基于VMD与IFWA-SVM的滚动轴承故障诊断研究北大核心

为有效提取非平稳性、复杂性的滚动轴承振动信号特征,提出一种基于变分模态分解、改进烟花算法(IFWA)优化支持向量机(SVM)的滚动轴承故障诊断方法。利用VMD对原始信号进行分解,计算得到各IMF的样本熵,将原始信号的时域特征与其结合组成特征矩阵。为提高故障诊断效率,采用IFWA优化SVM,建立IFWA-SVM模型。使用训练集特征矩阵训练诊断模型,实现滚动轴承的故障诊断。利用实测信号验证该方法,并与粒子群算法优化进行比较。结果表明:利用该方法进行诊断,正确率提高了3.33%、训练时间缩短了21.55 s,验证了该方法的可行性。     

基于机智云平台的滚动轴承在线监测系统

设计了一种基于云平台的滚动轴承在线监测系统,信号采集模块将振动传感器输出的振动信号进行变换,再通过有源滤波模块处理后交给控制器,控制器内部进行A/D采样,随后处理器对A/D采样后的信号进行参数的运算,最后将参数通过云平台传输协议模块,在利用WiFi转发给远程机智云平台服务器.该系统为滚动轴承的监测提供了一个平台,在这个平台上工程人员可以通过远程的云服务器和APP终端对滚动轴承的状态进行了解,很大程度上减少了工程人员的工作量,提高了对滚动轴承监测的效率.     

信集闭系统获取非法占用区段敌对信号的方法

针对现有矿井机车信集闭系统因采用人工设置联锁条件而导致联锁不准确的问题,介绍了一种准确获取非法占用区段敌对信号的方法。该方法在了解敌对进路判定条件的基础上,利用双向链路表表示进路元,生成进路链表,然后对进路链表进行搜索,从而得到敌对信号。实践证明,该方法能够准确获取矿井机车信集闭系统中的非法占用区段敌对信号,提高了联锁的准确性,降低了劳动强度。     

基于线阵扫描方式下的机车车顶状态检测方法

针对机车车顶异物存在和瓷瓶受损影响机车运行安全的问题,本文提出了基于线阵扫描方式下的机车车顶状态检测方法。论文用两台黑白线阵相机乒乓采集车顶图像,基于车速将图像校正后拼接成全景图,并利用区域划分法来划分大场景车顶图片,最后用SIFT特征点提取、改进后的RANSAC图像配准等算法与模板图匹配来定位瓷瓶、查找异物。实验结果表明该方法快速、有效,能够准确地找出检测图中的异物和定位瓷瓶。     

魔幻时速 摄影师的机车情人

有人把相机当成工具,有人把相机比作饭碗,甚至还有人把相机唤为情人。商业摄影师对待摄影的严谨性不容置疑,他们靠相机谋生,靠相机来发挥天才气质,他们又是如何看待相机的?他们对相机怀着的是一种怎样的情感?本期我们就和喜欢机车甚于相机的时尚商业摄影师云焰星一起,来聊聊内心对待"工具"的情感意识。     

铁路机车检修计划生成系统的研究

基于模糊理论分析了机车在运行过程中的多种影响因子对机车磨损的影响,对机车检修周期的基本影响因子J、走行公里相关因素Z以及动态因素D进行了深入研究,引入机车当量公里的数学模型,制定出合理的检修计划,建立了铁路机车检修计划生成系统.该系统为机车检修周期提供了合理的依据,大大提高了机车在运行中的经济效益.     

机车定置试验台各轮对的速度同步控制

我国铁路连续大规模提速,对机车性能要求更高了,铁路干线的运行也更繁忙,几乎不可能在线路上试验机车的性能.因此.构建适用于不同结构特点的机车,能够进行启动试验、牵引试验、制动试验等的机车定置试验台是十分必要的.本文主要论述机车定置试验台核心部分一机车各轮对的速度控制和速度同步控制的具体设计和实现.     

基于一维RepVGG协同领域自适应的电机滚动轴承故障诊断

在使用传统机器学习类方法对电机滚动轴承故障进行诊断时,电机运行工况的变化以及采集信号时的噪声干扰,会出现源域训练集和目标域测试集分布不一致的问题。提出了基于一维RepVGG协同领域自适应的故障诊断方法。RepVGG具有精度高和速度快的特点,使用一维RepVGG实现对电机滚动轴承信号的特征提取;基于提取的特征,在网络顶层结构中使用集成优化目标函数来实现域自适应,并完成轴承故障诊断。基于凯斯西储大学轴承数据集,对该方法进行了实验验证。实验结果表明,在电机变工况运行时,改进方法为诊断性能优于现有其他诊断方法。     

变转速下滚动轴承的阶频谱相关域微弱故障特征增强与提取

滚动轴承是旋转机械常用且故障率较高的部件之一,其故障的及时发现,对于设备安全、稳定运行具有重要意义。滚动轴承的早期故障特征十分微弱,容易被强背景噪声干扰所掩盖。同时,滚动轴承往往在变转速工况下运行,故障特征的时变特性导致特征提取较为困难。针对上述问题,提出一种变转速下滚动轴承的阶频谱相关(OFSC)域微弱故障特征增强与提取方法。首先,利用变转速下滚动轴承故障信号的角度时间域循环平稳特性,将故障信号转换到阶频谱相关域。然后,采用鲁棒主成分分析(RPCA)的低秩稀疏分解方法,将轴承振动信号的阶频谱相关矩阵分解为表征轴承故障特征的稀疏成分,并去除表征噪声的低秩成分,进一步提高稀疏分量的分辨率。最后对分解出的稀疏分量构建增强包络阶次谱(EEOS)来检测滚动轴承的故障特征。仿真和实验分析验证了该方法对于变转速工况轴承微弱故障特征增强和提取的有效性和鲁棒性。     

多源域子域自适应的滚动轴承剩余寿命预测方法

针对单一源域信息有限、域自适应对齐粒度不足导致滚动轴承剩余寿命( remain useful life, RUL)预测精度低的问题, 提出了一种多源域子域自适应(multi-source subdomain adaption network, MS_SAN)的滚动轴承剩余寿命预测方法。 首先,将采 集的原始振动信号进行快速傅里叶变换得到频域信号作为模型的输入。 其次,利用一维卷积将多个源域与目标域数据映射到 一个公共的特征空间,采用局部最大均值差异将每个源域与目标域的退化阶段在独立的特征空间进行领域自适应,缩小多个源 域与目标域之间的分布差异。 最后,通过综合各领域 RUL 预测模块的输出得到最终轴承剩余寿命预测结果。 在 PHM2012 数 据集上的测试结果表明该方法的预测准确率高于对比方法,能够对滚动轴承剩余寿命进行有效的预测。