基于堆栈稀疏自编码器的滚动轴承故障诊断

针对提取有效滚动轴承特征和消除特征之间的冗余,提出一种基于堆栈稀疏自编码器和Softmax层构建的深度神经网络(DNN)用于轴承故障诊断。首先从振动信号提取12个统计特征和6个时频域特征,然后将获得的特征用于构建18维特征向量;高维特征向量通过堆栈稀疏自编码器逐层贪婪学习获得无冗余的高级特征;最后将高级特征输入Softmax分类层进行轴承故障诊断。实验结果表明:相比于传统BP和SVM分类器,DNN能更准确地识别滚动轴承故障类型。     

基于示功图分形盒维数的无杆抽油机故障诊断方法研究

以水基动力无杆抽油机为研究对象,基于分形盒维数理论,针对其正常、油管漏失、供液不足以及游动凡尔关闭迟缓4种不同工作状态的示功图特性进行分析,并在此基础上进行系统的故障诊断研究。研究了不同工作状态下压力－流量示功图的信噪比在0.1～0.2％范围内变化时其盒维数的变化特性。结果表明：系统压力流量信号的信噪比在0.1～0.2％范围内变化时对压力－流量示功图分形盒维数影响较小,因此压力－流量示功图分形盒维数能够用于进行水基动力无杆抽油机的故障诊断;同时该方法有利于实现基于示功图故障诊断的自动智能化分析。研究结果有利于在现场快速准确地对无杆抽油机的运行状态进行诊断,具有理论研究意义和实际应用价值。     

基于混合特征和堆栈稀疏自编码器的齿轮箱故障诊断

针对复杂工况下齿轮箱多故障信号诊断准确率低的问题,提出了一种基于混合特征和堆栈稀疏自编码器的齿轮箱故障诊断方法。从微观信号特征角度提取奇异值特征和小波分解后的样本熵特征;从宏观角度提取故障信号时域特征,将3种特征进行融合,并输入到由稀疏自编码和Softmax堆栈得到的深度神经网络中进行特征优化和分类识别。实验结果表明:在2种不同工况下,对6种齿轮箱故障数据进行诊断均表现出较高分类识别精度,且所构建的分类模型综合性能上均高于文中其他对比模型,因此本文作者所提出的方法能有效地进行齿轮箱故障诊断。     

基于小波分解与深度学习的液压泵泄漏状态识别

针对液压信号高度复杂且难以识别的特点,提出了一种基于堆栈稀疏自编码器(SSAE)与Softmax的深度神经网络(DNN)来对液压泵泄漏状态信号的特征进行优化与识别。对液压泵的压力与流量信号进行5层小波分解,计算5个高频系数与一个低频系数的样本熵值作为小波特征;融合信号的小波特征与时域特征作为低阶特征,输入构建的深度神经网络进行特征优化,学习输出高阶特征,并使用连接的Softmax层完成识别任务。实验结果表明,基于堆栈稀疏自编码器与Softmax构建的深度神经网络能够学习到液压信号的高阶特征,有效完成液压泵不同泄漏状态的识别,识别精度达到99.3%。此外与随机森林与支持向量机相比,该深度神经网络具有更好的识别精度。     

基于深度学习的液压监测系统蓄能装置故障诊断

为了提高液压检测系统故障识别的准确率,提高对液压系统中的蓄能装置故障的诊断率,提出了一种基于堆栈稀疏自编码器的深度学习算法。该方法采用希尔伯特-黄变换和小波变换对压力信号的特征进行提取,然后对堆栈稀疏自编码器(SSAE)进行训练。将训练好的模型连接Softmax分类器,实现对蓄能装置的最佳压力、压力略微减轻、压力严重减轻、接近完全失效的4类压力状态进行诊断。实验结果表明,该深度学习神经网络比机器学习的准确率更高,可以达到98. 3%,能够更好的识别液压系统蓄能装置的故障类型。     

栈式自编码器在强噪声环境下的轴承故障诊断

由于滚动轴承的工作环境复杂,所采集的信号中通常含有大量噪声,噪声的存在会影响故障诊断的结果.为了提高噪声数据的诊断精度,采用改进的小波阈值函数结合栈式自编码器(stacked auto-encoder,SAE)对强噪声环境下的轴承数据进行故障诊断.首先通过改进阈值函数对噪声数据进行去噪,其次用小波包变换提取去噪数据的小...     

基于信息融合的稀疏自编码故障诊断

针对目前大多数机械故障诊断中单一振动加速度信号特征提取对先验知识要求高和对时域、频域信息利用不充分等问题，提出了一种基于信息融合的稀疏自编码故障诊断方法。首先，对振动加速度信号进行频域积分得到速度和位移信号，同时计算加速度信号的频谱；其次，将频谱、速度、位移三种信号融合成一个复合信号；最后，将复合信号作为稀疏自编码网络的输入进行深度特征提取，利用SoftMax分类器进行状态识别。通过调整不同比例的输入信息来调整模型，并与传统的稀疏自编码故障诊断模型相比，结果表明，所提方法能有效识别滚动轴承故障和RV行星轮故障，且在减少网络层数的同时能够提高识别准确率。     

堆叠稀疏自编码深度神经网络算法及其在滚动轴承故障诊断中的应用

针对目前机械设备故障数据量大、多样性且主要采用监督式学习提取故障特征的现状,提出一种堆叠稀疏自编码深度神经网络,实现无监督学习提取振动信号内在特征,并用于滚动轴承故障诊断。将频谱包络线作为低层输入逐层训练网络,获取故障特征表达,输入Softmax分类器实现故障分类;通过优化算法对整个深度神经网络进行微调,提高分类精度。滚动轴承故障诊断实验结果表明：所提出的深度神经网络能更准确地实现故障诊断,且在保证准确率的同时将频谱包络线作为低层输入,能够提高计算效率     

基于卷积降噪自编码器和CNN的滚动轴承故障诊断

针对滚动轴承故障诊断中,振动信号往往具有非线性与非平稳性、且振动信号一般含有噪声的问题,提出一种卷积降噪自编码器和深度卷积网络(CNN)相结合的滚动轴承故障诊断方法。首先将滚动轴承时域信号输入到卷积降噪自编码器中,用无监督方式训练并在原始数据中加入噪声,提取自编码器隐含层数据作为特征实现降噪与降维,接着将提取的特征输入到CNN中进行模式识别。使用时域信号直接输入到CNN、人工特征输入到CNN两种方法作为对比,并对三种方法提取的特征进行主成分分析(PCA)。实验结果表明,基于卷积降噪自编码器和CNN的诊断方法在滚动轴承故障诊断中正确率较高、时间复杂度较低,验证了该方法的优越性。     

焊缝缺陷图像智能分类研究北大核心

为解决V型焊缝内部缺陷超声相控阵图像智能分类时代表性特征提取困难的问题,提出了一种改进的稀疏自编码器网络模型(RSAE),获取显著响应V型焊缝缺陷类型的特征集。首先,预处理缺陷超声图像,进而采用纹理特征与形状特征相结合的方法解析缺陷的明暗复杂程度、纹理粗细、沟纹深浅、灰度分布均匀程度;其次,基于Relief-F算法计算各特征对V型焊缝内部缺陷类型的敏感度,分配其为RSAE的初始权重参数,同时给RSAE三种约束实现对样本数据的重新表达。实验使用原始特征与改进的稀疏自编码器编码的特征分别作为核极限学习机的输入,识别准确率分别为87.2%与96.5%。结果表明,提出的改进的稀疏自编码器获得的高级特征较原始特征在模式识别中有更好的结果。     

基于Web的CAPP体系结构探讨

简述了我国CAPP的发展历程,针对当前CAPP系统开发的不足和企业应用CAPP系统存在的一些问题,指出了CAPP系统应向Web方向发展,并提出了基于Web的CAPP模式,介绍了这种CAPP的体系结构、功能和特点,论述了基于Web的CAPP与PDM／MRP／ERP之间的集成关系,并对其中的一些关键技术进行了简单探讨。     

基于片上系统的可重构数控系统研究

为适应柔性化制造的发展趋势,提出一种基于可编程片上系统的机床数控系统设计方案,使得数控系统可以按需重构。给出了嵌入式数控系统的总体硬件设计;说明了可编程片上系统(SOPC)的内部架构和Nios II软核处理器具体配置,实现了MCU、DSP和用户逻辑在一片FPGA芯片上的集成;设计了数控系统的重构方案并在EP2C50芯片上进行了重构实验,结果表明:整个重构周期耗时748 ms,能满足数控机床使用中的现场实时重构要求。     

基于DP-MIG的铝合金焊接工艺

DP-MIG作为铝合金焊接的一种新工艺方法,不仅可以实现均匀漂亮的“鱼鳞纹”状焊缝外观,同时也可以实现铝合金焊接的高效和高质量焊接.利用Kemppi-Pro增强型焊接电源,采用DP-MIG工艺对铝合金进行焊接,对比了DP-MIG与P-MIG的特点,从焊缝致密性和焊缝力学性能方面分析了DP-MIG工艺条件下的焊缝特点.试验证明DP-MIG工艺能够满足AWSD1.2铝合金结构生产的质量要求,是一种先进、成形质量好、稳定的铝合金焊接工艺.     

Research on Ce-Zr compounds on modifying γ-alumina washcoat on FeCrAl foils

Ce-Zr compounds such as Ce0.68Zr0.32O2 solid solution, Ce/Zr nitrate and CeO2/ZrO2 were added into γ-alumina-based slurries, which were then loaded on FeCrAl foils pretreated at 950℃ and 1100℃. The microstructures and adhesion performance between the substrates and the washcoats were measured by SEM, BET surface area, ultrasonic vibration and thermal shock test. The results show that the addition of Ce0.68Zr0.32O2 solid solution, Ce/Zr nitrate and CeO2/ZrO2 into the slurries can improve γ-Al2O3-based washcoat adhesion on FeCrAl foils. Furthermore, ceria-zirconia solid solution increases the adhesion of the washcoat on the surface of an FeCrAl foil than the two others. The specific surface area of this washcoat remains about 43-45 m2/g and the weight loss is below 4.0% even after aging test of 10%steam-containing air at 1050℃ for 20 h.     

基于多类支持向量机的板形识别方法

提出一种基于多类支持向量机理论的板形识别分类器,通过对冷轧工序中板形仪测得的数据进行预处理,获取所需样本数据。采用“一对多”方法训练多类支持向量机分类器,最后用测试样本对训练出的分类器进行性能测试。仿真结果表明该方法在处理小样本数据时识别率非常高,泛化能力更强,为板形识别提供了新的研究方法。     

碳钢表面氮化钛陶瓷化研究

介绍了一种在Q235钢表面，利用等离子溅射直接复合渗镀合成氮化钛新工艺方法。该渗镀层包括钢基体上均匀分布细小氮化钛颗粒的渗层和表面氮化钛沉积层。沉积层与基体为冶金结合，不会产生剥落。渗镀层表面硬度在1600～3400HV之间。X射线衍射结果表明，表面为纯氮化钛层，（200）晶面的衍射峰最强，具有明显的择尤取向。用划痕仪进行结合强度检测，声发射曲线未见突起的信号峰值，表明结合强度良好。复合渗镀氮化钛试样在10％硫酸、5％盐酸、3．5％氯化钠水溶液和硫化氢富液中进行腐蚀试验，耐腐蚀性能分别比改性前提高了84、11．67、1．15、21．15倍。     

PCB上化学镀银的研究

选择甲基磺酸作为化学镀银的酸性体系,考察了主盐、各种添加刑和相关工艺条件对镀层厚度及其质量的影响.结果表明在AgNO3浓度为2.5g/L,甲基磺酸的质量分数占12%,反应时间为5min等条件下,所得到的镀层均匀银白光亮,厚度为0.16μm.该工艺适用于印制电路板(PCB)上的焊接处理.并利用原子力显微镜对镀层表面形貌的检测考察了影响镀层质量的某些因素.     

基于案例推理的折弯排序方法研究

本文以钣金折弯件为研究对象,提出了一种以知识库为基础,以推理机为核心来获取弯曲件折弯工序的方法。采用面向对象技术表示实例,创建了实例知识库。利用基于案例的推理(CBR)方法获取目标零件的折弯工序。该方法能够充分利用实例加工知识,减少了试折弯次数,从而提高了折弯工艺知识的利用率和折弯件的加工效率。     

Studies on the Influence of Hexadecylamine on Chromate Phosphate Coating on Aluminium

The effect of hexadecylamine (HDA) on a Chromate phosphate coating on aluminium was studied using an optimized Chromate phosphate bath, The addition of HDA was found to decrease the coating weight, but to enhance the coating quality and corrosion resistance. The inhibitory effect of HDA helps in regulating the excessive attack on the metal and its ability to reduce Cr⁶⁺ to Cr³⁺ compensates the possible time delay for the initiation of coating deposition due to the inhibition.     

铁/铝扩散偶界面反应层生长机理分析

在不同的加热温度和保温时间条件下,对铁/铝扩散偶的元素扩散特征和界面反应层形成机理进行了探讨.结果表明,保温时间较短,界面结构为纯铁/FeAlx+Al/FeAl/纯铝,保温时间超过某一临界值,不稳定的FeAlx、准稳定的FeAl将转化为稳定的Fe2Al5和FeAl3金属间化合物,最终界面反应层结构为纯铁/Fe2A15+...