哈尔滨科技大市场

首页 > 技术交易 > 科技成果

成果搜索

大数据平台下基于故障机理力学建模的往复机械故障诊断智能方法研究

发布时间： 2023-12-08 浏览量：31

交易方式：面议
联系电话：04522-738334
单位名称或姓名：周中林
产业领域：数字经济
成果类型：

项目基本情况Basic information of the project

1、建立了往复压缩机轴承间隙故障状态的多体动力学仿真模型。间隙运动副参数是影响模型仿真准确性的关键因素，以提高实测与仿真状态数据相似性为目标，调整间隙运动副中刚度系数与阻尼因子两个参数，实现对多体动力学模型的参数优化，实现了往复压缩机轴承间隙状态数据的较精确的仿真。通过对比分析，验证了该方法的可行性，解决了因难以开展多类型故障试验以致状态数据获取不足问题。 2、提出了基于多重分形奇异谱分解的敏感测点轴承间隙故障特征提取方法。由于轴承随连杆运动以致振动传递路径复杂，提出了利用多重分形中广义分形奇异谱型参数作为特征参数，以SVM 和KNN两种算法为模式识别器，对该法进行了对比，结果表明，该方法提取所提取特征具有更高的识别准确率。 3、提出了基于 LMD的不同程度轴承间隙故障特征提取方法。针对传统 LMD 方法对强非平稳信号构造局部均值函数和包络估计函数易出现失真问题，利用有理 Hermite 插值法构造了极值包络线，并以极值对称点为依据确定了最优包络线。与不同插值方法对比，该方法在 PF 分量迭代次数、正交性指标和能量指标方面更具有优势。 4、完善了基于GUI界面的MATLAB往复压缩机诊断模块。从前沿的非线性理论分析出发，应用以上算法分析和处理大数据下故障数据，并利用能量值对敏感测点优选，基于以上2种方法构建和优化了可分性良好的特征向量识别手段。经轴承故障仿真数据和实测数据测试，该方法提取故障特征具有更高的识别准确率。

管理团队与技术团队Management team and technical team

齐齐哈尔大学

效益分析Benefit analysis

该项目为储备库项目资源，暂无效益分析内容。

成果推荐Result recommendation

新闻中心

技术交易

科技人才

科技服务

政策

活动中心

关于我们