多绳摩擦式提升机天轮轴瓦结构改进研究

针对宝雨山矿副井天轮在使用过程中存在异常响声和轴瓦固定螺栓损坏的问题,提出了轴瓦改进方案。通过对目前在用多绳摩擦式提升机天轮的结构、运行原理分析,将两瓣轴瓦结构改为整体轴瓦结构,增加轴瓦固定螺栓数量,改进轴瓦润滑油槽,将螺旋油槽改为纵横相交的油槽,同时增加了油槽深度,轴瓦在安装时增加了限位块。利用对天轮返厂大修的机会更换了改进后的新型轴瓦,通过1年多的使用发现,更换的新型轴瓦能够满足现场生产需要,减少了日常维护,提高了现场维护效率,为矿井的安全生产提供了有效保障。     

基于混合时间序列卷积神经网络的轴承故障诊断

在传统滚动轴承故障诊断中,绝大多数方法采用了从振动信号提取特征的诊断模式,但是这种模式必然会使原始信号降维进而导致故障信息的丢失。卷积神经网络(CNN)通过权重共享和稀疏连接直接对原始信号进行操作,实现自适应特征提取,最大化保留故障信息。受CNN原理启发,开发出了一种基于工业振动信号特征的新型诊断框架,称之为混合时间序列CNN(HTS-CNN)。首先,利用估计总体比例的方法自适应确定模型训练样本数目;其次,通过对时间序列片段进行随机组合的方式,使模型能够提取非相邻信号特征;最后,利用Softmax激活函数在模型输出端执行多分类任务。通过对凯斯西储大学及CUT-2平台轴承数据进行分析,实验结果表明:该方法能够准确、有效的对滚动轴承故障进行分类。     

基于VMD与时间序列分析的滚动轴承故障特征提取方法

为了在非线性、非平稳的滚动轴承故障振动信号中有效提取出敏感的故障特征,提出了基于变分模态分解(VMD)与时间序列分析相结合的特征提取方法。首先通过VMD将原始信号分解为不同预设尺度的本征模态分量(IMF),对各个IMF分量建立时间序列预测模型,通过叠加重构得到最终的预测模型,比较评价指标确定最优参数的选取。最后,通过仿真信号与滚动轴承实际故障数据分析,并与经验模式分解(EMD)进行对比,结果表明该方法能够有效的提取到故障特征频率。     

基于VMD瞬时能量与GA- RBF的滚动轴承故障诊断

针对滚动轴承早期故障的有效识别,提出了一种基于VMD瞬时能量与GA优化的RBF神经网络的滚动轴承故障诊断方法,可以有效对滚动故障做出诊断。首先,VMD将滚动轴承振动信号进行分解成合适数目的本证模态函数;其次,计算本证模态函数分量的瞬时能量并组成特征向量;最后,将特征向量输入到GA优化的RBF神经网络实现轴承故障识别。通过滚动轴承故障诊断实验对该方法进行验证。结果表明,该方法识别滚动轴承故障的准确率为96.43%,较默认参数的RBF神经网络和EEMD瞬时能量与GA-RBF神经网络有明显的提高,证明了所提方法的可行性。     

深部层状岩体巷道承载特性的物理模拟试验研究

为研究深部高应力条件下层状岩体巷道的承载特性及失稳机理,采用物理相似模拟试验方法,并借助高速摄像机、静态电阻应变仪、位移计等手段,研究了不同支护方式(无支护、锚杆支护、锚杆索支护)层状岩体巷道的变形破坏特征和应力演化规律;同时,从压力拱的角度分析了层状岩体巷道的成拱特性。研究结果表明:无支护条件下,巷道围岩变形破坏严重,顶板大面积垮落,呈现倒V型破坏区,无法形成有效的压力拱结构;采取锚杆支护和锚杆索支护后,巷道围岩应力状态得到改善,能够形成有效的压力拱,围岩变形量减小。研究成果为类似地质条件巷道支护设计提供了依据。     

铁基含油轴承材料表面硫化改性及摩擦学性能

为改善边界润滑工况下铁基含油轴承材料的摩擦学性能,采用低温液体渗硫技术在材料表面形成一层固体渗硫层,微观检测渗硫层形貌与成分,并在端面摩擦磨损试验机上进行摩擦学实验,分析其摩擦磨损性能与自润滑机理。结果表明:渗硫层中固体润滑剂的主要成分为FeS,硫化物沿着基体孔道由材料表面向内部扩散,渗硫层的厚度约为15μm;与未硫化材料相比,硫化材料的摩擦因数明显降低,且硫化时间越长,轴承表面渗硫层的减摩性能越好;表面硫化改性后,利用轴承基体多孔含油与表面渗硫层的液固协同润滑作用,其综合摩擦磨损性能比单纯固体润滑或单纯油润滑的减摩性能都要好,边界润滑工况下的抗擦伤、抗咬合性能得到改善。     

基于 MPDE-EEMD 及自适应共振解调的轴承故障特征提取方法

针对滚动轴承振动信号具有非线性、非平稳性和非高斯性,并且故障特征往往淹没于系统噪声之中而难于识别的问题, 提出了以多种群差分进化(multiple population differential evolution, MPDE) 算法来改进集合经验模式分解( ensemble empirical mode decomposition, EEMD) 的 MPDE-EEMD 消噪方法,并与自适应共振解调技术( adaptive resonance demodulation technique, ARDT)相结合实现故障特征提取。 首先,为了解决 EEMD 中加入参数依靠人工选择且难以准确获取的问题,建立极值点分布 特性评价函数,利用 MPDE 来寻优获取最佳白噪声幅值,实现 EEMD 自适应分解。 然后,采用峭度与相关性相结合的准则对分 解后的 IMF 分量进行自动筛选,将满足条件的有效信号进行重构,实现对原始振动信号的降噪处理。 最后,采用 ARDT 自动确 定对消噪信号进行带通滤波的带宽和中心频率,再通过包络解调提取出滤波信号的特征频率。 将轴承仿真故障信号与实际故 障信号用于算法的验证,结果表明 MPDE-EEMD+ARDT 能有效提取出轴承故障特征。     

几种不同衬层材料水润滑轴承的润滑特性分析

以船舶水润滑轴承为研究对象,建立水润滑轴承双向流固耦合模型,采用有限元法研究偏心率为0. 6时,赛龙、飞龙、丁腈橡胶和超高分子聚乙烯4种不同衬层材料水润滑轴承的润滑特性。研究结果表明:转速一定时,4种衬层材料沿轴向和周向的衬层变形分布较为一致,其中丁腈橡胶衬层的变形最大; 4种衬层材料沿轴向和周向的压力分布趋势也较为一致,最大的压力值均出现在210°～270°之间,同时在270°～30°之间水膜压力波动较大。4种衬层材料的摩擦因数均随转速的增大呈现先增大后减小的趋势,其中丁腈橡胶的摩擦因数最大,超高分子聚乙烯的摩擦因数最小。     

基于KJADE的列车轴承轨边声学诊断方法研究

为在线诊断运行列车的轴承状态,提出一种基于核特征矩阵联合近似对角化(kernel joint approximate diagonalization of eigen-matrices,简称KJADE)的列车轴承轨边声学故障诊断方法。首先,从校正后的轨边信号中提取原始特征,将其通过非线性映射函数映射到高维特征空间;其次,对特征空间的核矩阵进行四阶累积量的特征分解,获得新融合特征,并采用支持向量机分类器对融合特征进行辨识;最后,对轴承外圈、内圈、滚子故障和正常4种状态下的列车轨边声学信号进行分析。结果表明,该方法可以有效实现对列车轴承轨边声音信号的非线性特征提取,提高了故障的识别率。     

Canonical analysis of the Kawabata and sliding fabric friction measurement methods

Abstract

The aim of this study was to identify the latent structure and potential relationships between two sets of frictions measurements of warp-and-weft fabrics made with the sliding method and the Kawabata system (KES FB-4 method). First, linear relationships between all pairs of friction-related variables for the two methods were assessed and found to be weak and statistically not significant in most cases. Second, linear regression was applied to the variables previously exhibiting significant correlation only but the variables were found not to be useful for developing accurate predictive models. Third, multiple linear regression between a Kawabata variable and various parameters of the sliding method was used to construct a model that proved inaccurate owing to multicollinearity in the regressors; also, the method only allowed a single-dependent variable to be related. This was not the case with canonical correlation, which allowed two sets of variables to be correlated through multivariate analysis. This technique revealed a significant relationship between the two sets of friction-related variables.