基于三维激光技术的圆柱点云搬正及圆度计算

针对罐式集装箱在生产过程中因其自身结构和工艺把控,需要测量内容器圆度等几何尺寸的问题。本文提出基于三维激光扫描法的罐式集装箱内容器圆度尺寸获取方法。首先,通过扫描获取罐箱内容器全尺寸点云,并基于点云法向量算法去除内部加强筋板、管道等附件;然后,通过筒节椭圆拟合计算点云搬正角度,实现点云的高精度配准;最后,采用RANSAC中轴线拟合和欧氏距离计算,完成了内容器点云不同截面的圆度获取。与人工测量比较,该方法精度优于2 mm,同时测量时间在10 min左右,提高了测量效率,降低了劳动强度,为三维激光扫描用于工艺测量提供了解决方案。     

故障参数下地铁齿轮传动系统的非线性动力学分析

斜齿轮传动是地铁传动系统中一种非常重要的形式,而且斜齿轮故障对地铁运行具有重要影响,为了探究故障参数对地铁齿轮系统非线性动力学的影响,建立了刚度故障和齿面故障参数地铁斜齿六自由度齿轮弯-扭-轴耦合模型,使用变步长四阶Runge-Kutta数值积分法对含有故障参数的齿轮动力学模型进行数值分析,得到系统的动态响应过程。借助速度-时间历程图、相平面图、庞加莱截面图、分叉图等系统状态判断标准,定性分析系统激励频率、故障参数变化下系统周期运动、拟周期运动和混沌运动的演化过程。结果表明,地铁斜齿轮故障参数在不同转速时影响不同。     

基于FS-PCA-MSCD的地铁轴承可视化诊断方法

针对地铁轴承的可视化故障诊断能力,本文提出了基于特征选择(Feature Selection,FS)与多尺度类距离(Multi Scale Class Distance,MSCD)的轴承故障诊断方法.首先对地铁齿轮箱轴承振动信号进行采集,获得不同故障类型的轴承故障样本集;然后基于FS方法提取故障样本中存在的敏感特征值,并利用获得的特征向量进行主成分分析(Principal Component Analysis,PCA),基于MSCD方法对各故障聚类进行再分类,提高故障类的可分性,获得可视化程度高的故障诊断结果.利用该方法对地铁齿轮箱轴承故障数据进行可视化故障诊断,诊断结果表明该方法能够提取敏感故障特征并获得具有较高故障可分性与可视化的诊断结果.该方法为地铁轴承在线故障分析能力提供了技术支持,在地铁运行维护与故障诊断方面均具有广阔的应用前景.     

基于深度学习的动车组击打变形智能检测方法

为了保证动车组的安全运行,需要在动车组运行时进行实时在线故障监测,以便及时、准确地对故障进行检修。目前采用的是当前图像和历史图像进行对比的方法,实现列车运行状况的检测及自动预警。由于设备在不同时间所采集的图像不完全一致,所以基于该方法在识别过程中会出现误报率较高的情况,并给人工看图徒增大量的时间。文章以击打变形类的故障作为研究对象,基于改进的RetinaNet算法进行故障检测。使用CondenseNet网络替换原主干网络ResNet,极大地减小了模型计算量,整体损失也有所下降。采用Swish函数作为特征的非线性激活,在准确率上有0.7%的提升。使用多尺度特征融合对不同大小目标进行检测,试验结果表明,算法改进后有效提升了网络性能,识别率可达94.3%。     

齿面摩擦对齿轮传动系统分岔与混沌特性的影响分析

为研究齿面摩擦对直齿圆柱齿轮传动系统振动特性的影响,建立了包含齿面摩擦在内的六自由度齿轮啮合耦合型动力学模型。模型采用能量法计算齿轮啮合的时变啮合刚度,同时考虑了啮合误差、间隙非线性以及负载扭矩等因素。通过四阶变步长Runge-Kutta积分法对模型进行数值分析,得到齿轮系统随齿面摩擦系数变化下的时间历程图、相位图、Poincare截面图、分岔图等,定性分析了齿轮系统对齿面摩擦变化下的动力学周期、拟周期、分叉和混沌的运动演化历程,并通过实验进行了验证。结果表明,随着齿面摩擦系数的增大,齿轮系统动态特性响应逐渐复杂。