基于多信息融合与GRU的轴承剩余寿命预测

为解决单一传感器信号易受干扰且能提取的退化信息有限，导致轴承剩余寿命预测精度低的问题，提出一种基于双通道信息融合与门控单元(GRU)神经网络的轴承剩余寿命预测方法。进行轴承寿命试验时，在振动传感器采集信号的基础上增加声发射传感器，弥补单一信号易受干扰的缺点；使用卷积神经网络自动挖掘出包含轴承退化信息的特征，避免传统算法过分依赖专家判断的弊端；通过归一化处理对信息进行融合；最后使用这些数据训练GRU神经网络，利用训练好的门控单元神经网络预测高铁牵引电机轴承的剩余寿命。结果表明：相比单通道数据，双通道数据训练出的门控神经网络模型的预测结果更为准确；门控单元神经网络相比长短时记忆神经网络有更高的轴承寿命预测精确度。     

基于声发射信号的风电塔筒疲劳寿命预测

针对风电塔筒疲劳寿命难以有效预测的问题，提出了基于声发射特征参数融合退化曲线和PSO-LSTM(粒子群-长短时记忆)寿命预测模型的疲劳寿命预测方法。首先在实验室条件下基于声发射技术采集风电塔筒原材料(Q355E)疲劳全过程的声发射信号，从原始信号的时域与频域特征中提取特征参量，之后应用PCA(主成分分析)方法对特征参量进行融合，将第一主成分作为融合之后的特征曲线；最后以LSTM模型为基础，使用PSO算法优化模型参数，并建立PSO-LSTM模型来进行寿命预测。结果表明，使用优化模型的预测精度比单一模型的要高，具备一定的工业前景。     

基于相似性与GA-RF的航空发动机剩余寿命预测

针对单参数不能准确表征发动机性能退化过程，以及传统智能学习模型难以准确拟合发动机退化模型等问题，提出一种融合数据构建发动机健康指数（HI），并结合多模型相似性匹配与集成模型进行发动机剩余寿命预测的方法。利用层次聚类与轮廓系数筛选参数，并融合为发动机健康指数。采用遗传算法优化随机森林拟合发动机性能退化过程，并将多模型相似性匹配用于回归模型预测，优化模型的预测结果。选择某涡扇发动机仿真数据集（C-MPASS）验证所提方法的有效性。结果表明：该方法的RMSE为6.128、MAE为4.901,且融合健康指数和多模型相似匹配极大地提高了发动机剩余寿命预测精度。     

基于状态空间模型的加工中心功能铣头实时寿命预测

针对铣头运行过程中退化状态不可直接测量、寿命数据难获取、样本小以及成本高等问题，提出基于状态空间模型的铣头性能退化及实时寿命预测模型。融合最新测定的铣头温度数据，并使用贝叶斯理论计算模型参数，更新铣头退化状态变化率以及剩余寿命的失效概率密度，实现对铣头的在线实时寿命预测。加工中心功能铣头运行过程中的温度数据表明：铣头寿命预测准确率随着测定的温度数据增加而逐渐增加，至运行末期，准确率可达96%以上，同时其退化状态变化率也随着铣头运行时间的增加而逐渐减小。     

基于DTW相似度和Bi-LSTM的滚动轴承寿命预测

针对现有的滚动轴承退化指标单调性差,对轴承异常不敏感导致基于数据驱动的深度学习算法难以实现轴承寿命准确预测的问题,提出一种基于动态时间规整算法(DTW)和双向长短期记忆神经网络(Bi-LSTM)的滚动轴承剩余寿命预测算法。利用信息熵提取滚动轴承的退化特征,构造连续的时间序列;划分时间序列并构造出参考模板及测试模板,采用DTW算法计算模板间的相似度,将它作为健康指标表征轴承的退化程度;用健康指标训练Bi-LSTM网络并预测轴承的寿命。采用法国IEEE PHM 2012的全寿命数据进行研究,结果表明：经过DTW算法优化信息熵指标后所构造的健康指标可更好地反映轴承的退化过程;当进行寿命预测并保持预测算法不变时,经过优化后的指标较优化前相比,能明显提高轴承寿命预测的准确度。     

基于时域和谱峭度特征融合及指数模型的滚动轴承RUL预测

滚动轴承剩余使用寿命（RUL）预测对保障旋转机械设备平稳运行意义重大。针对时域特征预测精度波动大、数据利用率低等问题,提出一种基于时域和谱峭度特征融合及指数模型的滚动轴承RUL预测方法。从时域和谱峭度提取信号的特征进行平滑处理并基于单调性尺度排序,从而选取优势特征通过主成分分析(PCA)构建健康指标。然后,通过3σ准则确定退化点后对数据再处理。最后,基于贝叶斯理论和极大似然函数估计指数退化模型的参数来预测轴承每时刻的RUL,采用XJTU-SY数据集验证所提方法的有效性。结果表明：所提方法可根据当前观测轴承进行小样本数据潜在信息的挖掘,并能在强噪声背景下准确地表征非平稳信号的退化过程,提升RUL预测的精度。     

基于监测状态和寿命随机效应辨识的剩余寿命预测北大核心

当监测状态不能直接反映设备退化程度时,需要联合考虑寿命和监测状态值来评价其退化状态,从而进行剩余寿命预测,常使用联合分析方法。针对退化过程,通常假设样本存在相同失效阈值,然而在实际应用中,受到监测过程差异性以及环境工况等因素的影响,导致样本间退化具有一定的差异。因此通过考虑退化过程中样本间差异的随机效应,提出了一种基于监测状态和寿命随机效应辨识的剩余寿命预测方法。实验结果表明,该剩余寿命预测方法能够有效提高预测准确度。     

TC4钛合金的多轴高周疲劳损伤及强度退化研究

不同工况下TC4(Ti-6Al-4V)钛合金疲劳累积损伤及强度退化存在较大差别。为了充分表征载荷参数的影响,基于Chaboche损伤模型以及改进的多轴疲劳损伤准则,提出新的强度退化模型,开展了TC4钛合金的多轴高周疲劳(HCF)寿命预测和强度退化评估。首先,开展TC4合金在一系列加载路径下的多轴比例和非比例疲劳试验。将Chaboche非线性损伤准则和临界平面法与提出的损伤控制参数相结合,描述了TC4合金的非线性疲劳损伤计算和寿命预测。其次,进一步建立了基于累积损伤的非线性强度退化模型,并证明了该模型在不同载荷工况下均可以获得更高的精度。实验结果表明,由于考虑载荷参数的影响,提出的TC4钛合金疲劳寿命与强度退化预测结果精度远高于其他的预测模型。     

基于构建退化特征和PSO-PF的滚动轴承寿命预测

针对使用常规粒子滤波(PF)解决轴承寿命预测的方法中存在预测结果准确度不高的问题，提出了一种基于构建退化特征和粒子群优化粒子滤波算法(PSO-PF)的滚动轴承寿命预测方法。首先，将轴承振动信号经CEEMDAN-小波包联合去噪后提取多种时、频域特征；其次，经过综合指标评价与弗雷歇距离分析得到优秀退化特征集，用加权拟合的方法构建出新的退化特征；然后，通过特征的梯度变化来自适应检测轴承退化起始时间；最后，用PSO-PF算法对寿命预测模型进行更新来完成寿命预测。将构建的退化特征和PSO-PF算法预测结果分别与原始特征和PF算法预测结果进行对比，结果表明该方法更适用于轴承的寿命预测。     

基于深度卷积网络的多工况寿命预测方法研究

机电设备的寿命预测是状态维修中的一项重要任务,目前在多工况条件下的机电设备寿命预测效果并不理想,为了更好的预测多工况条件下的设备剩余寿命。文章对现有的涡轮风扇发动机开源数据集进行了研究,提出了一种新的多工况深度卷积神经网络模型(MC-DCNN)来估计剩余寿命。将原始数据输入文章提出的MC-DCNN模型中,模型输出不同工况下的设备剩余寿命。该模型能更好的预测多工况设备的剩余寿命,在实际生产中也更有价值。最后通过对公开数据集进行实验,并与现有的模型进行分析对比,证明该模型的有效性。     

基于蒙特卡罗法的液压试验平台可靠性分析

工程机械液压试验平台是一个复杂的机电系统,具有故障多样、成因复杂、隐蔽性强的特点,因此不宜采用传统的数值解析方法或者直接移植其他类型系统的可靠性分析方法来分析系统的可靠性。根据实际液压试验测试平台系统的结构组成,构建系统的故障树;采用蒙特卡罗随机模拟方法对故障树的失效模型进行仿真评估,得出系统的可靠性指标和系统可靠性的最薄弱点,提出提高可靠性的方法,使系统的可靠度指标提高了31%。仿真结果也为系统的进一步优化设计和维修工作提供参考意见。结果表明:基本故障树的蒙特卡罗法适用于大型复杂液压系统或机电液系统的可靠性评估,为大型复杂系统的可靠性分析提供参考。     

基于深度信念网络和多信息融合的复杂机电装备故障诊断方法

针对复杂机电装备故障诊断中存在的数据量大、提取故障特征困难等问题,结合深度学习理论强大的感知与自我学习能力,提出一种基于深度信念网络和多信息融合的复杂机电装备故障诊断方法。将多个传感器的原始时域信号数据输入深度信念网络进行训练,通过反向微调学习对深度信念网络进行整体微调,提高分类准确性,同时在训练过程采用ReLu激活函数和加入Batch Normalization,减少过拟合出现概率的同时提高了网络收敛的速度。将此方法运用到复杂数控加工中心刀具的故障诊断中,结果表明该方法相比传统BPNN算法和采用Sigmoid激活函数的深度神经网络算法准确率更高。     

基于改进卷积神经网络的数控铣床能效等级预测

针对数控铣床能效影响要素多、要素间关联关系复杂而导致的机床能效等级预测问题,提出一种基于卷积神经网络的数控铣床能效等级预测方法。通过数控机床运行过程能效影响要素分析,从设备、工艺、工件、刀具的维度对影响要素进行了分类;依据不同维度数据的来源,提出数控铣床多维数据的采集与预处理方法;提出基于LeNet-5改进卷积神经网络的数控铣床能效等级预测方法。并通过案例验证了方法的可行性和适用性,最终的训练准确度达到97.29%,在测试集上的准确度达到93.32%,预测结果较好,可以指导设备以及可控参数的选择,有较好的应用前景。     

海洋废弃平台桩基拆除绳锯机驱动组件关键参数研究

海洋废弃平台桩基拆除绳锯机是一种复杂的机电一体化设备,关键部位的密封直接决定了该设备的使用寿命。介绍了驱动轮轴承室的密封结构,分析得到了其主要部件在温度变化时的应力及尺寸变化数学模型,根据理论分析结果进行了实验研究。实验表明,温度变化对密封结构产生的影响必须要考虑,并且要对相关参数进行修正。该结果为绳锯机的密封组件关键参数选择提供了理论依据。     

机电设备系统可靠度和维护成本建模与仿真

为确保机电设备运行的可靠性,需要对设备进行及时维护。对机电设备的可靠度和维护成本进行研究,能提高设备的工作效率,并对降低设备生产总成本具有重要意义。基于零件失效概率密度函数,建立机电设备的系统可靠度模型和维护成本模型。并以正态分布为例,仿真分析了零件失效概率密度函数的参数、维护周期对系统可靠度和维护成本的影响。     

大型三维复杂构件双机器人协同焊接智能路径规划方法

大型三维复杂构件是船舶、海洋装备、集装箱等的重要组成部分,其焊缝种类较多、空间分布复杂,部分焊缝存在协同同步弧焊焊接、焊接方向等特殊焊接工艺约束,现有协同焊接规划方法难适用于这类复杂场景。提出全局与局部相结合的双机器人协同焊接路径规划多阶段寻优方法;建立复杂构件三维空间焊缝模型以及双焊接机器人协同模型;根据协同同步焊焊缝的数量将构件划分出相应数量的分块,通过蚁群算法求解每一焊接分块的局部路径规划近似最优解;通过遗传粒子群算法进行多分块间的全局路径规划。仿真结果表明:通过分块划分多阶段寻优的方法可以有效地解决特殊焊接工艺约束下的大型三维复杂构件双机器人同步焊接路径规划问题。     

基于多元变模式分解的机械设备故障诊断方法

机械设备在运行时，其振动信号往往表现为非平稳信号。传统的时频分析方法在处理含有强噪声和强调制的非平稳信号时，常表现出降噪效果不明显、不能准确提取故障特征频率等缺陷。为此，提出一种基于多元变模式分解的机械设备故障诊断方法。通过建立约束变分模型表达式，将多个信号在相同的频率尺度分解为相同数量的固有模态函数（IMF）之和，每一个IMF都是一个调频调幅信号。为验证所提方法的有效性，将所提方法应用于多传感器采集的轴承故障信号分析。结果表明：所提方法对复杂环境下机械设备振动信号的降噪和故障特征提取效果较好，验证了其可靠性。     

焊接夹具变型设计主模型构建方法

针对目前变型设计主模型构建过程中手工梳理设计参数时存在的效率低下、易产生人为误差等问题,提出了结合复杂网络理论的焊接夹具变型主模型构建方法。通过构建尺寸约束网络,实现夹具内不同元件、结构间的尺寸关联;以尺寸约束网络中节点、度的特性为依据,自动计算并发布夹具结构的驱动尺寸参数;同时开发了与计算机辅助设计软件集成的变型设计主模型构建系统,提高了变型设计主模型构建效率和质量。以飞机环控散热器总装焊接夹具主模型构建为例,验证了文中所提方法的可行性。     

基于前馈和滑模复合结构的飞行器电动舵机控制

针对飞行器电动舵机伺服系统的控制问题,提出了一种能够有效抑制传动机构非线性摩擦的控制方法,该方法由前馈补偿器、基于LQR的PID反馈控制器以及滑模控制器构成。前馈控制能够提高系统响应的快速性,PID反馈控制提高系统的抗干扰能力,针对非线性摩擦设计的滑模控制律,用来削弱非线性摩擦对舵机伺服的影响。在分析电动舵机伺服系统构成的基础上,给出了非线性摩擦的Stribeck模型;建立了系统数学模型,在此基础上分析得出前馈补偿器的结构和参数;引入参考给定量,建立基于误差的状态控制方程,设计了基于LQR的PID控制器以及抑制非线性摩擦扰动的滑模控制律。分别对含有滑模控制器和不含滑模控制器的控制方法进行了仿真实验,实验结果表明:含有滑模控制器的控制方法能够有效抑制非线性摩擦引起的速度抖动问题以及位置"平顶"现象。     

分形理论在航空液压管路裂纹故障诊断中的应用研究

针对航空液压管路振动机制复杂、故障关联性较强、故障表征不明显、早期裂纹故障和扩展状态识别率不高等问题,提出一种基于分形理论的故障诊断方法。利用可以解决复杂分形问题的分形理论,通过仿真正、余弦信号并计算其广义维数,可知广义分形维数可以描述信号特征。利用广义维数对振动信号进行分形分析,由广义维数谱图和广义维数变化规律可看出,广义维数不仅能诊断出航空液压管有无裂纹故障,同时能够识别裂纹早期故障。分析分形广义分形维数表可知:液压管的广义分形维数值随着裂纹长度的增加而增大,其增加值成倍数增长,因此通过广义分形维数的变化可以定量分析液压管裂纹故障的扩展状态。