[设备健康管理]深度置信网络在齿轮故障诊断中的应用

针对齿轮传动系统中齿轮等零部件易出现故障或失效等问题,提出了一种基于深度学习理论的齿轮传动系统故障诊断方法。首先利用深度置信网络强大的特征自提取能力,对齿轮传动系统的振动信号进行特征提取,然后通过DBNs的复杂映射表征能力对故障信号进行故障判别。诊断实例表明,若不对齿轮振动的原始时域信号进行特征提取,直接利用DBNs对其进行诊断时,故障识别正确率只能达到 60%左右;如果对时域信号进行简单的傅里叶变换后,再利用 DBNs 对处理后的振动信号频谱进行诊断分析,正确率能达到 99.7%,从而证明了所提故障诊断方法的简易性和有效性。     

基于DBN的故障特征提取及诊断方法研究

随着装备日趋复杂化,依靠专家经验或信号处理技术人工提取和选择故障特征变得越来越困难。此外,以BP神经网络、SVM为代表的浅层模型难以表征被测信号与装备健康状况之间复杂的映射关系,且面临维数灾难等问题。结合深度置信网络(DBN)在提取特征和处理高维、非线性数据等方面的优势,提出一种基于深度置信网络的故障特征提取及诊断方法。该方法通过深度学习利用原始时域信号训练深度置信网络并完成智能诊断,其优势在于能够摆脱对大量信号处理技术与诊断经验的依赖,完成故障特征的自适应提取与健康状况的智能诊断,该方法对时域信号没有周期性要求,具有较强的通用性和适应性。在仿真数据集和轴承数据集上进行了故障特征提取和诊断实验,实验结果表明:本文提出的方法能够有效地从原始信号中进行多种工况、多种故障位置和多种故障程度的故障特征提取和诊断,并且具有较高的故障识别精度。     

DBN与PSO-SVM的滚动轴承故障诊断

针对如何提高轴承故障诊断的准确率和算法训练的效率问题,提出了一种深度信念网络(DBN)与粒子群优化支持向量机(PSO-SVM)的滚动轴承故障诊断方法。首先,求出信号的时频特征统计量,其次,利用DBN对时频特征统计量进行特征提取,最后,利用PSO-SVM进行分类。实验结果表明:相比于直接用PSO-SVM进行分类,该方法不仅准确率更高,而且算法训练的时间大大缩短了,提高了滚动轴承故障诊断的准确率和效率。     

基于DBN特征提取的模拟电路早期故障诊断方法

针对当前模拟电路早期故障诊断中特征提取方法的不足,提出了应用深度置信网络(deep belief network, DBN)进行特征提取的方法。利用混沌粒子群优化算法,对DBN中受限玻尔兹曼机的学习率开展优化,进一步提升特征提取的性能。相比于其他常用的特征提取方法,提出的DBN特征提取方法可提取出早期故障深度和本质的特征,且具有相同的故障聚集程度高、不同故障的分离能力极为明显的特点。应用二级四运放双二阶低通滤波器仿真电路和Sallen-Key带通滤波器电路板进行早期故障诊断实验,得到的故障诊断正确率分别为98.13%和100%。     

基于LE和DBN算法的轴承故障信号特征提取及诊断

为了提高机械传动系统的运行稳定性,提出了一种基于半监督拉普拉斯特征映射(semisupervised laplacian eigenmap, SLE)和深度置信网络(deep belief network, DBN)算法的故障信号特征提取方法。选择SLE算法提取高维振动信号的流形参数,在DBN内输入流形学习数据实现特征数据二次挖掘的过程,完成不同故障的分类。研究结果表明:采用SLE-DBN模型进行处理时达到了比其余模型更优性能。采用SLE算法可以显著缩短SLE-DBN组合模型运算时间。训练集样本进行识别得到的准确率接近100%,表明模型能够对训练数据起到良好的拟合效果。SLE算法相对MCA与PCA算法表现出了更优特征提取性能,当设置合适参数时可以获得近100%的准确率。当有标签样本数量介于60~120时,DBN网络相对CNN网络表现出了更优分类性能。SLE-DBN模型对于别轴承故障诊断方面都达到了理想分类精度以及实现快速识别的要求。     

基于等距映射与加权KNN的旋转机械故障诊断

针对旋转机械高维复杂故障特征数据难以快速准确辨识的问题,提出一种基于等距映射非线性流形学习与加权KNN(K-nearest neighbor)分类器相结合的旋转机械故障诊断方法.在由时域统计指标和内禀模态分量能量构造的原始特征空间中,首先利用等距映射非线性流形学习算法提取旋转机械故障状态变化的本质特征,随后将提取的低维本质特征输入给加权KNN进行旋转机械的故障模式辨识.通过对齿轮箱的实验数据分析表明,该方法不仅对高维复杂的非线性故障特征具有良好的降维性能,而且故障识别率较之传统方法也明显提高,能够有效识别出高维特征空间的非线性故障特征.     

基于等距特征映射和支持矢量机的转子故障诊断方法

针对振动信号的非线性特征,提出一种基于等距特征映射(Isometric feature mapping,ISOMAP)和支持矢量机(Support vector machine,SVM)的转子故障诊断方法。利用ISOMAP把数据从高维空间投影到低维空间而不改变数据内在属性的特点,对高维的故障振动信号降维并提取出低维的数据作为特征矢量,采用一种新核函数支持矢量机作为分类器进行故障诊断。将该方法应用于转子故障诊断,结果表明,ISOMAP-SVM方法不仅具有较高的故障诊断率,而且取得振动信号在低维空间的可视化表示。与其他核函数相比新核函数支持矢量机具有较好的诊断效果。     

基于卷积稀疏表示及等距映射的轴承故障诊断

针对卷积稀疏表示(convolution sparse representation,简称CSR)在轴承故障脉冲提取过程中过于依赖惩罚因子的缺点,提出了一种基于卷积稀疏表示、希尔伯特变换(Hilbert transform,简称HT)以及流形学习降维相结合的轴承故障诊断方法。首先,通过在不同惩罚因子下的CSR提取不同稀疏特征的脉冲;其次,针对提取的一系列脉冲进行希尔伯特变换,构造脉冲包络空间;最后,利用等距映射(isometric feature mapping,简称Isomap)流形学习算法对脉冲包络空间求解低维本征包络,以实现故障诊断。通过仿真数据以及台架实验数据验证表明:基于CSRHT-Isomap算法的轮对轴承故障诊断方法可以很好地提取轴承内圈及滚动体故障特征,通过与基于聚合经验模态分解和小波包变换的包络空间算法进行比较,证明该方法在提取本征包络、强化本征包络谱以及放大故障特征频率的谐波数方面具备较大优势。     

基于DBN模型的航空液压管路故障诊断方法

为了解决航空发动机液压管路系统中管路故障诊断困难的问题,提出了一种基于深度置信网络(Deep Belief Networks,DBN)的航空液压管路智能故障诊断方法.首先,将采集的液压管路振动数据进行处理,提取出时频域特征参数,其次,将时频域特征参数作为输入样本,输入到深度置信网络模型中,利用深度置信网络模型进行液压管路故障的识别;最后,将本方法应用于航空液压管路模拟故障实验数据中,同时将本文方法与BPNN和SVM等方法进行对比分析,结果表明:本方法对液压管路故障的总体准确率达到99.27％,平均AUC值达到0.993 7,同时表明本文建立的分类模型不仅能够实现航空液压管路状态的准确分类,而且对于管路单一故障和多故障并发情况也能精准识别.     

基于Isomap和IGA-SVM的齿轮箱故障诊断研究

为了解决齿轮箱故障诊断模式识别过程中参数难以确定的问题,引入了一种基于等距特征映射(Isometric feature mapping,Isomap)和改进遗传算法(Improved genetic algorithm,IGA)优化支持向量机(Support vector machine,SVM)参数的方法。首先在自适应最优邻域参数下,对齿轮箱振动信号高维特征集数据进行等距特征映射,通过改进的遗传算法优化支持向量机的惩罚参数和核函数参数,最终实现对降维后数据的识别分类。将所提方法应用于齿轮箱故障诊断,结果表明,所提方法具有较高的诊断正确率,与传统的支持向量机方法相比有更好的诊断效果。     

RESEARCH ON MODEL AND METHOD OF NETWORK-BASED COOPERATIVE COMMERCE CHAIN IN AUTOMOBOLE INDUSTRY

Based on the analysis on the development of the cooperative commerce in automobileindustry,the systematic model of the cooperative commerce chain in automobile industry is illustrated,the flow of agent-based NCCC (network-based cooperative commerce chain) system is described, andthe method and NCCC system in automobile industry are developed, and so the correctness and thefeasibility of the theory and the method are confirmed.     

陀螺仪电动机转子轴承研究现状与展望

根据研究工作积累和文献资料调研,对陀螺仪电动机转子用滚动轴承的相关研究技术进行了全面的归纳总结和分析评述,内容涵盖转子轴承的优化设计技术、材料、干涸弹流润滑(PEHL)机理、保持架的不稳定性、寿命和可靠性试验、提高转子轴承寿命、轴承测试与试验技术等方面,在此基础上展望了未来值得关注的研究方向,诸如转子轴承的薄膜润滑机理、可减磨延寿的纳米级颗粒润滑添加剂、润滑剂性能评价、使用陶瓷滚动体的优化设计和加速寿命试验技术,分析我国在转子轴承基础理论研究及工程应用中的现状及在技术层面上所面临的各种严峻挑战,并提出相应的对策和该领域发展的一些规划性建议。     

基于HMM的机械设备运行状态评估与故障预测研究综述

随着对机电设备安全性和可靠性要求的不断提高,准确获取趋势性故障发展历程的退化特征信息并建立有效的故障预测模型是提高设备运行可靠性的关键。隐马尔可夫模型(Hidden Markov Model,HMM)具有描述隐藏状态和观测状态的双随机过程属性,与设备的退化过程在某种程度上是相似的,因此成为故障预测模型的研究热点。综述国内外基于隐马尔可夫模型的退化评估与预测方法,重点论述基于隐马尔可夫模型及其改进方法隐半马尔可夫模型(Hidden semi-Markov Model,HSMM)的机械设备故障预测方法,分析比较各种方法的优缺点,并总结展望基于隐马尔可夫模型故障预测方法的发展趋势。     

机床在线监测与突发故障自动保护系统的研究

针对汽车工业等制造业的特点研制了关键设备的在线监测与突发故障自动保护系统。选择与机床工作状态因果关系明显的主驱动系统电流、功率、扭矩、电网电压及机床振动等信号作为在线监测信号。采用阈值监测模式，选用ＳＴＤ总线结构的工业控制计算机，以双机并行工作的方式构成模块化实时监控系统。并实际应用于工业现场，取得了良好的效果。     

自寻位数控机床的研究

对基层敏捷制造问题进行了分析 ,提出了解决问题的新思路 ,研究开发了适于基层敏捷制造的智能化自寻位数控机床。该机床通过仿人智能途径 ,主动感知工件信息、自动分析求解工件实际状态、实时生成加工轨迹 ,实现对工件的位姿自适应加工 ,彻底消除常规机床依赖精密夹具和人工找正所带来的众多弊端 ,为提高制造企业底层对市场动态变化的快速响应能力提供了一种新的装备。     

机床进给系统摩擦特性分析及改善措施研究

在建立机床进给系统动力学模型的基础上,分析了不同的摩擦特性下引起系统振荡的主要原因,为了解决超精密进给中的振荡问题,提出二级进给策略提高系统的综合刚度和采用导轨软带改善摩擦因素与速度的关系。最后通过试验证实：应用所提出的改善措施,在5 000 N载荷下进给的控制精度达到10 nm。     

转辙机振动加速度的试验研究

为了评价、改进现有转辙机对工作环境振动的适应性,并为研制新型转辙机提供环境振动的参数,以适应火车高速重载的需要。本文对牵引不同道岔、不同列车通过时的几种转辙机实际振动加速度进行了测试,从时域和频域进行了统计、计算和分析,给出测试和分析结果。结果表明,列车通过时转辙机竖向振动加速度最大,最大值范围为11－38g,转辙机振动加速度主频在400－800Hz之间。本文还建立了轮轨－转辙机的简化动力学模型,定性分析了转辙机安装对振动加速度的影响,并描述了转辙机的振动。文中测试分析得出的结果、结论和建议,对于评价和提高转辙机对环境振动的适应能力,改进转辙机的设计和安装具有一定的参考价值。     

NUMERICAL SIMULATION AND EXPERIMENTAL RESEARCH ON HYDRAULIC COUNTER-PRESSURE DEEP DRAWING OF CONICAL PART

0　ＩＮＴＲＯＤＵＣＴＩＯＮＨｙｄｒａｕｌｉｃｃｏｕｎｔｅｒ ｐｒｅｓｓｕｒｅｄｅｅｐｄｒａｗｉｎｇ(ＨＣＤＤ )ｉｓａｎｅｗｔｅｃｈｎｏｌｏｇｙｆｏｒｓｈｅｅｔｍｅｔａｌｄｒａｗｉｎｇ[1] .Ｉｎｅｓｓｅｎｃｅ ,ＨＣＤＤｉｓｔｈａｔｔｈｅｂｌａｎｋｉｓｄｒａｗｎｉｎｔｏｔｈｅｃｈａｍｂｅｒｂｙｐｕｎｃｈ ,ｆｏｒｍｅｄｗｉｔｈｃｏｍｐｒｅｓｓｉｖｅｈｙｄｒａｕｌｉｃｐｒｅｓｓｕｒｅａｃｔｅｄｏｎｉｔｓｏｕｔｅｒｓｉｄｅ .Ｔｈｉｓｔｅｃｈｎｏｌｏｇｙｆｅａｔｕｒｅｓｌｏｗｅｒｄｉｅｃｏｓｔ,ｆｅｗｅｒｆｏ…     

桥(门)式起重机箱形梁结构安全评定方法研究

以36 t集装箱门式起重机箱形梁结构为研究对象,并结合起重机结构的有限元分析结果,采用2级常规断裂评定方法,对起重机箱形梁结构上的裂纹缺陷进行了安全评定研究。评定结果表明,六处裂纹缺陷均在安全范围内。通过建立裂纹模型,确定评定参数,进行评定计算,绘制失效评定(FAD)图,探索出一套适用于起重机金属结构安全评定的流程和方法,对指导起重机结构安全评定并最终形成统一标准具有现实工作意义。