非完备数据集下的标准自学习数据增强滚动轴承故障诊断方法

滚动轴承的智能故障诊断是设备安全、高效运行的重要保障。然而,非平稳的运行工况使采集到的训练数据集呈现不完备的特点,导致基于数据驱动的模型仅能从中学习到极为有限的诊断知识,致使诊断准确率大幅下降。针对此问题,以生成扰动样本扩充原始数据集的完备性为目的,提出了标准自学习数据增强故障诊断方法。该方法包含标准自学习和数据增强两个训练步骤,将一维卷积神经网络的训练过程看作模型自学习出评判扰动样本的标准,基于此标准,采用样本参数化与模型数据化方法生成扰动样本。两步骤交叉进行,不仅能生成扰动数据、增强数据集完备性,同时能获得非平稳工况下的故障诊断模型。此外,通过研究不同数据生成次序的样本差异,发现所提方法在生成数据时,通过数据生成距离与方向的随机性叠加,保证了生成样本的多样性。实验结果表明所提方法在不完备的训练数据集下对非平稳工况样本的诊断具有有效性和优越性。

轴承退化状态表征的流形融合指标构建方法

针对传统数据融合构建的轴承退化状态表征指标易受噪声影响,存在波动和难以兼顾轴承退化状态的全局结构和局部结构等问题,提出了基于一致流形近似与投影的轴承退化状态表征的融合健康指标构建方法。首先,分别在时、频域内计算轴承退化状态表征指标,构建原始高维退化趋势特征集;然后,建立退化状态敏感特征筛选准则,从高维特征集中筛选出较好表征轴承退化状态的特征指标;最后,引入一致流形近似与投影算法和指数加权滑动平均对筛选出的敏感特征进行融合与平滑,构建轴承退化状态表征指标。通过两组全寿命轴承振动数据对所提方法进行验证,结果表明,与单一指标以及传统的指标融合构建方法相比,该方法可以克服单一指标表征能力有限和传统指标融合方法能力不够全面等缺点,能有效提高轴承健康指标的单调性与趋势性,以准确表征轴承的退化状态。

频域特征驱动的车辆旋转部件灰色故障诊断

根据不同故障引起的振动信号频域特征各异的特点,首先,运用调Q小波变换(tunable Q-factor wavelet transform,简称TQWT)的频率响应对车辆旋转部件振动信号或其包络信号进行分析,构建以信号在不同频段各子带能量占比为元素的特征向量;其次,针对灰色接近关联度在处理2组相交的序列时存在的两序列变化趋势不同、原始累差小而导致关联度过大的问题,提出了灰色绝对接近关联度模型;最后,在所构建的频域特征向量驱动下,计算其与标准模式的灰色绝对接近关联度,对车辆关键旋转部件故障状态进行识别。利用所提方法对列车轮对轴承和汽车变速器齿轮箱不同运行状态的振动信号进行分析,结果表明,所提方法能够准确识别车辆旋转部件的运行状态和故障类型,通过对比分析验证了该方法的优越性。

基于指数调节策略对抗网络学习的轴承故障诊断研究

基于深度学习的故障诊断方法被广泛应用于以轴承为代表的机械关键部件故障诊断,其取得理想效果的前提是有足量故障样本且训练集、测试集满足同分布要求。然而,在实际工况下数据分布会发生变化,进而使原有工况下的诊断模型很难适用于新工况。为此,域适应类迁移学习方法被用于解决训练集、测试集分布不同的问题,其重点在于实现数据分布适应,即度量数据分布差异,并利用度量结果对模型训练进行指导,从而提升学习效率和诊断准确率。在此基础上,提出了一种基于对抗学习的域适应方法,该方法的核心是将提出的指数调节策略与对抗网络相结合,使得网络在故障诊断过程中更有针对性地适应目标域的数据分布。该网络由特征提取器、分类器、一个全局域鉴别器和多个局部域鉴别器组成,利用对抗策略和适应性矩估计算法对模型进行优化,并通过基于指数调节策略设定的指数自适应因子对模型中的边缘分布和条件分布重要性进行调节,使得模型可以稳定、高效地进行故障诊断。在跨转速、跨负载和同时跨转速和负载的轴承诊断案例中对提出的方法进行验证,结果表明本文方法的诊断效果优于其他域适应方法,并具有较好的稳定性。

面向变工况下工业流数据故障诊断的持续迁移学习系统

机器学习模型在智能故障诊断中取得了显著成功,但主要应用于静态场景。在实际场景中,新的故障类别数据以流形式不断产生,且数据分布随机械设备运行条件变化而发生变化,导致连续流数据具有非独立同分布的特征,这种面向非独立同分布连续流数据的诊断问题被称为持续迁移诊断问题。针对此问题,本文提出了一种基于持续迁移学习系统(CTLS)的故障诊断方法。该方法设计了域适应学习损失函数和持续迁移学习机制,能有效处理变工况下的工业流数据,无需重放旧类别数据便能够能学习新类别知识。此外,利用机械故障诊断案例评估该方法的性能,分析结果证明CTLS能够高效处理变工况条件下的工业流数据,是一种极具潜力的解决实际工业问题的可靠工具。

高效带宽傅里叶分解及其轴承故障诊断应用

自适应带宽傅里叶分解(Adaptive Bandwidth Fourier Decomposition,ABFD)是一种基于带宽优化的非平稳信号分析方法。然而,以中心频率重叠度作为分解终止条件在实际应用中会分解出若干冗余的模式分量,造成分解效率降低,为后续分析增加负担。为此,提出高效带宽傅里叶分解(Efficient Bandwidth Fourier Decomposition,EBFD)的轴承故障诊断方法。该方法构建重加权峭度引导的快速停止准则,能够高效地确定最优分解模式数目,避免大量冗余分量的干扰。进一步地,根据重加权峭度指标定位出目标故障分量,实现轴承故障诊断。滚动轴承故障试验信号分析结果表明:所提出方法能够高效终止分解进程,得到所有潜在的模式分量,并准确定位出故障分量;由EBFD与ABFD提取故障分量的归一化频率能量比均为1.0,EBFD运行所需时间为3.3 s,分解速度相较于ABFD提高33.8 s;相较于其他信号分析方法,采用所提出方法能够更准确识别出轴承故障特征。

循环双谱及其在齿轮箱故障识别中的应用研究

基于对循环累积量的分析 ,提出一种表示信号在一定循环频率集的循环双谱表示方法。齿轮箱振动信号的三阶循环平稳性通过对齿轮的传递误差、齿轮的动力学和振动信号的三阶循环矩的分析来证明。齿轮箱振动信号的循环双谱将齿轮箱的状态特征比较清晰地表示为频率的循环双谱大小分布 。

基于降维的独立分量分析及信号特征成分检测

旋转机械的局部故障导致在振动信号中出现瞬态冲击响应信号,对瞬态冲击响应信号的有效检测与提取是实现机械故障检测的关键。在独立分量分析的基础上,结合瞬态特征提取的特点,提出一种基于降维的独立分量分析的瞬态成分提取方法。通过比较不同降维数下瞬态特征提取的结果,验证了该方法的有效性。将该算法应用于轴承外圈、内圈及滚动体局部故障下瞬态冲击响应成分的提取,并将获得的结果与均值滤波算法和小波阈值算法的结果相比较,进一步验证了该方法对故障特征信号提取的有效性与优越性。

基于连续小波和统计检验的瞬态成分检测与应用

将连续小波变换和统计检验结合用于检测信号中具有一定时频分布的瞬态成分,提出了一种基于连续小波变换和统计检验的瞬态成分检测方法,并用于圆锥滚子轴承振动中的瞬态成分的检测与提取,比较有效地检测出瞬态成分,并在此基础上应用连续小波变换反演得到瞬态成分的估计,表示轴承的状态特征,作为轴承故障诊断的依据。

基于小波尺度图重分配的轴承瞬态特征检测与提取

提出基于小波尺度图重分配的信号瞬态特征检测方法和瞬时能量估计方法,并应用于轴承在多种轻微故障状况下的振动非平稳特征的检测与表示。结果表明,重分配的小波尺度图能够以较高的时频分辨率表示轴承振动中的非平稳特征,反映轴承的多种故障,瞬时能量估计可以作为分析轴承状态的依据。

周期特征的极坐标同步增强及其在轴承故障检测中的应用

提出一种信号周期瞬态特征的极坐标检测方法,该方法在小波变换的基础上,针对信号中有限种可能的周期瞬态情况,将信号的小波变换的时频特征表示为极坐标图上某一区域的显著增强的特征,实现了周期瞬态特征的检测与增强。针对轴承的3种典型故障,采用极坐标同步增强策略,将轴承故障特征以显著的形式表示在极坐标上,实现了轴承故障的检测。

信号瞬变成分检测与提取及其在故障诊断中的应用

研究基于小波变换的信号瞬变成分检测与提取方法及其在机械故障诊断中的应用 .在分析信号的连续小波变换的模极大值理论的基础上 ,指出连续小波变换系数的模与信号瞬变成分的关系 ;通过分析小波函数的性质 ,分析小波函数对信号的连续小波变换的影响 ;在信号瞬变特征的提取过程中 ,提出基于门限值的特征重建方法 .将该方法应用于齿轮箱振动信号中瞬变成分的检测与重建 .结果表明基于连续小波变换方法能有效检测到信号中的瞬变成分 ,瞬变成分的重建结果有效地表示了机械的故障状态 .

基于机器学习的高铁齿轮箱智能运维应用现状与发展趋势

高铁齿轮箱作为重要的传动部件,其性能和可靠性对整个车辆的安全运行至关重要。近年来,机器学习算法有效解决了传统智能运维方法存在的问题,基于机器学习的智能运维技术在高铁齿轮箱的故障诊断、预测性维护及维护决策优化等领域取得了显著进展。因此,系统梳理了传统机器学习、深度学习以及迁移学习在高铁齿轮箱智能运维领域的研究现状,深入探讨了高铁齿轮箱实现智能运维的主要挑战及基于机器学习的高铁齿轮箱智能运维的发展趋势,旨在为高铁运维领域的研究人员和实践者提供有益的参考与指导。

转向工况下的汽车制动防抱死控制的仿真研究

分析了汽车制动动力学,建立了转向制动工况下四轮仿真模型。进行了未安装防抱死装置(ABS)的转向制动仿真试验,结果表明车轮在制动过程中抱死且侧滑严重。建立了基于加权的纵向滑移率及其变化率和横向滑移率的Mamdani模糊控制器,并进行了转向制动仿真试验。制动距离和制动时间表明ABS不仅能减少制动距离,而且能够保持制动时的方向稳定性,说明基于模糊逻辑的ABS能够显著提高汽车的制动安全性能。

镁铝合金铸件压铸过程的模流分析

铸件的模流分析技术是利用计算机对铸件动态填充过程进行模拟。在对镁铝合金笔记本电脑内构件进行压铸模具设计的基础上,对其压铸进行模流分析,并通过模流分析寻找最优压铸条件。压铸过程模拟表明模流分析能够很好地模拟填充过程,且能验证模具工艺的合理性,为模具的设计提供科学的依据。

宇航产品研制成本管控策略研究

随着宇航产品价格市场化改革的不断深化,竞争性采购模式以及商业航天低成本制造优势加剧了传统航天领域的市场竞争,低成本已成为航天领域产品的核心竞争力之一。以A企业为例,通过分析A企业宇航产品成本形态、结构及管理现状,梳理产品成本管控存在的问题,提出成本管控策略,该策略可以提升A企业的成本管控水平。

汽车塑料件注塑模具的CAE流场分析与应用

模流分析技术是利用计算机对注塑件动态填充过程进行模拟。该文在对汽车内锁止把手进行注塑模具设计的基础上,对其注塑过程进行模流分析,并通过模流分析验证结构的合理性。注塑过程模拟表明模流分析能够很好地模拟填充过程,且能验证模具工艺的合理性,为模具的设计提供依据。

运动条码畸变测量与校正

帧暴光CCD固体器件检测的图像无畸变,但是价格较高;行暴光CCD器件虽然价格较低,但是存在畸变。针对行暴光的图像的畸变,提出一种运动条码畸变的最小二乘法估计以及基于这个估计的畸变校正方法。对畸变图像校正的效果表明该方法的有效性,为低成本的检测器件代替高成本检测器件提供方法。

城市轨道交通车辆工程专业方向课程体系设置的思考

城市轨道交通车辆工程专业方向是适应我国城市交通的迅猛发展而新进演化出的专业方向。作为车辆工程专业的方向,城市轨道交通车辆工程专业方向具有一定个特殊性,其的课程体系建设是一个值得探讨的问题。论文提出城市轨道交通车辆工程专业方向课程体系设置的基础性原则、专业性原则、特殊性原则和广泛性原则;并进一步分析了城市轨道交通车辆工程专业方向与力学、机械工程、电气工程和车辆工程等专业的相关课程的关系。

气辅注射成型过程的仿真试验研究

强调气辅注射成型(GAIM)的工艺参数对于塑件成型质量的意义,介绍GAIM过程分析的理论与方法。针对GAIM塑料零件,对GAIM填充过程进行仿真试验,验证填充参数对注塑件成型的影响,并进行了气辅填充质量的预测;仿真试验的结果验证了塑件结构的合理性和成型过程参数的正确性。提供的方法为气辅成型的分析提供了经验。