滚动轴承性能退化的时序多元状态估计方法

滚动轴承性能退化评估是预诊断的提前和基础,对在役滚动轴承实施在线状态监测和性能退化评估具有重要意义。针对概率相似度量评估方法存在模型复杂、容易过早饱和等现象,提出一种基于自回归时序 （autoregressive model,简称AR）模型和多元状态估计（multivariate state estimation technique, 简称MSET）的滚动轴承性能在线评估方法,其中AR模型用于提取轴承振动信号的状态特征,MSET模型用于重构AR模型系数。首先,提取正常运行状态下振动信号的AR模型系数构建MSET模型的历史记忆矩阵;其次,将待测信号的AR系数作为观测向量输入MSET模型中得到重构后的估计向量;最后,由原始AR系数和重构AR系数分别构造自回归模型,并各自完成对待测信号的时序建模,将两自回归模型所得残差序列的均方根值之差作为性能劣化程度指标。离散实验数据和全寿命疲劳实验数据分析结果表明,该方法能够有效检测早期故障,且具有与轴承故障发展趋势一致性更好等优点。     

XML与汽车零部件信息采集系统的研究与实现

文中以一个汽车零部件商务网站的信息采集系统为例，研究了基于XML的数据存储，结合关系数据库、微软的DOM实现中封装的对象，提出了一种新的基于XML的信息存储和索引的实现方法。     

基于卷积门控循环网络的齿轮箱故障诊断

为充分利用信号的时序相关性特征,增强模型对数据信息的全面挖掘能力,以进一步提高卷积神经网络(CNN)诊断精度,本文将CNN与善于处理数据时序相关性特征的门控循环单元(GRU)相结合,提出了一种新的齿轮箱故障诊断模型.CNN通过端对端的方式提取数据空间特征,并将提取的特征作为GRU的输入进一步提取时空特征,最后将GRU提...     

基于Web服务的分布式计算模型的研究

本文分析了两种分布式计算模型DCOM和CORBA，说明了影响CORBA和DCOM系统互操作性的原因，在这基础上提出了一种新的分布式计算模型－Web服务。     

基于改进谱峭度与一维卷积神经网络的轴承故障诊断

由于轴承所处工况的复杂性,其振动信号中包含了各种噪声和干扰,导致传统信号处理方法效果不理想.因此,很多研究将信号处理方法与神经网络相结合对故障进行诊断,卷积神经网络(CNN)因其对图像具有独特的特征提取能力而被引入故障诊断领域.而通过信号处理构造的图像可能存在信息冗余问题,将信息冗余图像直接作为网络输入会增加其复杂度.针对上述问题提出了一种基于改进谱峭度与一维CNN的故障分类方法.改进谱峭度方法克服了非高斯噪声和偶然性冲击的影响,能很快地选择正确的滤波频带.考虑到构造谱峭度图的原理,将谱峭度图转换成一维序列信号,作为一维CNN输入进行故障分类,相比于直接将谱峭度图输入二维CNN中,该方法去除了图像的冗余信息,减少了网络结构参数,降低了网络复杂度.通过二组数据分析验证了该文方法的有效性和泛化性.     

悬臂式斗轮堆取料机两种上车回转液压回路比较

介绍了悬臂式斗轮堆取料机的上车回转驱动机构的两种液压回路的工作原理,并对两种回路的特点进行了比较分析,供设计液压回路时的方案选取参考。当系统要求功率不大时,应尽量选用开式回路。当回转需要较大功率时,考虑到效率和空间等因素,采用闭式回路则较为合理。     

悬臂式斗轮堆取料机两种上车回转液压回路比较

介绍了悬臂式斗轮堆取料机的上车回转驱动机构的两种液压回路的工作原理,并对两种回路的特点进行了比较分析,供设计液压回路时的方案选取参考.当系统要求功率不大时,应尽量选用开式回路.当回转需要较大功率时,考虑到效率和空间等因素,采用闭式回路则较为合理.