为提高板结构-声场耦合分析的计算精度,将有限元-最小二乘点插值法(Finite Element-Least Square Point Interpolation Method,FE-LSPIM)推广到板结构-声场耦合问题的结构域分析中,提出了板结构-声场耦合问题分析的FE-LSPIM/FEM(Finite ...
详细信息
为提高板结构-声场耦合分析的计算精度,将有限元-最小二乘点插值法(Finite Element-Least Square Point Interpolation Method,FE-LSPIM)推广到板结构-声场耦合问题的结构域分析中,提出了板结构-声场耦合问题分析的FE-LSPIM/FEM(Finite Element-Least Square Point Interpolation Method/Finite Element Method),推导了FELSPIM/FEM分析板结构-声场耦合问题的计算公式。此方法在结构域中应用四边形单元形函数和最小二乘点插值法进行局部逼近,继承了有限元法的单元兼容性和最小二乘插值法的二次多项式完备性,提高了结构域的计算精度;在流体域中应用标准有限元模型进行分析。以一六面体声场-结构耦合模型为研究对象进行分析,结果表明,与板结构-声场耦合问题分析的FEM/FEM和光滑有限元/有限元(Smoothed Finite Element Method/Finite Element Method,SFEM/FEM)相比,FE-LSPIM/FEM在分析板结构-声场耦合问题时具有更高的精度。
为了准确有效地提取滚动轴承振动信号的非平稳、非线性故障特征,将复杂网络与图信号处理技术(graph signal processing,GSP)引入机械故障诊断领域,提出了基于可视图图谱幅值熵(graph spectrum amplitude entropy of visibility graph,GS...
详细信息
为了准确有效地提取滚动轴承振动信号的非平稳、非线性故障特征,将复杂网络与图信号处理技术(graph signal processing,GSP)引入机械故障诊断领域,提出了基于可视图图谱幅值熵(graph spectrum amplitude entropy of visibility graph,GSAE VG)的滚动轴承故障诊断方法。该方法先将滚动轴承振动信号转换为可视图,获得可视图信号;再通过图傅里叶变换(graph Fourier transform,GFT)将可视图信号从顶点域变换到图谱域,并将计算得到的图谱幅值熵(graph spectrum amplitude entropy,GSAE)作为故障特征参数;利用马氏距离(Mahalanobis distance,MD)判别函数作为分类器对不同类型故障进行模式识别。实际滚动轴承振动信号的分析结果表明,基于可视图图谱幅值熵的故障诊断方法能对滚动轴承故障进行准确有效地识别。
为了提取机械设备被强背景噪声淹没的故障特征,采用一种具有通用意义的基于奇异值分解(Singular value decomposition,SVD)的子空间降噪算法对信号进行处理,即?-SVD降噪算法。传统的SVD降噪算法是?-SVD降噪算法中拉格朗日乘子??0时的一...
详细信息
为了提取机械设备被强背景噪声淹没的故障特征,采用一种具有通用意义的基于奇异值分解(Singular value decomposition,SVD)的子空间降噪算法对信号进行处理,即?-SVD降噪算法。传统的SVD降噪算法是?-SVD降噪算法中拉格朗日乘子??0时的一种特殊情况。?-SVD降噪算法包含滤值因子,能够抑制以噪声贡献占主导的奇异值对降噪后信号的信息贡献量。?-SVD降噪算法涉及延迟时间、嵌入维数、降噪阶次、噪声功率和拉格朗日乘子等5个参数。讨论了?-SVD降噪算法的参数选择方法,并着重研究降噪阶次和拉格朗日乘子对降噪效果的影响。齿轮故障仿真信号和齿轮早期裂纹故障振动信号的试验结果表明,?-SVD降噪算法在降噪效果方面要优于传统的SVD降噪算法,可以在强背景噪声情况下更好地提取出齿轮的故障特征。
暂无评论