基于EEMD-Hilbert和FWA-SVM的滚动轴承故障诊断方法

为有效提取非平稳特性的滚动轴承振动信号特征,提高故障诊断效率,提出一种采用集合经验模态分解（empiricalmode?decomposition,EEMD）、Hilbert变换的特征提取方法,并利用烟花算法优化支持向量机（support vector machine,SVM）分类参数的滚动轴承故障诊断方法. 通过EEMD方法将目标信号分解成若干个模态函数,采取Hilbert变换获取模态函数的瞬时频率,并对模态函数及其瞬时频率进行统计特征提取,从而实现特征的有效降维. 结果表明:信号经过EEMD-Hilbert处理后特征能有效提取,将训练集和测试集各600组数据代入烟花算法优化SVM模型得到测试集正确率为99.63%;比传统的遗传算法和粒子群算法优化模型分别提高0.4%和0.2%左右;同时收敛时间更短,验证了该算法模型的可行性与有效性.      

人字闸门支枕垫块接触应力分布与磨损分析*

为研究人字闸门支枕垫块接触应力分布与接触面磨损情况，以支枕垫块二维模型为研究对象，基于经验公式和Archard磨损计算通式，建立支枕垫块接触应力与接触面磨损量计算模型，利用有限元分析方法获取不同主横梁支反力作用下支枕垫块接触应力大小与分布情况，以及不同转速、过盈量条件下的接触面磨损量变化分布规律。结果表明：支枕垫块接触应力大小在初始线接触位置两侧近似呈对称分布，随着主横梁支反力的增大，接触应力呈现出递增趋势；人字闸门的应力主要集中在主横梁轴线上，并在梁之间急剧减小；接触面磨损量随着闸门转速和支枕垫块配合过盈量的增加而呈现递增趋势，最大磨损深度向下游侧偏移。