风力机主轴承故障监测方法

根据风力机主轴承发生故障时引起其温度异常波动的特点,提出一种基于温度模型的故障监测方法。首先,分别建立正常运行状态下主轴承温度的多元线性回归预测模型、灰色预测模型、支持向量机回归预测模型及其组合预测模型;其次,在最佳预测模型基础上引入滑动窗口方法,研究主轴承温度预测残差统计特性;最后,通过对比温度残差均值或标准差的置信区间与设定临界值判断主轴承是否发生故障。研究结果表明,主轴承温度组合预测模型预测效果最佳,其判定系数分别较多元线性回归模型、灰色预测模型及支持向量机回归模型提高0.049 3,0.002 7和0.000 2,通过滑动窗口方法所求解的温度预测残差统计特性可及时反映出主轴承运行状态,这对风力机主轴承故障状态的高效监测及制定科学健康的维护策略提供依据。     

[机械装备再制造]考虑失效特征的废旧零部件再制造成本预测模型研究

分析了废旧零部件失效特征对其再制造成本的影响,建立了一种基于失效特征的废旧零部件再制造成本预测模型,该模型将半监督学习与最小二乘支持向量机回归（LS-SVR）算法相结合,实现了在只有少量已完成再制造的废旧零部件样本和大量未知再制造成本的零部件样本的条件下,对废旧零件再制造成本的预测。该算法加入了k最近邻(kNN)算法,以kNN为辅、LS-SVR为主对未标记的样本进行置信度评估,将各阶段最优未标记样本逐步添加进有标记的样本集中,逐步更新预测模型,能够有效降低噪声,提高模型精度。经案例验证,提出的算法具有良好的回归预测能力和泛化能力。     

考虑失效特征的废旧零部件再制造成本预测模型研究

分析了废旧零部件失效特征对其再制造成本的影响,建立了一种基于失效特征的废旧零部件再制造成本预测模型,该模型将半监督学习与最小二乘支持向量机回归(LS-SVR)算法相结合,实现了在只有少量已完成再制造的废旧零部件样本和大量未知再制造成本的零部件样本的条件下,对废旧零件再制造成本的预测。该算法加入了k最近邻(kNN)算法,以kNN为辅、LS-SVR为主对未标记的样本进行置信度评估,将各阶段最优未标记样本逐步添加进有标记的样本集中,逐步更新预测模型,能够有效降低噪声,提高模型精度。经案例验证,提出的算法具有良好的回归预测能力和泛化能力。     

基于偏最小二乘的数控机床热误差稳健建模算法

建立预测模型对热误差进行预测和补偿是解决机床热误差问题的常用方法,该方法中模型的预测精度和稳健性易受环境温度影响而明显下降,对此本文提出了基于偏最小二乘法的热误差稳健建模算法。首先使用相关系数法筛选温度敏感点,并建立热误差偏最小二乘回归预测模型。进而基于全年环境温度下的多批次热误差实验数据,分析最佳的温度敏感点个数。最后建立热误差偏最小二乘回归模型,并与普通多元线性回归模型的预测效果比对分析。结果表明本文所提算法平均预测精度为5.7μm,模型稳健性为0.56μm,相较于普通多元线性回归算法,预测精度和稳健性分别提高13.8%和49.5%。说明本文所提的热误差稳健建模算法能够在环境温度变化较大时保持高预测精度和高稳健性。     

基于线性回归模型的机电产品再制造费用预测

针对再制造决策者在产品再制造成本发生前无法决策的问题,提出运用线性回归模型,建立产品零部件失效类型信息与产品再制造费用之间的线性关系;基于同类产品零部件失效类型信息以及同类产品再制造费用的统计,对产品的再制造费用进行事前预测,并根据各类零部件的质量属性,对产品再制造的预测费用进行修正,获得相对准确的产品再制造费用预测,并用预测费用与实际费用的相对误差描述再制造费用预测的准确性。     

改进灰色法的废旧设备剩余寿命预测研究

对日益增长的废旧矿冶设备废弃物进行剩余寿命预测,是对其再制造循环利用的前提和基础。由于废旧矿冶设备存在灰尘多、腐蚀大及磨损快的特殊工况,传统灰色寿命预测方法对寿命长期预测往往存在不准确的难题。引入灰色理论分析的方法,将灰色模型与线性回归模型相结合,建立改进的新陈代谢加权灰色线性回归组合模型,对废旧矿冶设备再制造剩余寿命进行预测。以某型矿冶发动机为例,验证了上述方法的有效性。     

基于支持向量机的机电产品再制造成本预测方法

退役机电产品再制造成本是其再制造决策的主要依据之一。针对再制造成本的随机性、不确定性以及可用数据样本有限的问题,提出基于支持向量机的再制造成本预测方法。分析了再制造成本的构成要素、影响因素及其特点,将废旧产品经拆卸、检测后零部件分为可直接再利用、可再制造加工及替换处理等三类,结合其可再制造性,以零部件再制造加工比率、零部件替换比率及技术性指数为输入,再制造成本为输出,构建基于支持向量机的再制造成本预测模型,对机械式变速箱的再制造成本进行了预测,并与BP神经网络预测结果进行对比分析。结果表明,支持向量机预测模型能很好地预测再制造成本,并且预测精度比BP神经网络更好,可为再制造成本的准确预测提供参考。     

基于LS-SVM的挖掘机磨损状态监控

为了减少挖掘机磨损,延长内部机件的使用寿命,需要对挖掘机采用润滑措施.因此对液压油进行油液监控显得格外重要.通过对液压油本身的分析与液压油携带的磨损颗粒分析,可达到对挖掘机工作状况的实时监控,从而及时地对挖掘机潜在故障进行预报并及时排除.考虑到时间与金属磨损量的关系,我们需要研究润滑油中金属含量的变化趋势,该文提出了一种基于LS-SVM预测模型对挖掘机液压油中铁元素含量值的时间序列变化趋势进行分析预测,通过与时间序列预测模型进行比较,能够很好地确定铁元素在磨损过程中的变化趋势,从而准确地监控挖掘机工作状态.     

铣削力预测方法和影响因素综述

为减少航空发动机薄壁件铣削加工过程中的加工变形,提高加工质量,需对铣削加工过程中的切削力进行预测。因此,综述了多远回归分析预测模型、微元铣削力预测模型、有限元预测模型和人工神经网络预测模型,并对切削用量、刀具几何参数、工件材料、冷却作用、刀具材料和刀具磨损对铣削力的影响进行了分析。     

基于BP神经网络和多元线性回归的航发叶片铣削力预测研究

针对航空发动机叶片加工过程中铣削力的变化预测和控制问题,通过研究铣削加工工艺系统的主要工艺参数,利用正交试验法确定了若干组工艺参数方案,建立了AdvantEdge FEM叶片二维铣削模型完成了叶片铣削仿真试验;提取了仿真试验的铣削力,通过方差分析确定了不同工艺参数对铣削力变化影响能力的强弱;利用影响能力强的参数设计了对比试验,建立了BP神经网络铣削力预测模型和多元线性回归铣削力预测模型,比较分析了两种预测模型对铣削力的预测能力。研究结果表明:铣削深度对铣削力变化的影响最大,其余影响较小;BP神经网络预测的准确度和稳定性整体上优于多元线性回归。     

基于遗传算法的组合预测在油液光谱分析中的应用

基于目前的一元线性回归预测模型、灰色预测模型和时间序列预测模型3种预测模型的优缺点,综合上述3种预测模型,提出了一种基于遗传算法的组合预测模型,并应用遗传算法确定了组合预测的权重系数。实例分析计算表明,该方法具有更好的预测效果。     

锅炉给水泵轴承温度变化状态预测

为了预测锅炉给水泵轴承温度的变化情况,提高给水泵运行的安全性和经济性,采用了统计学习理论中的核心算法--支持向量机,建立了给水泵温度预测模型(SVAR).并通过一个实例,与基于灰色方法建立的预测模型(GM)和基于自回归方法建立的预测模型(AR)进行了比较.结果表明:基于支持向量自回归的给水泵轴承温度预测模型具有精度高、速度快、易于建模的特点.应用该方法建立的预测模型能够很好地预测给水泵运行中的温度状况,有效地避免给水泵运行中出现的故障.     

面向再制造的PY160C平地机平衡箱传动设计研究

废旧产品的再制造性主要取决于产品的设计。通过面向再制造的产品设计（Desisn for Remanufacturing）的研究,能显著提高产品的再制造效益,更大限度地回收废旧产品所蕴含的价值,降低其对环境的负面影响。本文运用面向再制造的产品设计基本概念,从介绍PY160C平地机平衡箱链传动系统入手,以对该传动系统失效机理的分析为基础,研究并提出了对其进行面向再制造的设计时,应涉及的主要问题和基本的设计技术。研究表明：该设计技术的应用能显著提高PY160C平地机平德箱链传动系统的再制造性。     

WC-10Co4Cr涂层高速磨削表面粗糙度预测研究

为了优选WC-10Co4Cr高速磨削参数,实现高精度加工,满足实际生产的迫切需求,研究了一种基于响应曲面法的表面粗糙度预测方法。从高速磨削工艺系统特点出发,给出面向固定工艺系统的WC-10Co4Cr高速磨削表面粗糙度预测原理。结合正交试验数据,建立表面粗糙度预测模型。运用方差分析方法,检验预测模型的拟合度。以活塞杆再制造过程中的磨削加工为例,应用上述预测模型和BP神经网络分别进行了表面粗糙度预测,并同实际加工结果进行比较。结果表明,研究的表面粗糙度预测结果与实际加工结果之间相差0.02μm,BP神经网络预测结果与实际加工结果之间相差0.04μm,证明所提出的表面粗糙度预测方法是有效的,更加满足了实际生产的需求,为WC-10Co4Cr高速磨削参数优化、高精度加工提供了技术支持。     

面向再制造的挖掘机工作装置剩余疲劳寿命预测研究综述

从工程机械再制造、疲劳寿命预测、面向再制造的寿命预测等三个方面总结了国内外有关面向再制造的挖掘机工作装置剩余疲劳寿命预测的研究现状,归纳出现有研究中存在的问题。最后,提出了面向再制造的挖掘机工作装置剩余疲劳寿命预测的下一步研究方向。     

基于ADAMS自卸汽车举升机构优化设计

针对自卸汽车举升机构经验类比设计方法工作量大、效率低的问题,采用虚拟样机技术对机构进行优化设计分析。对自卸汽车举升油缸后置直顶式举升系统进行建模分析,以举升缸的容量与举升力为优化设计的目标数,以举升缸铰接点的位置为设计变量,考虑了边界约束、不干涉性约束、举升缸安装长度约束、最高油压约束等4个约束条件,基于ADAMS对液压举升机构进行优化设计。设计举升缸输出力及液压油压力特性的试验台,对优化设计分析结果进行试验分析。结果可知:在货箱举升、回落过程中,当每一级缸筒或活塞杆伸出和缩回时,无杆腔内油压都会出现冲击;通过参数优化举升最大长度减少到3675.80mm,减少5.91%;台架试验验证了分析的可靠性,可以为实际优化设计提供参考。     

面向再制造的产品设计理论初探

介绍了再制造技术的基本含义和特点,分析了产品再制造与产品设计的关系,提出了面向再制造的产品设计应考虑产品的再制造价值分析、产品主要零件的再制造设计、产品的拆卸性设计、产品的标准化、系列化和模块化设计等几方面的问题,对进行面向再制造的产品设计有指导作用.     

超高压力温度状态液压油体积弹性模量测量装置故障分析

液压油的体积弹性模量和热膨胀系数是分析研究液压系统动、静态特性的两个不可或缺的重要参数。在超高压力及温度状态下,液压油就不能再视为不可压缩流体,其压缩和膨胀将对液压系统的动、静态特性产生极其重要的影响。因此,测量超高压力及超高温度状态液压油的体积弹性模量和热膨胀系数对设计研究超高压力温度液压系统有着重要的理论和实际意义。针对所设计的超高压力温度液压油体积弹性模量测量装置,结合测量过程中出现的实际问题,进行故障原因分析研究,并提出改进措施,以利于后续对不同高温高压液压油进行体积弹性模量测量研究。     

基于灰色线性回归组合模型的集成电路封装设备故障趋势预测

针对集成电路封装打孔机冲针监测数据的特点,分别构建灰色GM(1,1)模型和线性回归模型,开展故障趋势预测;在此基础上,采用组合预测的思想,运用灰色关联度方法融合灰色GM(1,1)模型和线性回归模型,建立灰色线性回归组合模型对设备进行故障趋势预测。结果表明,灰色线性回归组合模型的预测精度优于单一预测模型,可以用于集成电路打孔机设备的故障趋势预测。     

产品信息界面的用户感性预测模型

为了给产品的设计评价提供有效的辅助手段,围绕产品信息界面的用户感性预测,分析了影响用户感性的四个界面布局要素,提出12个界面布局特征的衡量指标;验证了界面布局指标体系的可靠性,结果表明布局指标体系符合4个潜在因子的基本设定,但布局指标与主观评价间存在多元相关性,从而改进了最初感性映射模型;运用神经网络和线性回归两类方法分别建立了预测模型,通过比对测试样本的预测偏差表明线性回归预测模型的数据拟合度更高,推导了感性预测模型的函数关系AM=g{f(M)},并结合实例对预测模型进行了验证。该研究成果为界面布局设计和方案评估提供了理论依据。