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。     

基于LabVIEW和MPScope的多轴伺服电机控制系统开发与应用

为了满足多轴伺服电机控制系统研发的需求,缩短开发周期,增强系统的稳定性,提出一种基于Lab VIEW和MPScope的多轴伺服电机控制系统的设计方法。该方法采用工控机+运动控制器+驱动器系统结构,由工控机控制系统运行,通过上位机软件调整控制参数及控制策略,利用MPScope软件实现工控机与运动控制器的通讯,最终实现多轴电机的控制。通过对该系统进行机器人应用测试,各个轴具有很好的控制精度,并能完成机器人的各种动作。应用结果表明,该方法结构简单、性能稳定、控制精度高,适用于各种多轴伺服电机联动控制,具有很高的移植性和扩展性。     

工件表面超声振动抛光方法发展概况

阐述了近几年来国内外对工件表面超声振动抛光加工和复合超声振动抛光加工研究的方法、原理及进展,并进行了对比分析。最后,指出了工件表面超声振动抛光的发展方向。