MDCNet轴承智能故障诊断方法研究

目的 为解决轴承故障特征时频图像难以识别的问题,在进行时频图像训练和学习故障特征的基础上,提出新的故障诊断方法。方法 本文提出一种MDCNet网络,该网络由多尺寸卷积核模块（Multi-Size Convolution Kernel Module）、双通道池化层（Dual-Channel Pooling Layer）和跨阶段部分网络（Cross Stage Partial Network）组成。首先,将采集的振动信号经过同步压缩变换,得到信号的瞬时频率图像,然后输入神经网络获得故障诊断结果。结果 将提出的方法在西储大学轴承数据集进行预测,准确率达到了99.9%。与AlexNet、VGG–16、Resnet等传统方法进行对比试验,结果表明MDCNet方法分类精度可达99.9%,高于传统方法的分类精度（95.70%、98.51%、97.64%）。结论 结果表明,本文所提出方法的预测准确率高于其他方法的,验证了该方法在包装机械故障诊断中是可行的。     

涡流冷却静电润滑复合干式钻削技术研究

为降低机械加工过程中切削液对环境造成的污染以及处理切削液时高昂的成本,提出一种兼有涡流冷却效应和静电润滑效应的干式钻削技术与装置。将气体离子化、臭氧化后吹到切削加工区域,代替切削液实现润滑、冷却的作用,获得良好的断屑效果,同时延长刀具的寿命。基于结构参数对系统放电性能、臭氧浓度以及冷却效果的影响规律,优化装置结构,形成干式辅助钻削装置。实验结果表明：当电极锥度为15°、电极直径为1 mm、铜帽内径为3 mm、气体流量为20 L/min、驱动电压为6 kV时,臭氧浓度达到峰值34.2×10-6。通过与纯干式切削对比发现：所提技术的切削温度降低40.9%,刀具刃口基本没有损伤,切屑微观表面切痕分布清晰、条理均匀。所设计的涡流冷却静电润滑干式钻削技术在切削效应、冷却效果、刀具磨损以及切屑形态等方面均优于传统的干式钻削技术,可以用于六系铝材的钻削加工。