致机器产生异常振动和噪声,甚至会引起机器损坏和造成人员伤亡等重大事故。因此研究滚动轴承故障诊断方法具有十分重要的意义。滚动轴承故障振动信号具有非平稳特征,工程实际中故障样本数通常较少,使用传统的故障特征提取方法和基于神经网络理论的故障模式识别方法进行滚动轴承故障诊断时效果不太理想。因此,本文利用
滚动轴承是旋转机械中最常见也是最易损坏的部件之一。滚动轴承故障会导致机器产生异常振动和噪声,甚至引起机器损坏和人员伤亡等重大事故。因此研究轴承的故障诊断与监测具有十分重要的意义。因此,本文采用一种近些年在语音识别技术中发展较快的模式识别技术——隐马尔可夫模型(Hidden Markov Model, HMM)来对滚动轴承的故障进行检测和诊断。它具有模式分类能力强、训练样本少、计算速度快等特点,比较
随着生产的不断发展和自动化程度的日益提高,现代制造业的生产规模越来越大,生产系统越来越复杂,这就对物料运输系统的自动化、柔性、准时性提出了更高的要求。物料运输系统是现代制造系统的纽带,合理有效地优化调度能减少物料运输过程中的资源损耗,提高制造系统的生产效率。自动导引小车系统(AGVS)正是在此背景下发展起来的一个重要研究领域。论文首先对柔性制丝生产线的高效物料运输设备——自动导引小车(AGV)进行