基于空洞卷积神经网络的旋转机械故障诊断方法

由于旋转机械的振动信号具有非平稳、复杂多样、数据量大的特点，传统的方法难以较好地实现旋转机械故障诊断。近年来，基于深度学习的故障诊断算法发展迅速，其中，卷积神经网络(Convolutional Neural Network,CNN)由于可实现自动提取特征、运算效率高等优点受到广泛关注，但在识别准确率等方面仍然存在部分问题。为实现多传感器监测状态下的旋转机械故障诊断，在经典卷积神经网络结构的基础上，引入了多通道数据融合处理、空洞卷积层、批标准化处理、PReLU激活函数、全局平均池化层等改进方法，构造了一种新型的、高效的空洞卷积神经网络（Atrous Convolution-Convolutional Neural Network,AC-CNN），并基于该模型进行了旋转机械故障诊断实验。实验结果表明，提出的故障诊断模型分类准确率可达99%以上，对比其他神经网络方法具有明显优势。     

载重斜交轮胎静态接地分析

分析了载重斜交轮胎静态接地情况.结果表明,斜交轮胎接地印痕为椭圆形;接触应力沿短半轴分布呈马鞍形,最大接触应力随着下沉量的增大向胎肩方向移动;接触应力沿长半轴分布趋势与沿短半轴分布趋势相似,摩擦应力分布与接触应力分布基本相同.     

基于半监督极限学习机的轴承故障诊断

鉴于在实际的应用中滚动轴承的故障信号所属的类别往往是未知的,而且为了得到一定的测试数据需要花费大量的时间,甚至对机械设备造成了一些损害.利用极限学习机训练速度快且泛化能力强的特点,提出了一种基于半监督极限学习机的滚动轴承故障诊断方法,该方法允许在有少量带标签的轴承故障数据的情况下,将带标签的历史数据与新采集到的部分未带标签的数据一起用来训练得到一个最优的诊断模型.首先通过相空间重构将原始一维信号映射到一个高维的相空间,在相空间中提取初始的轴承特征集,然后将特征集输入半监督的极限学习机中进行训练和测试.实验结果表明,这种基于半监督算法的诊断模型简单,在神经元个数较少的情况下仍然具有很好的泛化能力,具有一定的应用价值.     

基于遗传编程的轴承信号特征参数构造方法研究

针对早期故障诊断过程中,单个特征参数不能准确反映设备工作状态的问题,提出了基于遗传编程算法的特征参数构造方法。提取振动信号的时域和频域特征构造初始特征参数,采用遗传编程算法,对初始的特征参数进行组合优化,在时域和频域分别构建了复合特征参数,并用于滚动轴承典型故障的识别,同时引入检测指数,将优化前后的特征参数对轴承状态的识别效果进行对比分析。结果表明,构建的复合特征参数可有效识别滚动轴承状态。     

基于显式动力学及细化谱的滚动轴承故障诊断方法

为了探究滚动轴承早期故障动态演化规律,建立了滚动轴承典型故障三维有限元动力学模型.该模型以显式算法为基础,采用单点积分方式,在充分考虑轴承转速、负载、接触及摩擦的条件下,对滚动轴承内、外圈等典型故障进行了动力学分析.提取基于有限元动力学仿真的故障轴承加速度信号,采用希尔伯特包络解调并结合细化谱分析方法,提取故障轴承信号特征.分析结果表明:故障轴承条件下,轴承不同位置节点的振动响应均能体现故障特征;加速度响应信号在经过细化谱分析后能找到相应故障的特征频率,实现轴承典型故障的有效识别,为进一步探究轴承故障传递路径特性提供了可行的方法.     

基于改进CNN-LSTM的剩余使用寿命预测方法

机电设备的寿命预测是状态维修中的一项重要任务.剩余使用寿命(RUL)预测不仅可以有效地防止机械装备发生突发性故障,而且可以最大限度地利用装备的工作能力、减少维修成本.为了更好地预测多工况条件下的设备RUL,提出一种基于卷积神经网络(CNN)联合长短时记忆(LSTM)网络的寿命预测模型.通过变窗口取样获得不同长度的时间序列,基于深度学习方法来发现传感器时序信号与RUL之间的隐藏关系,在训练过程中引入带有热重启的随机梯度下降(SGDR)学习率设定策略,通过感官融合层将子网络的输出特征融合并导入到逻辑回归分类器获得RUL.最后,基于发动机退化仿真数据集进行了有效性验证,表明所提方法在预测精度方面具有明显优势.     

基于HMM与改进距离测度法的齿轮箱故障诊断

提出基于隐马尔科夫模型(Hidden Markov Model,HMM)与改进距离测度法的齿轮箱故障诊断新方法。在改进的距离测度方法中通过两约束因子调整特征参数灵敏度的评价函数,通过评价函数获得最优特征参数子集,完成对特征参数降维;利用最优特征参数子集训练获得齿轮箱各状态下Markov模型;计算测试数据在各模型的对数似然概率,据概率值大小判断故障类型。齿轮箱验证实验结果表明,改进距离测度法与HMM方法结合能有效识别齿轮箱轴不对中、断齿、磨损等多故障模式,适用性较高,可用于实际齿轮箱系统故障诊断。     

导电环内部磨屑运动迁移规律分析

导电环内部磨屑的运动可能会影响导电环的正常工作。本文在对磨屑颗粒粒径、形貌进行测量之后,考虑导电环内部复杂电磁场作用,采用Comsol计算平台,开展了磨屑在复杂受力情况下的运动轨迹的数值计算,初步得到了磨屑颗粒的运动迁移规律。本文研究结果对于深入识别产品特性、保证导电环可靠工作有着重要的意义。     

基于BP神经网络的智能环境光控制系统设计

基于ARM926EJ-S内核的NUC980DK61YC、BP神经网络、DALI总线技术、CAN总线技术、传感器技术，设计智能环境光控制系统，系统由智能主机、环境光及温度传感器、DALI电源驱动、用户软件组成。完成了整套系统的软硬件设计：将openwrt操作系统移植到ARM平台；在openwrt基础上运行python;建立CAN Bus与DALI通信网络；指定通信协议；完成主机及终端设备的程序设计。最后，重点测试神经网络对传感器数据的分析进而教调屋内光环境。测试结果表明，通过神经网络算法可以通过获取传感器数据进行学习分析，进而有效改善室内光环境。