基于正交半监督局部Fisher判别分析的故障诊断

针对有标记故障样本不足和故障特征集维数过高的问题,提出基于正交半监督局部Fisher判别分析(Orthogonal semi-supervised local Fisher discriminant analysis,OSELF)的故障诊断方法。所提出的OSELF能够充分地利用蕴含于无标记故障样本中的故障信息,避免了因有标记故障样本不足引起的过学习问题,同时采用正交迭代方式求解最优正交映射矩阵,克服现有方法无法得到正交映射矩阵的不足。正交映射矩阵的基矢量统计不相关,可有效地提高所得低维特征矢量的可辨识性。通过正交映射矩阵对故障样本集和新增样本进行维数约简,并将维数约简的结果输入粗糙优化k最近邻分类器(Coarse to fine k nearest neighbor classifier,CFKNNC)进行学习训练和故障识别。所提方法集成了OSELF在维数约简和CFKNNC在模式识别的优势,有效地提高了故障诊断的精度。通过齿轮箱故障模拟试验验证了该方法的有效性。     

基于多层降噪技术及改进卷积神经网络的滚动轴承故障诊断方法

针对滚动轴承微弱故障在强噪声下难以实现有效诊断的问题,提出了一种基于多层降噪技术及改进卷积神经网络(Improved convolution neural network,ICNN)的轴承故障诊断新方法.首先,对滚动轴承的一维振动信号进行预处理,得到标签化的数据样本,分为训练集和测试集;然后采用奇异值分解(Singul...     

冗余策略下的机械振动 WSN 高效可靠传输方法

针对大量机械振动无线传感器网络数据的传输过程中高延时和可靠性的问题,提出了冗余策略下的机械振动无线传感器网络高效可靠传输方法。首先分析对比了基于IEEE 802.15.4协议支持的ACK和Non-ACK的传输机制下的时间消耗,取消传输ACK应答帧带来的时间延时,保证大量机械振动数据的高效传输;然后提出了一种冗余策略下的数据可靠传输方法,采用部分冗余矩阵进行数据编码将机械振动原始数据在丢包率下进行数据扩展;最后,数据中心将收到的数据解码即可得到原始数据。实验结果表明,所提方法数据量经冗余编码后增加25%后,每轮传输延时可减少约3 s,传输能量消耗可降低约555 mJ,并能保证数据完整性。     

资源受限的机械振动 WSN 层次分解 CNN 边缘计算方法

用于机械振动监测的无线传感器网络节点的微控制器需要进行复杂的边缘计算,然而硬件资源受到限制。 卷积神经网 络作为一种性能优越的深度学习算法,若将其运行在 MCU 上可增强边缘 WSN 节点的计算能力。 本文提出了一种不修改 CNN 模型的层次分解方法,解决了难以在资源受限的 MCU 上运行不轻量化 CNN 的问题,实现了机械振动 WSN 节点的计算能力增 强。 首先通过设计文件结构用于分解并存储 CNN 模型参数,然后提出内存管理方法并推导随机存取存储器的消耗过程,最后 提出参数定位方法准确高效地读取模型参数。 实验表明仅使用 1. 76 KB RAM 与 2. 14 KB Flash,在 3. 15 ms 内便可实现高准确 率的边缘计算识别任务。     

基于PEDCC性能退化指标及MCRNN的滚动轴承寿命状态识别方法

针对滚动轴承退化性能难以评估、寿命状态难以识别的问题,提出一种基于相空间欧式距离相关性(phase Euclidean distance cross-correlation, PEDCC)指标和多通道卷积长短时记忆网络(multichannel convolutional neural long short term memory network, MCRNN)的状态识别方法。首先将正常轴承样本信号进行相空间重构,计算样本内重构后相邻数据之间的欧式距离,并将样本内的所有欧氏距离构成距离向量;然后利用互相关函数计算其余样本距离向量与正常样本距离向量之间的相关性,并将其作为轴承退化指标;最后利用所建立的PEDCC退化指标对轴承状态进行划分,将其输入到MCRNN网络中进行退化状态识别。其中MCRNN网络在不同通道中分别采取了不同卷积核,不同激活函数,以便于提取轴承振动信号的多尺度特征。通过轴承全寿命数据集对所提退化指标及网络模型的实用性进行验证,试验证明所提出的方法能更精确的实现轴承的退化状态识别。     

多尺度变异粒子群优化MK-LSSVM的轴承寿命预测

提出一种基于多尺度变异粒子群优化(MSPSO)算法和多核最小二乘支持向量机(MK-LSSVM)的预测新方法用于滚动轴承寿命预测。提取小波包相对能量特征对轴承性能衰退予以描述,提出MSPSO算法对MK-LSSVM模型参数进行优化选取,构造融合多核函数的LSSVM模型实现轴承寿命估计。MK-LSSVM中多核函数的引入克服了单核LSSVM对核函数类型强依赖性的弱点,MSPSO算法中种群全局大尺度均匀变异与个体局部邻域小尺度变异搜索联合策略的提出在增强种群多样性的同时保证了粒子群局部精确搜索的能力。利用实测滚动轴承振动数据分析,验证了所提MSPSO算法在模型参数优化及优化MKLSSVM模型在滚动轴承寿命预测应用中的有效性。     

国内第１套棒材无头轧制设备投入调试

唐山钢铁公司棒材厂从意大利ＤＡＮＩＥＬＩ公司引进了无头轧制技术与设备。这是亚洲第 3家、中国第1家实现棒材无头轧制的生产厂 ,目前已进入调试和试生产阶段。采用无头轧制技术 ,可大大提高有效轧制时间 ,年提高产量达 5万ｔ,提高成材率 1 5 % ;此外 ,可提高产品精度、减少事故、延长备品备件的使用寿命。该项目总投资375 0万元 (其中外汇 35 0万美元 ) ,预计年可创效益 10 0 0万元。为确保轧件质量稳定、延长精轧机轧槽的使用寿命 ,充分发挥无头焊接轧制的优点 ,唐钢棒材厂同时引进了在线测径技术和硬质合金辊环 ,使整个生产过程更加完…     

用于旋转机械状态趋势预测的量子注意力循环编码解码神经网络

提出了基于量子注意力循环编码解码神经网络（QAREDNN）的旋转机械状态趋势预测方法。在QAREDNN中,引入注意力机制以同时重构QAREDNN的编码器和解码器,使QAREDNN能够充分挖掘和重视重要信息,并抑制冗余信息的干扰,从而获得更好的非线性逼近能力;采用量子神经元构建了一种活性值和权值由量子旋转矩阵代替的量子门限循环单元(QGRU),QGRU不仅能够更加精细地遍历解空间,还具有大量的多重吸引子,因此QGRU能代替传统编码器和解码器中的循环单元以提高QAREDNN的泛化能力和响应速度;通过引入Levenberg-Marquardt（LM）法来提高QAREDNN的量子旋转矩阵的旋转角和注意力参数的更新速度。滚动轴承状态趋势预测实例验证了该方法的有效性。     

多共振分量融合CNN的行星齿轮箱故障诊断

针对旋转超声钻用于建筑装修时,噪声小而效率偏低的问题,笔者进行了振动钻机构原理创新与试验研究。首先,搭建了高低频复合旋转超声的试验振动样机,可以实现稳定的高低频复合轴向振动钻孔作业;其次,以黏土砖为对象,进行了钻孔效率试验与振动分析,低频振动的引入,虽然使超声锤击工件表面的时间缩短了80%,但在进给力基本不变的条件下,钻孔速度提高了一倍左右,噪声仍可控制在60dB(A);最后,结合振动特性分析可以推断,在高低频复合振动钻孔过程中,超声振动主要负责对脆性材料的破碎作业,而低频振动主要负责将破碎后形成的颗粒快速离开切削区,从而提高钻进速度。因此,高低频复合振动钻进新原理,可以发挥高频振动与低频振动的优势,有望发展为一类新型钻孔装备。     

新工科建设背景下机械制造技术基础课程建设探索

基于新工科建设人才培养新模式,借鉴麻省理工学院(MIT)新工科人才理念,针对机械制造技术基础课程存在的教学内容有待更新、教学方式以“教”为主、教学环节缺乏工程训练、实践教学环节缺乏系统性以及课程考核缺乏实践考核等问题,提出机械制造技术基础课程建设新思路,调整人才培养目标,构建以理论教学、实验教学、实践教学为一体的课程体系,完善以学生为中心的教育教学方式和课程考核机制,积极探索新工科背景下课程建设的有效途径,不断提升教育教学质量,培养高素质创新人才。