基于轮辐式传感器的起重机轮压测试方法研究

现有起重机轮压的测试方法主要有顶升法和应变法两大类,两者费时费力,且很难准确测试每个车轮的精度.本文针对以上问题提出了一种方便、高效且精度高的起重机轮压测试方法.基于轮辐式传感器设计了一种简单实用的轮压传感器,将设计和加工后的传感器放在拉力机上进行了标定,传感器表现出较好的线性,同时也验证了传感器弹性元件满足强度要求,并且将该传感器进行现场测试,通过测试验证轮压传感器的可行性,并总结了轮压测试的方法,此方法不需要动用大量的人工和计算,可以精确地对每个车轮的压力进行测试,且在现场完成了起重机轮压的测试,测试结果并和起重机的设计文件进行了对比.     

基于进化算法优化GAN的轴承故障诊断

针对滚动轴承故障诊断故障样本类别不平衡的问题,提出一种基于进化算法优化的条件生成对抗网络（evolutionary conditional generative adversarial nets, 简称ECGAN）故障诊断方法。首先,利用进化算法优化条件生成对抗网络中的生成器,使其在不同的损失函数下生成与原始样本分布相似的新样本,扩充数据集;其次,将生成的样本和原始样本输入判别器,提取出样本中有效的数据特征,判断输入样本的真假和类别;最后,通过对抗学习机制优化生成器和判别器,提高网络的故障识别能力。实验结果表明,在轴承故障样本数据类别不平衡的情况下,ECGAN模型具有较好的故障诊断性能。     

EMD降噪和谱峭度法在滚动轴承早期故障诊断中的应用

共振解调是滚动轴承故障诊断中最常用的方法之一,然而其带通滤波器参数的选取通常比较困难。谱峭度法能根据峭度最大化原则自动确定带通滤波器参数,取得了一定的诊断效果,但由于滚动轴承的早期故障信号中含有强烈的背景噪声,诊断效果有时也不够明显。为此,提出一种基于EMD降噪和谱峭度法的滚动轴承早期故障诊断新方法,首先采用基于互相关系数和峭度准则的EMD降噪对采样信号进行预处理,突出高频共振成分,再利用谱峭度法选取最佳带通滤波器参数,最后使用带通滤波和包络解调进行故障诊断,并通过实际工程信号进行了验证。     

小波降噪在起重机声发射信号方面的应用

检测起重机械的方法主要是常规无损检测,但是这种常规方法一般不具备实时性特点,为了弥补这点缺陷,提出采用声发射技术来实现检测。在本次实验中搭载了试验系统,研究了起重机常用钢材Q235试件在不同缺陷条件下的声发射信号特性,同时运用有限元分析,小波分析来研究声发射信号和预制缺陷之间的关系,通过比较频谱和声发射参数,来获取有用的的缺陷信息。试验结果表明,可以根据波形的分析简要判断所检测试件的受损情况。     

龙门起重机抗风制动动力学仿真分析

对龙门起重机的抗风制动过程进行了动力学仿真分析,并在分析风载荷作用下起重机制动过程的基础上,指出传统规范对风载荷下起重机制动分析存在不足,分析了失效机理。然后,运用了ADAMS软件对某型起重机抗风制动过程进行了动力学建模与仿真分析,进而验证失效机理。最后,提出原有制动力矩布置的不足与改进,为起重机相关设计规范的制定提供了参考。     

基于时序灰度图和分组ResNet的回转支承故障诊断北大核心

为解决大型回转支承转速低、背景噪声大、常规的声发射诊断方法难以适用的问题,提出一种基于灰度图和ResNet模型相结合的声发射信号处理方法。将声发射信号编码为二维灰度图像,并通过ResNet模型识别声发射信号编码得到的灰度图,通过训练模型实现对大型回转支承的故障诊断。对某型号大型回转支承进行试验,结果表明:以时序二维化后的灰度图作为故障诊断依据,可以显著提高回转支承的故障诊断准确率;相比于传统方法,所提方法泛化性能和鲁棒性能更好,可以很好地应用在实际工况中的大型回转支承故障诊断。     

轮边制动器下起重机的抗风防滑机理研究

轮边制动器不仅能够用于平时的刹车制动,且在突遇诸如强风等载荷时能够做到快速响应,是起重机的常用配置。文中基于多体动力学模型建立了轮边制动器作用下的起重机抗风防滑动力学模型,研究轮边制动器作用下的起重机抗风防滑的制动机理,以及摩擦系数改变对起重机抗风防滑的影响,给出了起重机轮边制动器配置的经济性与有效性的分布图。     

基于新型纯积分法的定子磁链在线辨识算法

针对气隙转矩法计算异步电机转矩时对定子磁链辨识精度的要求,提出了一种基于新型纯积分法的定子磁链在线辨识算法,采用了精度较高的复化辛普森积分模型。相比传统的梯形积分法,基于新型纯积方法的定子磁链在线辨识算法的磁链辨识精度显著提高;相比新型的基于低通滤波器的定子磁链观测器,该算法模型更简单,操作更便捷。通过MATLAB/Simulink搭建系统仿真平台进行验证,结果表明基于新型纯积分算法消除了传统积分法的主要缺陷,解决了积分饱和问题以及初值问题。基于新型纯积分算法的估计磁链与理论参考磁链基本吻合,表明其可靠性较高。     

基于小波包样本熵的滚动轴承故障特征提取

将样本熵引入故障诊断领域,讨论了样本熵的性能和计算参数的选择.结合小波包分解和样本熵,提出了一种新的滚动轴承故障特征提取方法.首先对轴承振动信号进行小波包分解;然后对归一化能量最大的子带进行重构,计算重构信号的样本熵;最后通过样本熵评价故障状态.滚动轴承故障诊断实例验证了该方法的有效性.     

基于改进ACGAN的钢表面缺陷视觉检测方法

为提高小样本环境下钢表面缺陷检测精度,提出一种基于改进辅助分类生成对抗网络（Auxiliary classifier generative adversarial network,ACGAN）的钢表面缺陷检测方法。利用残差块优化ACGAN的网络结构,提高模型的特征提取能力;其次,为提高模型训练的稳定性,在网络的卷积层中添加谱范数归一化,防止模型异常的梯度变化;基于正-未标记分类的思想优化判别器的损失函数,提高生成样本的质量;同时,为缓解生成对抗网络的模式崩塌问题,在损失函数中添加梯度惩罚来约束判别器的梯度;通过生成器和判别器的对抗优化训练实现样本扩充。通过对钢表面缺陷数据集的试验,验证了提出的方法能准确有效地实现小样本环境下钢表面缺陷检测。与经典的SVM、ResNet50以及一些小样本分类模型相比,所提方法具有更高的检测精度。