基于融合CNN与PSO-SVM的滚动轴承故障诊断

针对滚动轴承故障识别过程中,难以提取细微故障特征的问题,提出一种基于融合卷积神经网络与基于粒子群优化算法的支持向量机相结合的滚动轴承故障诊断方法.该方法将轴承振动信号同时作为一维卷积神经网络和二维卷积神经网络的输入信号,并在汇聚层中将提取到的故障信息融合,最后通过优化后的分类器提高故障识别准确率.为了验证该方法的诊断性能,将与融合卷积神经网络同规格的一维卷积神经网络和二维卷积神经网络进行对比.试验结果表明,该方法不仅可以提高故障识别准确率,还可以在信号受到噪声污染时保持良好的诊断性能.     

基于一维卷积神经网络的滚动轴承故障程度诊断

针对滚动轴承性能退化状态的识别问题,提出了基于一维卷积神经网络的故障诊断方法。以轴承原始振动信号为输入,利用一维卷积神经网络自适应学习特征和分类的能力,实现由数据到识别结果的“端到端”诊断,避免了人为因素的干扰。通过凯斯西储大学不同故障尺寸的滚动轴承故障数据(模拟不同故障程度)加以验证,所建立python-Keras深度学习模型的诊断正确率达到98.2%。用辛辛那提大学滚动轴承全寿命周期数据对退化全过程进行诊断,根据轴承原始信号时域指标变化将全周期分为正常、轻微退化、中度退化、严重退化和失效5种程度,通过一维卷积神经网络对轴承原始数据进行有监督学习,所建立python-Keras深度学习模型的故障诊断平均准确率为93%。     

基于深度一维残差卷积自编码网络的齿轮箱故障诊断

一维振动信号常常被用于齿轮箱的监测与故障诊断中,使得能及时地对齿轮箱维护以减少损失。因此,从一维振动信号中提取出关键故障特征决定了故障诊断模型的准确性与可靠性。典型的深度神经网络(deep neural network, DNN),如卷积神经网络已经在故障诊断中表现出良好的性能并得到了广泛的应用,但其监督式训练方式往往需要大量的标签数据而限制了其可应用性。因此,提出一种新的深度神经网络模型,一维残差卷积自编码器(1-dimension residual convolutional auto-encoder,1DRCAE),成功应用于振动信号的无监督学习及故障特征提取,显著提高了齿轮箱的故障诊断率。首先,提出了一维卷积层与自编码器的有效集成方法,形成了深度一维卷积自编码器;其次,引入残差学习机制训练一维卷积自编码器,实现对一维振动信号有效地特征提取;最后,基于编码器提取的特征,使用少量标签数据进行分类微调实现齿轮箱故障模式识别。通过齿轮箱试验台采集的传感器数据进行实验验证表明,这种无监督学习方法具有良好的去噪能力和故障特征提取能力,其特征提取效果好于典型的深度神经网络,如深度置信网络(Deepbeliefnetwork,DBN)和堆叠自编码网络(Stackedauto-encoders,SAE),同时故障诊断效果也优于一维卷积神经网络(1-dimension convolutional neural network, 1DCNN)。     

基于改进卷积神经网络的燃气调压器故障识别研究

针对传统故障识别方法不仅过分依赖专家经验对故障特征进行提取且识别准确率不高的问题,在深度学习理论基础上,提出了一种将一维卷积神经网络与SVM分类器相结合的改进深度卷积神经网络,实现调压器“端到端”的故障识别。首先,介绍了传统卷积神经网络结构;其次,将改进后的一维卷积神经网络与SVM相结合,提出了基于1-MsCNN-SVM算法的调压器故障识别模型,并对模型的组成部分进行了介绍;然后,通过对比实验确定了模型的卷积核长度和卷积层组数;最后,为验证模型的有效性,基于燃气调压器故障数据集,开展了燃气调压器故障识别研究。研究结果表明,改进后的1-MsCNN-SVM算法故障识别准确率高达99.20%,模型具有较好的分类准确率。     

基于注意力机制的一维卷积神经网络行星齿轮箱故障诊断

针对行星齿轮箱故障信号成分复杂和时变性强的特点,提出了基于注意力机制的一维卷积神经网络(１D-CNN )行星齿轮箱故障诊断方法.首先,将行星齿轮箱各类故障状态的原始振动信号进行分段处理,作为模型的输入;其次,利用一维卷积神经网络对行星齿轮箱的原始振动信号学习齿轮故障特征,结合注意力机制( AM )对特征序列自适应的赋予不同的权重,增强故障特征信息;最后,利用 Softmax 分类器实现行星齿轮箱的故障诊断.通过故障实验验证以及与其他模型的对比,该故障诊断模型具有较强的学习能力,诊断性能优于其他的深度学习模型,有较好的工程实际意义.     

基于特征快速构造与卷积神经网络的机泵故障识别研究

将卷积神经网络(CNN)应用于振动信号分析时,往往会出现由于一维信号转化为二维特征导致的计算量巨大的问题,针对这一问题,对卷积神经网络输入构造及不同构造方式对神经网络性能的影响进行了研究。基于机泵振动信号分析特点,提出了一种新的将一维振动信号转换为二维的特征快速构造方法;基于特征快速构造方法和卷积神经网络,构建了机泵故障智能识别模型;利用某石化现场轴承故障和不平衡故障数据对故障模型进行了测试,并与其他信号转化方法及故障识别模型进行了对比。研究结果表明:不同故障类型模型均可以快速收敛,故障识别准确率均达95%以上;在故障识别准确率和训练效率方面,该模型较其他模型有着较显著的优势。     

基于经验模式分解和一维密集连接卷积网络的电液换向阀内泄漏故障诊断方法

内泄漏作为电液换向阀常见的故障类型,其故障振动信号具有非平稳性、非线性等特点,且容易被其他信号淹没、破坏。对此提出了一种经验模式分解(Empirical Mode Decomposition,EMD)和一维密集连接卷积网络(Densely Connected Convolutional Networks,DenseNet)的电液换向阀内泄漏故障诊断方法。该方法首先利用EMD对振动信号进行分解得到一系列本征模态分量(Instrinsic Mode Function,IMF),并将IMF分量和原始振动信号依次进行并联堆叠;然后将并联堆叠信号作为一维密集连接卷积网络的输入进行特征的自动提取,并进行故障分类;最后通过DenseNet与传统的一维卷积神经网络(CNN)对比验证得出,该方法能准确、有效地对电液换向阀内泄漏故障进行诊断。     

一维多尺度卷积神经网络及其在滚动轴承故障诊断中的应用

为了有效利用来自实际生产中监测系统的海量数据,并结合一维卷积网络在处理一维数据的优势,提出一种端到端的一维多尺度卷积神经网络滚动轴承故障诊断方法。首先使用两个一维卷积层和池化层将输入振动信号的长度缩减并增加通道数,然后利用多尺度并行一维卷积核对上层输出特征进行不同尺度上的反复提取和重构,最后将提取到的特征输入到一个全连接层进行故障分类。为验证算法的有效性,通过对滚动轴承不同工况、不同训练样本以及与支持向量机、BP神经网络和循环神经网络等算法对比分析。结果表明提出的模型及方法具有较好的识别效果,滚动轴承故障诊断正确率达到99.78%。     

基于包络谱稀疏度和最大相关峭度解卷积的滚动轴承早期故障诊断方法

滚动轴承处于早期故障阶段时,特征信号微弱,并且受环境噪声影响严重,因此故障特征提取困难。针对这一问题,将最大相关峭度解卷积算法应用于轴承故障诊断,并通过包络谱稀疏度来筛选最佳解卷积周期参数,提出了基于包络谱稀疏度和最大相关峭度解卷积的滚动轴承早期故障诊断方法。利用最佳参数相对应的最大相关峭度解卷积算法对原信号进行处理,得到解卷积信号后计算其包络谱,通过分析包络谱中幅值突出的频率成分来判断故障类型。早期故障仿真信号及实测全寿命数据分析结果表明,该方法可有效应用于轴承早期故障诊断。     

基于振动信号融合的ACO-DCNN多工况设备故障诊断

为解决大数据时代人工提取机械故障特征和设定网络参数造成多工况下设备故障诊断精度低的问题,提出了一种基于振动信号融合的蚁群优化深度卷积神经网络(Ant Colony Optimization-Deep Convolutional Neural Networks, ACO-DCNN)故障诊断方法。通过融合水平、竖直方向振动信号,确保不同位置信息的互补性;运用ACO算法自适应优化DCNN参数,利用深度学习强大的特征自提取和复杂映射表征能力进行故障判别。实例验证结果表明:与BP神经网络和标准DCNN相比,ACO-DCNN在多工况下平均故障诊断精度高达99.15%,该模型收敛速度较快且具有较强的泛化能力,可有效地实现多工况设备故障诊断。     

叶切面最大厚度数值计算与应用

以叶切面最大厚度的数值计算方法为基础,探讨叶切面最大厚度计算的计算机实现,介绍叶切面厚度数值计算法的应用实例.     

Natural frequencies of vibration of a class of solids composed of layers of isotropic materials

In a recent paper, the Ritz method with simple algebraic polynomials as trial functions was used to obtain an eigenvalue equation for the free vibration of a class of homogeneous solids with cavities. The method presented is here extended to the study of a class of non-homogeneous solids, in which each solid is composed of a number of isotropic layers with different material properties. The Cartesian coordinate system is used to describe the geometry of the solid which is modelled by means of a segment bounded by the yz, zx and xy orthogonal coordinate planes and by two curved surfaces which are defined by fairly general polynomial expressions in the coordinates x, y and z. The surface representing the interface between two material layers in the solid is also described by a polynomial expression in the coordinates x, y and z. In order to demonstrate the accuracy of the approach, natural frequencies are given for both a two- and three-layered spherical shell and for a homogeneous hollow cylinder, as computed using the present approach, and are compared with those obtained using an exact solution. Results are then given for a number of two- and three-layered cylinders and, to demonstrate the versatility of the approach, natural frequencies are given for a five-layered cantilevered beam with a central circular hole as well as for a number of composite solids of more general shape.     

活塞销孔加工工艺的改进

我公司于８０年代末引进Aspera公司年产８０万台冰箱（冷柜）压缩机生产线及软件技术，在压缩机加工中，活塞销孔（如图１所示）的加工是难点之一。用镗床加工，质量一直难以达到要求，废品率很高。后来我们将Aspera公司的加工工艺即精镗后滚光改为精镗后用金刚石铰刀粗、精铰孔，由此解决了这个技术难题。（１）原意大利Aspera公司工艺简述其工艺流程为：钻６．５通孔→扩孔至７＋０．１→粗镗７．４７３＋０．０３６、圆柱度０．０１→精镗至７．９３５＋０．００６、圆柱度０．００２→滚光７．９３８＋０．００６、圆柱度０…     

广州地铁APM列车制动机理分析

根据广州市珠江新城旅客自动运输系统(APM)列车的运行特点,介绍APM列车制动系统的制动方式及其特点,分析APM列车动态制动和摩擦制动的工作机理及其区别和联系,阐明APM列车制动系统的电控制过程和气控制过程,从而为APM列车制动系统的维护和管理提供一定的依据.     

盘丝极心偏对三爪自定心卡盘找标精度影响的分析

三爪自定心卡盘作为机床的主要附件,已有一百多年的发展历史,尽管目前随着数控技术的不断发展,越来越多地需求高速动力卡盘,但三爪自定心卡盘目前仍有一定的市场。 要保证卡盘可靠地夹紧工件,必须使其有可靠的夹持精度;要保持卡盘的精度,必须要严格控制各零部件公差及误差,如盘丝的极心偏。 　　极心偏是形成圆的渐开线的基圆圆心 (极心 )与盘丝内孔中心不同心所造成的偏差值。它对卡盘精度的影响分两种情况,一是卡爪夹持弧采用配磨,二是卡爪夹持弧采用单磨。本文主要探讨配磨时的影响。 　　卡爪夹持弧采用配磨,即每台卡盘整体…     

双丝杠驱动机构同步分析

介绍了双丝杠驱动机构工作原理,论述了双丝杠运动产生不同步的原因以及如何判定与解决同步问题。     

圆柱面素线的直线度公差带解析

详细分析了圆柱面素线的直线度公差带在新旧标准中定义和解释的区别，并从对圆柱面素线实际要素检测的角度，提出了推行新标准的实际意义。     

膨胀套导向机构的设计

通过分析膨胀套在实际使用产生滑移受阻现象、卡死现象原因的实质,并在分析产生问题原因的基础上提出了改进措施即：增加导向机构。     

磨粉机快辊轴承座加工工艺设计

设计了磨粉机快辊轴承座的加工工艺和具体的工装夹具.利用卧式加工中心加工磨粉机快辊轴承座,辅以能够高效快速夹紧的夹具,既可以保证加工精度,又能够提高加工效率.     

Development of sclerometric method of studying activation of parameters of damage and fracture of friction deformable surfaces

The article presents a brief review of the wear models based on the kinetic thermofluctuation approach. The materials were developed using SamGTU sclerometric programming software and a set of instruments developed at Samara Engineering University for assessing the parameters of kinetic thermoactivation for surface fracture deformed by friction. The first obtained results of assessments and the estimated prediction of wear resistance exemplified by tribocouple of the aircraft chassis are presented.