安徽省高等学校优秀青年人才基金(2012SQRL139)
- 作品数:2 被引量:4H指数:2
- 相关作者:宗成强李同杰陈杰平更多>>
- 相关机构:北京航空航天大学安徽科技学院更多>>
- 发文基金:安徽省高等学校优秀青年人才基金国家自然科学基金更多>>
- 相关领域:自动化与计算机技术机械工程更多>>
- 半主动悬架支撑下1/4车的平顺性研究被引量:2
- 2012年
- 建立了半主动悬架支撑下1/4车的振动模型,推导了其运动微分方程,运用matlab/simulink工具箱模拟了汽车在40m/s和100m/s两种工况作用下B级路面的随机激励,并编写了1/4车模型在随机激励作用下频域响应求解的仿真框图程序。结果表明,带有PID控制器的半主动悬架与被动悬架相比,明显地降低了车身加速度,即明显改善了汽车平顺性:在时速为40m/s时,车体的振动能量峰值减少了69.8%;在时速为100m/s时,车体的振动能量峰值减少了65.5%;相较于高速工况下,半主动悬架在车速为中低速时,对于平顺性的改善的作用更加明显。
- 李同杰陈杰平
- 关键词:半主动悬架平顺性
- 非线性信息融合技术在火力发电机组故障诊断中的应用被引量:2
- 2013年
- 火力发电机组的振动信号往往是多种振源信号的非线性混叠,由此给火力发电机组故障诊断中特征信号的提取与分析带来了强烈的干扰。针对此问题,提出了基于小波-非线性独立分量分析(independent componentanalysis,ICA)的火力发电机振动信号非线性盲分离与特征提取新方法。首先,利用小波去噪技术消除加性噪声的影响;然后,通过径向基函数(radial basis function,RBF)神经网络,并结合线性ICA算法估计去噪信号的非线性混合解混函数,实现信号的非线性盲分离,得到火力发电机振动故障的关键信号源;最后,利用小波包分解提取分离信号的统计特征并作为识别损伤状态的有效参数,应用RBF神经网络分类器对火力发电机故障类型进行智能识别。对某发电站的火力发电机实际故障振动信号进行实验分析,结果表明,所提出的非线性盲分离模型能够从含有加性噪声的非线性振动源混合观测信号中提取故障振动源,得到故障信号的可靠特征,取得较好的故障诊断效果,且故障检测精度比线性盲分离技术提高了4.4%以上。
- 张龙宗成强
- 关键词:火力发电机组振动信号径向基函数