时频分析和深度学习相结合的滚动轴承故障诊断

滚动轴承大量使用在旋转机械中,轴承的工况严重影响着机械设备的正常运行。为了提高轴承故障的诊断精度,本文提出了一种时频分析和深度学习相结合的滚动轴承诊断方法。首先,分析了十种不同时频分析方法;其次,建立了深度学习的滚动轴承故障诊断模型,并利用迁移学习克服训练样本数量少的问题,通过对比分析,常数Q变换(Constant Q transform, CQT)的准确率可达100%;最后,利用实验数据对所提方法的有效性和可靠性进行验证,分别评估了在不同负载和噪声情况下的识别精度,并与文献中的方法对比,证明所提方法在不同工作环境条件下都有较好的鲁棒性和较高的识别精度。     

利用聚类分析的宏细观多尺度并行拓扑优化设计方法研究

多孔材料因为具有质量轻、比刚度和比强度大、隔振和隔热效果好等优点,越来越多的应用在航空航天和制造装备等领域。为充分发挥多孔材料的性能,本文提出同时考虑结构的宏观性能和细观微结构性能的多尺度并行拓扑优化设计方法,获得性能优良的多孔结构。论文采用聚类方法有效降低了计算成本,针对并行优化难收敛的问题提出改进模型,使迭代平稳收敛。最后以经典的悬臂梁、MBB梁和Michell结构为例进行优化设计,通过对宏细观多尺度并行优化结果的分析,验证了所提方法的有效性与正确性。