数控机床主轴系统性能退化评估方法

为了揭示数控机床主轴系统性能退化规律,准确评估主轴系统性能退化程度,采用动态模糊神经网络建立主轴系统性能退化模型.采用小波包对信号进行分解与重构,实现小波包去噪和频段分解,以小波包功率谱作为信号特征.通过融合振动信号、电流信号和声发射信号,利用动态聚类的数据预处理方法简化数据,采用滑动窗遗忘法与梯度下降法相结合训练评估模型,改善评估动态特性.仿真结果表明,性能退化评估结果准确,满足制定备件计划和主动维护的需要,具有工业推广价值.     

面向综合能源的信息物理系统体系架构及应用

综合能源系统作为新一代能源系统的重要组成,涵盖了供电、供热、供气等能源系统,多个能源系统间的耦合性强。文章立足于综合能源系统,提出了面向综合能源的信息物理体系架构,阐述了信息物理系统(cyber physical system,CPS)在综合能源系统中的层次化应用及技术特性,并对综合能源信息物理系统的核心关键技术做了深入的探讨。最后为了验证所提出的信息物理体系架构及相关技术,开发了一套多能流综合能源管理及优化系统,实现了能源监控、多能流建模仿真、源荷预测、系统运行优化、故障预测及健康管理五大功能,有力地支撑了综合能源系统的体系架构。     

数控机床智能维护系统研究

为减少数控机床的维护维修成本,减少机床停机时间,依据小波神经网络建立数控机床部件的故障预测模型,并对振动信号、电流信号以及速度信号进行处理,提取各信号的特征值训练机床部件故障预测模型。通过训练后的故障预测模型对滚珠丝杠副、导轨副以及主轴系统等进行故障预测,综合部件故障预测结果和机床传统维修方案制定最优的维修方案、维护计划和备件计划,避免因备件数量不当、维修不当及保养不佳造成的机床维护维修成本。智能维护系统有效保证了数控机床的加工精度并提高生产效率。     

基于AMESim和SQP算法的爬行焊接机温控系统优化设计

为了提高爬行焊接机温度控制系统的精度和稳定性,提出了一种基于AMESim和序列二次规划(SQP)算法的温控系统优化设计方法.通过ANSYS温度场分析优化热楔的结构,采用理论分析和试验相结合的方法获取系统各个元件的模型参数,建立符合实际工况的热楔等关键部件的数学模型,根据工作条件确定爬焊机温控系统的约束条件,运用AMESim和序列二次规划(SQP)算法对爬行焊接机温控系统的PID参数进行优化.结果表明:采用SQP算法对爬行焊接机温控系统PID参数进行优化是可行的,系统稳态温度偏差控制在1℃以内,满足快速稳定的焊接作业要求.     

基于不同核函数SVR的锂离子电池SOH预测比较

电池健康状态(state of health,SOH)预测是电池故障诊断与健康管理的重要组成部分,准确地预测电池健康状态至关重要.支持向量回归方法因具有良好的回归能力而被作为预测电池剩余使用寿命的首选数据驱动方法之一.核函数将样本从低维空间映射到高维空间,以便进行精确分类,参数选择决定核函数的映射能力,训练集的大小和分...     

高超声速飞行器模型振动及传力特性研究

提出了一种应用加速度信号研究飞行器试验模型传力特性的方法,采集飞行器试验模型不同位置的振动加速度信号,应用小波包分解方法对采集到的加速度信号进行预处理。对滤波后的信号采用经验模态分解(empirical mode decomposition,简称EMD)方法进行处理,得到信号的本征模态函数(intrinsic mode functions,简称IMFs),并通过相关系数判别并剔除伪分量。对剩余IMF分量进行希尔伯特(Hilbert)变换,得到信号的希尔伯特谱,并计算不同方向上飞行器试验模型壳体与内部结构加速度信号的能量分布差异,判断各方向上飞行器试验模型传力特性的优劣。结果表明:该方法能够用于飞行器模型的传力特性研究,且飞行器模型各向传力误差分别为0.189 1,0.098 1,0.0377,大部分气动载荷能够有效地从飞行器壳体传递到其内部结构,垂直方向上的力学传递性能最佳。     

基于字典学习和稀疏编码的振动信号去噪技术

针对现有机械振动信号去噪算法需要一定先验知识的问题,提出了一种基于字典学习和稀疏编码的自适应去噪滤波方法。根据信号的本质特性,应用在线字典学习方法对原始数据进行学习和训练,寻求数据驱动的最优字典空间。引入正交匹配追踪算法,确定原始信号在最优字典空间上的稀疏表示。基于稀疏编码和优化字典,重构原始信号,实现信号去噪。仿真和试验结果表明,相对于现有去噪方法,基于字典学习和稀疏编码的方法自适应能力强,去噪效果好。     

动态矩阵预测控制在微型燃气轮机中的应用

可调回热式微型燃气轮机具有多变量、强耦合、非线性、参数时变等诸多复杂的特性,常规控制方法难以满足控制要求。对于两输入两输出的微型燃气轮机控制系统设计,如何准确快速地实现扰动下的稳定输出,是设计控制系统的关键。首先文中基于动态矩阵预测算法设计出预测控制器,并给出误差校正矩阵、误差权矩阵、控制权矩阵和柔化系数矩阵关键控制参数分析;接着在稳定工况点下,设计了转速给定值扰动、燃料量内扰下的预测控制策略;最后基于传递函数模型进行仿真控制分析,结果验证了该控制方法能够更好地符合快速性、鲁棒性和抗扰动的控制要求,并且超调量比常规PID控制方法要小。     

数控机床滚珠丝杠副性能退化评估技术

为准确评估滚珠丝杠副性能的退化程度,提出基于量子遗传算法和灰色神经网络的滚珠丝杠副性能退化评估方法。以CINCINNATIV5-3000加工中心的滚珠丝杠副为研究对象,设计了丝杠在线监测系统,利用动态聚类数据处理技术对采集的海量数据进行预处理,提取信号的时域、频域及时频域特征,通过主分量分析方法压缩特征数量,构建了丝杠振动信号特征向量,采用量子遗传算法优化灰色神经网络的初始化参数,将特征向量输入到灰色神经网络进行训练,进而得到丝杠性能退化模型。实践运行结果表明,所建立的丝杠性能退化模型能够有效评估数控机床的丝杠的性能,研究成果具有重要的工业推广价值。     

基于t-SNE流形学习与快速聚类算法的光伏逆变器故障预测技术

光伏逆变器作为太阳能光伏发电系统的关键设备,其健康状态直接影响电力系统的安全与稳定。提出了一种基于t-SNE流形学习与快速聚类算法的光伏逆变器故障预测技术,将光伏逆变器集群的历史监测信号作为原始特征库,采用t-SNE降维算法提取光伏逆变器集群的主特征矩阵,基于快速聚类算法搜寻每一采样时刻的聚类中心光伏逆变器,分别计算每台逆变器在各个采样时刻的偏心距离,得到归一化的累积偏心距离矩阵,通过合理设定预警阈值,从而实现光伏逆变器故障的准确预测。最后基于设计开发的分布式光伏发电监控系统,利用采集的光伏逆变器集群的历史运行数据对算法进行了测试。结果表明,提出的光伏逆变器故障预测技术能够提前准确地预测光伏逆变器故障,有助于保障设备健康平稳运行。