大型旋转机械是石油化工、冶金、电力、航空及航天等行业中的关键设备,通过振动监测可以获得含有大量设备运行信息的参数图形,如三维谱图、三维全息谱图、阶比图等。在以往的设备故障诊断中,由于缺少图形信息的自动识别及提取方法,使图形中的信息尤其是多维图形中的信息没有得到充分利用,致使诊断结果达不到工程实际要求的水平,限制了诊断技术的推广和利用。本研究以旋转机械振动状态参数图形为研究对象,以数学形态学、图形识别技术为基础,结合模糊数学、人工智能等理论,构造适合于旋转机械的图形处理隶属度算子,将三维图形转变为二维灰值图形,在此基础上构建多结构模糊形态滤波算子、多尺度灰值形态边缘检测算子,用以平滑图形并描述图形纹理边界,为自动提取和挖掘旋转机械状态参数图形中的特征信息打下理论基础,提高旋转机械故障诊断的准确率和自动诊断水平。
{{i.achievement_title}}
数据更新时间:2023-05-31
基于改进LinkNet的寒旱区遥感图像河流识别方法
铁路大跨度简支钢桁梁桥车-桥耦合振动研究
基于小波高阶统计量的数字图像来源取证方法
衬砌背后空洞对隧道地震响应影响的振动台试验研究
玉米种子电磁振动定向装置仿真模型的建立与验证
基于声发射和形态学方法的旋转机械早期故障诊断研究
基于迁移学习的旋转机械故障诊断及寿命预测方法研究
基于支座振动响应与知识网格的旋转机械故障诊断方法
齿轮箱早期故障信号分析与智能识别的数学形态学方法