摘要:对旋转机械振动信号进行信号处理，能够有效提取特征进行故障诊断。振动信号模型来自旋转机械运动学和动力学机理，以数学形式表达，可以指导信号处理方法的设计。随着故障机理研究和信号处理方法研究的推进，研究人员对信号模型进行了发展，并基于这些信号模型设计了相应的信号处理方法。首先，介绍了一般化的信号模型，包括周期信号模型、循环平稳信号模型、自适应谐波模型、波形函数模型、任意阶谐波模型等，以及对应的信号处理方法；其次，分别介绍定工况和变工况条件下针对轴承和齿轮的典型振动信号模型及对应信号处理方法；最后，对振动信号模型的研究发展进行总结和展望，旨在回顾旋转机械故障诊断所涉及的信号模型，并说明其在信号处理算法设计和故障诊断特征提取中的价值和意义。

摘要:针对振动能量收集电路整流二极管损耗大、非线性电路控制复杂以及优化负载不高的问题，提出了大负载高功率振动能量收集同步整流与电荷提取方法。通过同步电感翻转电压提高整流电压，采用短时能量提取缩短整流器件导通时间，减小能量损耗，实现高功率能量收集。基于压电等效模型设计了自供电同步整流与电荷提取电路（self-powered synchronous rectification and electric charge extraction，简称SP-SREE），对一个振动周期电路各工作阶段进行分析，推导出SP-SREE电路理论收集功率，并对电路进行功能测试和负载功率特性测试。理论分析与实验对比表明，所提出的方法在大负载下具有更高的收集功率，可为机械振动无线传感器网络等能源受限场景下自供电提供重要参考。

摘要:为了对裂纹疲劳寿命进行快速准确预测，针对常用的疲劳实验和数值仿真实验中各自存在的实验条件受限、计算步骤繁琐、计算过程耗时较长等问题，以大型桥梁钢桁架中的裂纹为研究对象，提出一种结合裂纹分析软件FRANC3D和长短期记忆（long short term memory，简称LSTM）网络模型的裂纹疲劳寿命预测方法。首先，建立钢桁架的有限元模型，通过裂纹分析软件FRANC3D进行疲劳裂纹扩展分析并建立相关数据集；其次，通过疲劳裂纹的扩展仿真数据关注裂纹的扩展状况，收集裂纹特征信息对裂纹疲劳寿命进行预测。实验结果表明，所提出的方法具有较高的预测准确性，同时极大地提升了训练速度，可为裂纹疲劳寿命预测提供参考。

摘要:针对旋转轴系振动试验中需要对转轴进行径向非接触动态线性激振的实际需求，开展了径向非接触式磁力激振器的设计研制及性能试验。首先，采用磁路解析法推导线性化后的径向磁力计算方法；其次，开展了激振器结构和绕组参数的设计，加工出激振器实物并设计了测力结构对其频域作动性能进行全面测试；最后，将激振器用于轴系台架激振试验，提出了一种非接触作动力的换算方法，并将激振结果与力锤激振方式进行了对比，同时研究了激励信号大小以及转速对激振效果的影响。试验结果表明，研制的激振器性能良好，实现了设计目标，试验结果与理论计算结果以及力锤激振结果的误差在合理范围内，验证了该方法的适用性和准确性。

摘要:针对传统的转子结构裂纹故障识别方法中特征提取困难、无法定量识别裂纹深度及受噪声污染严重的问题，提出了一种基于转子轴心轨迹的转子裂纹深度预测模型。该模型基于奇异值分解和卷积降噪自编码器（singular value decomposition-denoising convolutional autoencoder，简称SVD-DCAE），能够有效提取裂纹转子的故障特征并准确预测转子裂纹的扩展阶段。将裂纹转子的轴心轨迹作为模型的输入，分别使用仿真数据和实验数据训练和验证模型，并在仿真数据和实验数据中添加随机噪声模拟不同噪声环境。结果显示：所提出模型能够实现转子裂纹扩展程度的准确预测，在弱噪声环境中（信噪比为10 dB）裂纹深度预测准确率高于98%；具有较强的抗噪声能力和鲁棒性，在强噪声环境中（信噪比为-10 dB）预测准确率达到80%，远高于其他经典的卷积神经网络预测模型。

摘要:针对构建科学的预测模型以及估计合适的模型参数是极大限制粒子滤波（particle filter， 简称PF）方法计算效率与稳定性的瓶颈问题，提出了一种基于轨迹强化粒子滤波（trajectory enhanced particle filter， 简称TE-PF）的滚动轴承剩余使用寿命（remaining useful life， 简称RUL）预测方法。从退化速率跟踪和退化轨迹强化的角度出发，构建了一种面向PF方法的通用预测模型，利用历史样本以及粒子生成样本的退化趋势信息，有效指导通用预测模型的参数估计，最终获取多信息融合的轨迹增强预测模型。实验结果表明，相较于已有方法，TE-PF方法具有更高的计算效率与更强的趋势预测稳定性，观测样本累积情形下能够获取置信区间内较高的预测精度。

摘要:针对浮空器囊体表面缺陷难以检测等问题，提出一种基于应变时序数据和改进多头注意力（multi-head attention，简称MHA）模型的囊体缺陷检测方法，该方法通过对囊体声波激励后的应变时序数据进行端到端特征提取与检测，实现浮空器囊体缺陷检测。首先，在声波激励下，通过粘贴在囊体表面的应变片收集同位置无裂纹和有裂纹时的应变时序数据；其次，将收集的应变时序数据按照一定的长度划分样本，每个样本划分为多个时序向量的组合并输入到改进MHA模型中，提取隐藏于时序数据中的缺陷特征；然后，网络输出各个时序样本相应的缺陷识别结果；最后，在收集到的囊体应变数据上将该方法与其他4种传统模型的检测结果进行对比。结果表明，该方法平均检测准确率为97.7%，优于其他4种模型，验证了该方法的有效性。

摘要:由于风速具有明显的非平稳性，常用字典的压缩感知（compressed sensing，简称CS）方法对于风速信号重构效果不佳，故引入基于小波字典的压缩感知方法，用于重构风速缺失数据，有效提升了风速信号的重构精度。通过风速仿真数据和广州塔的监测风速数据验证了本研究方法的有效性，并研究了数据缺失工况、正则化参数、小波字典层数和小波类型对风速信号重构效果的影响。结果表明，基于小波字典的压缩感知方法可有效重构缺失的风速信号。

摘要:针对基于深度学习的导轴承健康状态评估模型在增量学习新任务后，几乎彻底遗忘之前学习的内容，导致模型对旧任务评估准确率下降的问题，提出一种多源信息融合的核电循环水泵导轴承健康状态增量评估方法。首先，设计多源信息融合网络，提取反映导轴承健康状态的高维融合特征；其次，通过减小多源信息融合网络的分类损失及蒸馏损失保留新旧任务知识，设计范例管理策略及最邻近均值分类器实现导轴承健康状态增量评估；最后，在核电循环水泵实验台架采集导轴承劣化数据，并对所提方法进行实验验证及对比分析。实验结果表明，所提出方法的准确率可达94%以上。

摘要:针对双质量飞轮扭转减振器在启动工况下的瞬态振动特性进行研究。首先，建立启动工况传动系三自由度非线性仿真模型和启动工况仿真控制模型；其次，为提升模型仿真精度，模型分别考虑了发动机启动反拖过程压缩空气阻力矩、点火燃烧过程转矩波动、摩擦阻力矩以及双质量飞轮单元非线性扭转特性和变速箱输入轴齿轮搅油阻力矩，并通过实车试验验证了仿真模型的准确性；然后，针对双质量飞轮性能参数、启动电机和节气门开度等因素，开展启动工况下的瞬态振动特性仿真分析，明确各参数对启动工况瞬态振动的影响规律；最后，实车试验表明模型误差小于10%，说明笔者针对启动工况下的仿真建模方法正确有效；仿真结果表明，双质量飞轮扭转刚度和启动电机扭矩幅值对汽车启动工况下的瞬态扭转振动影响最大。本研究方法结论对解决相关工程问题有较好的借鉴意义。

摘要:根据磁流变弹性体（magnetorheological elastomer，简称MRE）的可调力学特性提出了基于MRE的新型耗能阻尼器，并对制备完成的硅橡胶基磁流变弹性体及阻尼器分别进行力学性能试验。利用Matlab/Simulink对各层均装有MRE阻尼器的7层框架结构进行建模仿真分析，将被动控制与基于半主动控制策略的经典最优控制和序列最优控制进行比较。力学测试结果表明：MRE在0~500 mT磁感应强度下其剪切模量变化值达到132.43 kPa，磁流变效应约提高274%；增大加载幅值和加载速率，均能提高MRE阻尼器的力学性能；对阻尼器施加电流激励，在0~10 A增大过程中其等效刚度和阻尼可以实现连续可调。仿真结果表明：基于MRE阻尼器的半主动控制系统可以有效减小结构在地震作用下的响应，3种控制均能对结构动力响应起到良好的控制效果，其中序列最优控制算法的控制效果最为显著且精确度更高；系统在实际测试中需考虑多方面因素影响，尽可能减小误差。

摘要:为了从复杂的非平振动信号中追踪直升机的传动系统轴转速信息，开发了一种改进的广义解调变换方法。首先，利用广义解调变换对目标信号进行移频，移频后目标分量将由非平稳转换为近似平稳；其次，基于频谱细化的短时傅里叶变换（short time Fourier transform， 简称STFT）方法计算得到解调信号时频图；然后，估计信号的瞬时频率，利用迭代计算提升频率估计精度；最后，基于估计的转速信息开展同步分析，提高传动系统齿轮故障振动的信噪比。仿真分析和实测分析结果表明：所提出方法估计的轴速度信息具有较高的精度，满足基于速度信息开展同步分析的需求；利用估计的速度开展同步分析可有效提高信噪比，增强阶次谱上的故障特征，便于准确提取齿轮故障特征。

摘要:为提高电磁加载装置在控制应用时的模型预测快速性与精确性，考虑电磁加载装置硅钢片表面涡流磁场生成因素与不同轴偏心下有效气隙长度，采用非线性方程拟合硅钢片磁化曲线，建立包含磁极边缘效应、磁极铁心、转子硅钢片动态磁阻与涡流磁场的电磁加载装置非线性等效磁路模型。研究了硅钢片表面涡流磁场生成因素与气隙磁场分布，并与有限元仿真结果比较分析。应用该模型在水润滑轴承试验台上进行电磁加载力测试试验。研究结果表明：等效磁路法对磁场分布的表征与有限元法一致，且对气隙的计算更为精确；电磁加载力稳态误差小于4%，响应时间低于0.55 s。

摘要:由于变桨减速器随轮毂做圆周运动且伴随间歇性、回转动作，导致变桨有效振动数据识别存在困难，针对此问题，提出了粒子群优化变分模态分解结合滑动中值滤波的变桨动作识别方法。首先，通过现场变桨减速器振动信号分析，将其划分为静态未变桨、静态变桨、动态变桨和动态未变桨4部分，提出基于包络信号的变桨动作识别思路；其次，针对减速器随轮毂旋转导致的正弦分量和趋势分量，利用优化后的变分模态分解进行去除；然后，提出基于信号包络的变桨动作识别思路，采用滑动中值滤波平滑包络信号消除结构激振产生的脉冲干扰；最后，利用静态未变桨数据和3σ准则计算阈值，将平滑后的包络信号曲线与该阈值比较实现变桨动作识别。现场应用表明，该方法可准确识别变桨动作，且与其他方法相比具有明显优势，为风电机组变桨振动识别与状态监测提供参考。

摘要:针对传统变论域模糊控制存在过度依赖专家经验、伸缩因子参数不能自适应调整的问题，提出一种车辆主动悬架自适应变论域T-S模糊控制策略，从而提高车辆的行驶平顺性。结合神经网络和T-S模糊推理建立基于自适应神经模糊推理的一阶T-S模糊控制器，利用神经网络的自学习特性产生完善的模糊规则，进而在传统函数型伸缩因子的基础上，将系统误差和误差变化率作为动态参数引入伸缩因子中，实现伸缩因子参数的自适应调整，解决了传统函数型伸缩因子因参数确定难度大导致控制效果差的问题。通过随机工况下的仿真分析和基于相似理论的缩尺实验，对所提出算法的有效性和工况自适应性进行了验证。结果表明，所提出的自适应变论域T-S模糊控制策略具有较强的工况适应性，在不同车速、路面激励下均可有效提高车辆的平顺性并保证轮胎接地安全性。

摘要:针对目前机床主轴的回转精度检测不能反映主轴在切削工况下的实际回转精度、现有三点法检测的主轴回误差信号包含了系统振动信号的问题，在传统三点法的基础上加入振动加速度传感器，实时测量系统的振动加速度，进而提出一种包含系统振动信号分离的新型三点法。首先，通过建立考虑系统振动的回转误差检测数学模型，得到系统的振动位移和传感器相对主轴的绝对位移；其次，采用误差分离技术，得到主轴在切削工况下的实际回转误差；最后，研制出一套主轴在切削工况下的回转误差检测装置并进行了实验验证。研究结果表明，所提出方法能有效提高主轴在切削工况下回转误差的检测精度。

摘要:为研究铁路大跨度钢桁拱桥车-桥耦合系统的动力响应，以南宁三岸邕江特大桥为工程背景，开展桥梁动载试验，测试该桥的自振特性、动位移和加速度。采用有限元软件ABAQUS与多体动力学软件SIMPACK联合仿真建立车-桥耦合振动模型，研究桥梁和列车在不同速度和单双线行车作用下的动力响应。结果表明：随着速度的增大，列车和桥梁的动力响应均增大；双线行车下桥梁的竖向位移和加速度大于单线行车，横向位移和加速度受车辆偏载作用的影响，双线工况下的结果小于单线工况，不同工况下主跨跨中的最大竖向和横向位移分别为17.234 mm和3.762 mm，最大竖向和横向加速度分别为0.589 m/s²和0.213 m/s²，均满足我国的规范要求；单双线行车对列车的动力响应无明显影响，不同工况下，列车的脱轨系数、轮轴横向力、轮重减载率、车体振动加速度、Sperling指数均满足规范限值；桥梁整体性能较好，有足够的横向和竖向刚度，桥上运行列车有良好的安全性和平稳性。

摘要:针对滚动轴承故障诊断中传统卷积神经网络（convolutional neural networks，简称CNN）提取特征的感受野受限于卷积核大小的问题，提出了一种结合离散傅里叶变换（discrete Fourier transform，简称DFT）和高效通道注意力（efficient channel attention，简称ECA）的卷积神经网络模型（convolutional neural network combining discrete Fourier transform and efficient channel attention，简称DFT-ECANet）。首先，将原始振动信号通过DFT变换到频域，在频域上经卷积和离散傅里叶逆变换（inverse discrete Fourier transform， 简称IDFT）转换到时域，使信号在时域上具有全局的感受野；其次，将该信号与经过卷积的数据在通道维度上进行拼接，通过ECA为各通道数据分配权重，并关注诊断性能高的特征；最后，通过多个卷积-池化层进一步提取模型深层特征，结合池化层和全连接层诊断轴承故障。实验结果表明：DFT-ECANet在原始振动数据集上具有较高的诊断精度和较好的泛化性能，通过T分布随机近邻嵌入（T-distributed stochastic neighbor embedding，简称T-SNE）可降维可视化模型的诊断过程；在强噪声干扰下仍能保持较高的精度，具备较强的鲁棒性和抗噪性能。

摘要:为弥补轴承套圈内圆切入磨颤振在早期识别中的特征量选取和智能算法模型方面的不足，提出了基于均方频率和能量熵结合人工蜂群（artifical bee colony，简称ABC）优化支持向量机（support vector machine，简称SVM）的方法。首先，将轴承套圈内圆切入磨过程中的声发射、振动信号通过提取特征方法，获得能量熵、时域参数、能量占比和均方频率4个特征参数；其次，将4个特征参数两两组成特征向量导入SVM，利用准确度、Kappa系数和混淆矩阵分析结果；最后，将均方频率和能量熵导入不同智能算法进行监测分析。结果表明，均方频率和能量熵组成的特征向量对轴承套圈内圆切入磨早期颤振识别效果最优，同时结合ABC-SVM，识别效果可达100%，为在线监测轴承套圈内圆切入磨早期颤振提供了有效方法。

摘要:基于龙羊峡重力拱坝实测振动数据，利用随机子空间法进行了大坝模态参数识别，建立了坝体-地基-库水系统的三维流固耦合有限元模型。根据识别出的一阶频率，分别考虑均质地基及分层地基，反演了坝体与基岩材料参数，并通过有限元软件ABAQUS进行了大坝的动力特征分析。结果表明：龙羊峡重力拱坝的一阶频率为2.778~3.196 Hz，反演得到坝体的弹性模量约为50 GPa~52 GPa；对于均值地基，其弹性模量的反演值为30 GPa；对于分层地基，2 490 m高程以下区域的弹性模量为34 GPa；实测振动数据反演得到的坝体弹性模量和地基弹性模量高于其设计值；龙羊峡重力拱坝的前3阶振型分别为正对称、反对称与正对称，其1阶频率和2阶频率相差较大，与重力坝自振频率分布特征相似。

摘要:针对高速列车包间噪声问题及降噪措施进行了相关研究。首先，通过线路试验分析了高速列车包间噪声特性，包括噪声频谱、声源识别和声品质，掌握了包间中心与铺面上方测点的噪声差异，明确了包间噪声控制目标；其次，基于统计能量分析方法建立了高速列车包间噪声预测模型，并进行了试验验证，开展了包间声能量贡献分析，确定了降噪方案设计指标，进而对车体进行了隔声方案优化设计；最后，通过包间噪声的迭代预测，确定了车体降噪方案的可行性，并进行了线路试验验证。结果表明，采用笔者设计的降噪措施，包间噪声总值降低了3.2 dB（A），包间原本较高的响度和粗糙度得到明显控制，尖锐度也略有降低，声品质得到了优化。

摘要:针对掘进机器人履带行驶结构作业处于高冲击、碰撞、高湿度和复杂煤岩底质等空间受限环境、受到的外部动载荷通常无法直接测量或测量比较复杂问题，提出了一种可实时监测掘进机器人履带动载荷的嵌入式传感系统无线监测方法。设计了适用于掘进机器人的特种履带行驶结构，搭建基体-夹板-无线采集模块等组成的多层复合封装防护结构，在封闭环境下对嵌入式传感系统进行无线传输特性及行驶状态下的动应力分布研究，并进行传感系统封装集成的测试精度标定试验。将嵌入式传感系统随机替换履带链环中的一块山型减振垫，对掘进机器人行驶状态周期循环的履带载荷历程进行监测测试。结果表明，该嵌入式传感系统在不改变履带链环整体受力的前提下，能实时采集履带行驶结构的动载荷并无线传输给上位机，动载荷时间历程数据完备、稳定可靠，解决了井下极端工况下掘进机器人履带行驶结构动载荷获取难题。

摘要:针对短时间主动热激励作用下煤岩介质表征差异不明显，不易快速、准确识别煤岩界面的难题，提出一种基于改进金字塔场景解析网络（pyramid scene parsing network，简称PSPnet）模型-MobileNetV2的煤岩界面快速精准识别方法。通过搭建煤岩主动红外试验平台，采集并获取短时主动热激励作用下的煤岩界面红外热图像，构建了煤岩红外图像数据集；对传统PSPnet模型进行改进，采用轻量级网络模型MobileNetV2作为主干网络提取特征，大幅降低了网络模型所占内存和训练时间，同时将注意力机制模块（convolutional block attention module，简称CBAM）与金字塔场景解析（pyramid scene parsing， 简称PSP）模块的上采样特征层和PSPnet网络模型的浅层特征层进行融合，有效提升模型对特征的细化能力。试验结果表明：基于改进的PSPnet-MobileNetV2网络模型所占内存仅为9.12 MB，较原始PSPnet模型减少了94.88%；煤和岩的交并比为96.52%和96.87%，分别提升了8.29%和7.7%；像素准确度分别为97.25%和99.15%，较原始网络模型分别提升了7.32%和1.64%；测试时间降低了53.70%。该方法为煤岩界面的快速和预先精准识别提供了一种有效技术手段。

摘要:为实现地铁线路邻近建筑物室内振动舒适度定量计算，提出场地振动响应数值模拟与链式衰减公式相结合的预测的方法，得到不同类型建筑物室内振动响应。首先，以预测振级为自变量，采用正态分布函数描述人对振动感觉的随机性，建立地铁线路邻近建筑物室内振动烦恼率模型；其次，以石家庄地铁为例，建立了场地振动预测模型，借助链式衰减公式，得到不同类型建筑物的室内振动烦恼率分布规律。研究结果表明：建立的烦恼率模型变异系数取0.15时，均方根误差为0.086，模型预测精度满足要求；在设计工况下给出了各类建筑物在不同区域的达标距离，对于0类区域，Ⅰ~Ⅴ类建筑物达标距离分别为12，14，20，44和46 m，对于5类区域任意距离都达标。该研究成果可为烦恼率评价法在地铁沿线建筑物振动舒适度预测和评估应用提供参考。

摘要:为了研究综合交通枢纽中地铁、高铁和行人等振源单独作用和共同作用下楼板的振动响应问题，以武汉站为例，对其站厅层开展现场振动实验测试，并结合标准JGJ/T 170—2009 对站厅层进行了振动舒适度评价。时域分析结果表明：列车产生的振动传递到站厅层，会在各个结构柱处产生一定的放大；振源数目对水平方向加速度的影响大于对竖向加速度的影响；站厅层一跨内的振动传递特性可近似用二次函数递减推算。频域分析结果表明：站厅层的振动频率均集中在0~100 Hz；随着测点距离的变化，高频成分发生明显衰减，但10~20 Hz处的低频成分并没有随着距离的增加而出现明显的衰减。振动舒适度评价表明：武汉站站厅层的振动舒适度符合规范要求，但长期处在振动的环境中，会对工作人员的身心产生一些影响。该研究对新建综合交通枢纽的设计和在役交通枢纽的正常运行维护具有一定的指导意义。

摘要:针对多尺度模糊熵（multi-scale fuzzy entropy ， 简称MFE）算法中多尺度化过程采用滑动均值滤波器导致原始信号高频信息丢失的问题，提出强化层次模糊熵方法（enhanced hierarchical fuzzy entropy，简称EHFE），用于表征原始信号中富含的高低频故障模式信息。结合萤火虫算法优化支持向量机（firefly algorithm optimized support vector machine，简称FAOSVM），提出一种基于EHFE和FAOSVM的柴油机故障诊断方法。柴油机试验数据对比分析表明：相比于现有方法，所提出方法能够充分表征柴油机故障信号富含的模式信息，并且能够有效识别柴油机正时齿轮故障，识别精度达到99.6%，在极小样本下也能达到较好的识别精度。