基于EEMD-SVD与SVM的.轴承故障诊断

针对轴承振动信号具有非线性、非平稳性以及故障特征提取困难的问题,提出了一种基于EEMD-SVD与支持向量机的轴承故障诊断方法。首先,利用集成经验模态分解方法将轴承振动信号自适应地分解为多个本征模态函数分量。然后,根据峭度准则选取6个本征模态函数分量,并将其构成的矩阵进行奇异值分解得到特征向量。最后,将特征向量输入支持向量机进行故障诊断。利用凯斯西储大学的轴承数据进行了试验,并与BP神经网络进行了对比,结果验证了本文方法的有效性。     

三臂机器人在轨动力学仿真

根据航天机器人太空作业的需要,设计了三臂机器人简化模型,应用D-H方法建立了坐标变换矩阵,推导了该机器人的运动学方程。基于ADAMS虚拟样机技术,分别在三种重力场环境下,对机器人的爬杆过程进行仿真,得到了机械手攀爬过程受力曲线,分析了影响机械手夹持力的主要因素,从而为这类机器人的设计提供参考。     

基于双谱熵模型的故障模式识别

提出利用双谱计算信号的双谱熵,并作为特征参量进行故障模式识别的方法。分析了振动信号双谱的特征,在子空间分布概率下,推导了基于能量分布的双谱熵计算方法。在理论推导分析的基础上,进行了某齿轮箱在4种工况下的振动信号提取实验,建立了齿轮箱故障模式识别BP神经网络。最后将双谱熵特征参量作为输入,对设置了4种故障工况的齿轮箱进行了故障模式识别,成功地判别了4种工况,验证了方法的有效性。     

基于敏感模态流形的变转速故障诊断方法

针对旋转机械变转速和复杂工况多分类问题，提出了一种基于构建改进敏感模态矩阵(ISMM)、等度量映射(ISOMAP)和convolution-vision transformer(CVT)网络结构的故障诊断方法。将变转速信号重叠采样之后构造高维ISMM,通过ISOMAP流形学习将ISMM映射到流形空间中，提取变转速信号的故障瞬态特征，实验证明能够很好地解决了常规方法无法对变转速数据进行有效特征提取的问题。结合自注意力机制和CNN的优点，使用CVT网络结构进行特征提取、故障识别分类。通过实验室HFXZ-Ⅰ行星齿轮箱变转速数据集对提出的故障诊断模型进行实验验证。实验结果表明，提出的故障诊断模型具有良好的识别准确率及鲁棒性。