基于多输入层卷积神经网络的滚动轴承故障诊断模型

针对滚动轴承信号易受噪声干扰和智能诊断模型鲁棒性差的问题,在一维卷积网络的基础上,提出基于多输入层卷积神经网络的滚动轴承故障诊断模型。相比传统卷积神经网络诊断模型,该模型具有多个输入层,初始输入层为原始信号,以最大化地发挥卷积网络自动学习原始信号特征的优势;同时可将谱分析数据在模型任意位置输入模型,以提升模型的识别精度和抗干扰能力。通过滚动轴承模拟试验,进行可行性和有效性验证,同时与人工神经网络(Artificial Neural Network,ANN)、支持向量机(Support Vector Machine,SVM)和典型的卷积神经模型进行对比,证明了所提出模型的优势;向测试集中加入噪声来检验模型的鲁棒性,并且运用增量学习方法提升模型在强噪声环境下的识别性能;通过滚动轴承故障实例,验证模型的识别性能和泛化能力。试验结果表明,所提出的模型提升了传统卷积模型的识别率和收敛性能,并具有较好的鲁棒性和泛化能力。     

短纤维层间增韧的三维有限元分析

层间短纤维强韧化是复合材料层合板层间增韧的有效途径之一。采用三维非线性有限元方法分析了层间短纤维强韧化复合材料层合板的分层扩展问题,探讨其影响因素。以混合模式下通用裂纹扩展的能量准则作为分层扩展判据,通过虚拟裂纹闭合技术计算分层尖端能量释放率。用节点双编号和单元生死技术模拟分层扩展。采用弹簧单元模拟层间短纤维作用,通过改变弹簧刚度修正短纤维桥联力。采用GAP元处理分层区的接触非线性问题。分析了分层区桥联力对层间应力场、位移场以及分层扩展的影响。研究结果表明,层间短纤维有效延缓了分层扩展,增韧效果明显。     

主轴—刀柄结合面刚度建模方法

为建立高速旋转状态下的主轴—刀柄结合面刚度模型,提出了经典弹性理论和吉村允孝积分法相结合的半解析方法,求解在高速旋转状态下的主轴一刀柄结合面刚度.采用文献[2]的实验数据验证了该方法的有效性.在此基础上建立了在高速旋转状态下的主轴—刀具耦合系统的动力学模型.采用基于Riccati变换的整体传递矩阵法,对主轴—刀具耦合系统的动态特性进行了分析.考察了主轴转速软化结合面刚度因素对系统动态特性的影响.通过对比说明,高速旋转产生的离心力对主轴—刀具耦合系统的动态特性有较大影响;所提的计算模型和方法可以实现高速旋转状态下的主轴刀柄结合面刚度的求解.     

利用轴承状态信息的维修决策

针对当前机床轴承的可靠性评估不涉及使用过程中状态特征量的特点,提出了基于状态量监测维修的视情维修决策。首先,通过加速度传感器采集轴承的运行状态信息。然后,对其提取均方根、频率中心等状态特征量,并建立了以威布尔分布为失效率函数的比例风险模型( Weibull proportional hazard model, WPHM),再通过牛顿迭代法结合同类型部件的寿命数据估算出风险模型中的3个参数。最后,建立了基于威布尔比例风险模型的维修时机决策模型,利用同类型部件寿命数据确定维修的失效阈值,根据此阈值即可进行维修决策。结果表明：该决策能够明显提高机床轴承的可利用率,最大程度地发挥机床的有效寿命。     

组合阶梯梁振动特性计算方法及应用

在机械加工过程中,对机床主轴进行结构优化或者合理选择刀柄刀具可以改善机床主轴刀柄刀具系统的振动特性,从而提高加工质量和效率.针对机床主轴刀柄刀具系统的振动特性问题,提出了一种基于组合阶梯梁模型的计算方法.基于伯努利-欧拉梁模型,提出了悬臂梁状态下的变截面阶梯梁的固有频率和振型的计算方法;基于实际应用中的刀柄铣刀配合系统,将阶梯梁模型进一步改进为组合阶梯梁模型,提出了梁组合部分的等效弯曲刚度和密度的计算方法,并将该方法应用于刀柄装夹铣刀系统的振动特性分析中,通过有限元法和实验结果验证了该方法的有效性.结果表明:与铁木辛柯梁理论相比,本文算法在计算机床刀柄刀具系统等具有大长径比并且考虑模态阶次较低的情况下,计算误差小,计算效率提高1倍.     

基于加速退化试验的滚珠丝杠副统计分析

为有效地获取滚珠丝杠副精度寿命特征,利用滚珠丝杠副磨损特征建立加速退化模型,并且根据设计的试验装置和试验过程的摩擦力矩值变化情况,采用参数估计方法进行退化数据的统计分析,获得不同应力水平下的滚珠丝杠副加速退化参数模型.同时,根据不同应力条件下实测的滚珠丝杠副摩擦力矩退化数据,计算出滚珠丝杠副定位反向变动量,为滚珠丝杠副的定位精度退化提供一种新的评价方法.建立的滚珠丝杠副加速退化模型针对其磨损进程极为缓慢的特性,利用该退化方法能较准确地推算出滚珠丝杠副精度寿命,能节约滚珠丝杠副试验费用、试验时间和指导滚珠丝杠副的设计.     

Dynamic characteristic analysis of whole machine tools based on Kriging model

In order to study the variation of machine tools＇ dynamic characteristics in the manufacturing space, a Kriging approximate model is proposed. Finite element method （FEM） is employed on the platform of ANSYS to establish finite element （FE） model with the dynamic characteristic of combined interface for a milling machine, which is newly designed for producing aero engine blades by a certain enterprise group in China. The stiffness and damping of combined interfaces are adjusted by using adaptive simulated annealing algorithm with the optimizing software of iSIGHT in the process of FE model update according to experimental modal analysis （EMA） results. The Kriging approximate model is established according to the finite element analysis results utilizing orthogonal design samples by taking into account of the range of configuration parameters. On the basis of the Kriging approximate model, the response surfaces between key response parameter and configuration parameters are obtained. The results indicate that configuration parameters have great effects on dynamic characteristics of machine tools, and the Kriging approximate model is an effective and rapid method for estimating dynamic characteristics of machine tools in the manufacturing space.     

汇流传动齿轮-转子-轴承系统非线性动力学分析

考虑齿侧间隙、传动误差和时变啮合刚度等非线性因素,并同时考虑滑动轴承非线性油膜力和齿轮啮合力的耦合影响,建立了汇流传动齿轮-转子-轴承系统的动力学模型。从转速方面出发,研究了齿轮系统的非线性动态响应,分析了齿轮啮合力和非线性油膜力之间的耦合作用,判断了转速变化下的油膜稳定性。结果表明：随着转速变化,系统表现出周期一运动、周期二运动、拟周期运动,混沌等丰富的动力学特性,并发现了拟周期分岔通向混沌的道路;随着转速升高,非线性啮合力和非线性油膜力先后对系统振动起到主要作用;油膜振动通过半频涡动失去了稳定性。     

基于VMD的滚动轴承早期故障诊断方法

滚动轴承是旋转机械的重要零部件,当发生早期故障时,难以有效地提取其微弱的故障特征.针对这一问题,提出了优化参数K取值的变分模态分解(variational mode decomposition,VMD)早期故障诊断方法.首先,通过瞬时频率均值判断法确定模态数K的取值,然后用VMD方法对采集的轴承故障信号进行处理.通过筛选轴承故障信号分解得到本征模态函数分量,对其中的敏感分量进行包络谱分析,从而判断轴承的故障类型与严重程度.最后,分别比较EMD和原VMD算法得到的结果.结果表明:优化后的VMD算法能成功地提取滚动轴承早期故障特征,实现轴承早期故障诊断.