基于改进Laplace小波和改进卷积神经网络的压裂车动力端轴承故障识别

在强背景噪声工况下,压裂车动力端轴承振动信号故障特征较微弱,导致轴承故障诊断的准确率较低。针对这一问题,提出了一种基于改进Laplace小波(ELW)和改进卷积神经网络(ECNN)的压裂车动力端轴承故障识别方法。首先,采用了一种Laplace小波振荡频率参数选取策略,使Laplace小波搜寻到了最佳频率参数;然后,采用改进Laplace小波,对采集到的压裂车动力端轴承故障振动信号进行了降噪处理,并在卷积神经网络(CNN)的基础上引入了自注意力机制和编码器、解码器结构,设计出了改进卷积神经网络(ECNN)模型;最后,将压裂车动力端轴承降噪后的信号输入改进卷积神经网络,进行了自动特征提取和故障识别;为了验证该方法的有效性和先进性,将其与其他方法(模型)进行了对比分析。研究结果表明：采用基于改进Laplace小波与和改进卷积神经网络的方法(模型),对压裂车动力端轴承故障进行识别的准确率可高达99.67%,单个样本的测试时间仅为0.14 s;在识别准确率、召回率、F1得分和统计检验等方面,与其他方法(模型)相比,基于改进Laplace小波与改进卷积神经网络的组合模型具有更为优秀的故障识别性能。     

一种新型气动肌肉执行器的结构设计与控制研究

传统的气动肌肉执行器存在结构单一、功能低下的问题,为此,基于蛇在蜿蜒运动时的灵感,提出了一种具有向两个相反方向弯曲能力的双弯曲型气动肌肉执行器(DB-PMA)。首先,以传统的收缩式气动肌肉执行器(CPMA)为切入点,描述了DB-PMA的机械结构,包括DB-PMA仿生学设计基础以及DB-PMA的基本机械结构;然后,在“放松”、“加压”、“特殊”3种不同状态下,展开了对DB-PMA的相关运动学分析;并基于DB-PMA进行了实验,对实验结果进行了分析,将其与传统CPMA进行了性能方面的对比;最后,基于该执行器设计了一款软体机械臂,对该机械臂的性能进行了展示,并使用两种方法对其进行了优化改进,并对改进后的机械臂做了分析。研究结果表明：通过第一种改进方法可以使机械臂的最大弯曲角度增加到213°,通过第二种改进方法可以明显地使机械臂的控制更精准;相较于最初的机械臂,两种改进方法均能使机械臂的性能得到了明显的优化与改善。