非对称循环载荷下铝基复合材料的疲劳寿命预测

铝基复合材料由不同力学性能和疲劳行为的多种材料组成。在非对称循环载荷下,各组分间的相互作用和影响使其疲劳寿命预测变得复杂。为解决这一问题,研究一种非对称循环载荷下铝基复合材料疲劳寿命预测方法。用Na_(3)Al F_(6)和Ti O_(2)粉末强化铝合金基体,制备出复合材料样品。设计非对称循环载荷加载条件。用Walker裂纹扩展式结合Chaboche模型进行铝基复合材料疲劳寿命预测,Chaboche模型能较好地描述材料在循环加载下的非线性行为;通过引入应力比参数,Walker公式可更准确地预测裂纹在不同应力水平下的扩展行为。将两者结合能更全面地考虑材料在疲劳过程中的各种因素,从而提高疲劳寿命预测的准确性。结果表明:随着应力幅值的增加,试件裂缝长度随之上升,同时随着循环圈数的增加,试件应力随之上升,这使得铝基复合材料疲劳寿命下降,且该方法的预测结果与实测值更接近,说明预测结果可靠。

深度多模态迁移学习在轴承故障诊断中的研究

在工程实际中,设备数据样本往往以正常数据居多。故障样本稀缺且模态单一使得可用于训练的故障信息特征提取不足,同时训练和测试数据分布往往存在差异,从而导致模型迁移诊断能力较弱。针对该问题,提出将深度学习模型CNN与多模态融合迁移学习技术相结合(Deep Multimodal Fusion Transfer Learning,DMFTL)应用于轴承的故障诊断中。首先以CNN为基本学习框架,将原始一维振动信号的时域和频域进行多模态信息融合对模型预训练;然后以最大均值差异(MMD)为度量准则,通过域自适应来最小化源域和目标域的差异;最后引入构造的正则项到模型中,以完成跨域诊断。通过对CWRU轴承数据集的迁移诊断试验及对比分析,验证了该方法的有效性和优越性。

机械工程控制基础课程思政探索

为了贯彻课程思政的创新教育理念,将课程思政融入机械工程控制基础课程教学,以立德树人为根本育人目标,以提升学生“思政素养”“科学素养”和“文化素养”为课程的思政目标,对课程的思政元素进行了深入的挖掘和提炼,通过提升教学设计能力、创新课堂教学方法、扩展教学实践场域等多重手段,实现专业育人与育才的统一。

面向GEO目标探测的面阵TDI空间相机

为了提高远距离、暗弱目标探测灵敏度,通常需要增大可见光相机口径,这会显著增加相机的质量和体积,无法适应卫星轻小型化要求。针对低轨探测地球同步轨道(GEO)目标需求,利用低轨零倾角卫星与GEO目标相对速度恒定,设计了面阵相机时间延迟积分(面阵TDI)成像模式。与自然交会模式、面阵凝视模式相比,在不增加相机口径的前提下,大幅提高了相机探测灵敏度。阐述了面阵探测器TDI成像原理,推导了相机信噪比计算模型,对目标运动、积分时间、探测灵敏度和信噪比等主要成像参数进行了计算,分析对点目标探测成像的影响。研制了一台原理样机,在暗室条件下的实测结果表明,相机TDI级数为96级,可实现对GEO轨道目标探测能力优于15星等,信噪比大于5。

GA-CFS结合案例推理的轴承故障诊断

针对轴承故障诊断中知识难以获取的问题,提出了一种GA-CFS(Genetic Algorithm and Correlation-Based Feature Selection,GA-CFS)结合案例推理的轴承故障诊断方法。利用案例推理技术(Case-Based Reasoning,CBR)建立轴承故障案例库进行故障诊断。又针对案例推理技术中案例检索时遇到的属性冗余问题,以及难以人工确定关键属性及其权重的问题,采取GA-CFS方法对属性集合进行筛选,初步确定特征子集,再根据遗传算法确定各个子集中的特征的权重,最后根据特征子集及其权重选取符合要求的最佳特征子集,再用该特征子集构建轴承故障案例库,并通过实验验证了该方法的可行性。

基于深度动态域适应的轴承故障诊断研究

针对迁移学习中源域,目标域数据分布差异大,传统学习中边缘分布与条件分布贡献动态变化难以适应的问题,提出了一种基于深度动态域适应的轴承故障诊断方法。在域适应层引入动态分布自适应方法,通过域分类器分别进行边缘分布对齐和条件分布对齐,在根据平衡因子动态衡量条件分布和边缘分布对域的贡献度,进行动态域适应。通过对凯斯西储大学和江南大学轴承数据集变工况下的迁移诊断试验及对比分析,有效地提高了跨域诊断的精度,验证了所提方法的有效性与卓越性。

基于深度动态密度估计的轴承异常检测

针对传统的机器学习算法在应对工业系统中样本不均衡现象时难以获得较高的异常检测性能的问题,提出一种基于深度动态密度估计的轴承信号异常检测方法(DCEN)。首先,训练该压缩网络时只需要从正常样本中提取特征,得到原始数据的低维表示;接着将其进一步输入到高斯混合模型(GMM)中,对正常数据进行动态密度估计;然后,利用估计网络来促进模型的参数学习,以端到端的方式多次迭代同时优化深度自动编码器和混合模型的参数;最后,采用高斯混合模型的预测能量值作为异常分数,模型在没有学习异常样本分布的情况下将故障样本输入到本文模型中产生更高的异常分数来检测异常。通过在3个不同轴承数据集上的实验和对比分析,验证了该方法的有效性和优越性。

齿式联轴节不对中转子的动力学响应分析

齿式联轴节不对中是极为常见的现场故障,危害极大。为了有效地认识其故障物理机理和动力学特性,建立一种针对齿式联轴节不对中故障的转子—轴承系统的有限元分析模型,考虑在两种状态(平行不对中和角度不对中)下联轴器所受的力和力矩,并建立其动力学方程,通过双跨转子不对中的动力学分析和仿真研究,得出不对中量和稳态响应特性之间的量化关系。同时对2倍频相位的分析表明:在平行不对中状态下,联轴器两端相位相同,而角度不对中状态下两端相位差约为180°。该特征可作为不对中故障识别的重要参考。

小波—能量算子解调法的滚动轴承故障诊断

提出一种小波—能量算子解调法用于滚动轴承故障诊断中,利用小波变换的特性提取滚动轴承的能量集中的高频调制频带,并利用能量算子法对其实现解调,成功发现滚动轴承的故障源,实例表明能量算子解调方法相对于Hilbert解调法有更高的精度和更小的运算量,结合小波可以很好地运用于滚动轴承的早期损伤类故障诊断中。

进动分解及其在转子动平衡中的应用

当转子各向刚性存在明显差异时,传统的基于单向传感器测量的转子平衡方法其效果受方向影响,平衡效果不稳定。提出一种针对影响系数法的改进方法,该方法采用基于双传感器的信息融合方法,将不平衡响应椭圆分解为正进动和反进动圆,并以正进动圆的幅值和初相位作为不平衡响应,取代传统的单传感器测得的响应进行转子平衡,取得了良好的效果。数值模拟的结果表明:在忽略非线性因素情况下,改进方法与传统方法数值趋于一致,且高度兼容;实验验证结果表明:改进方法计算结果客观唯一,精度更高。

Al-5.2Cu-0.4Mg-1.02Ag合金的时效析出行为研究

研究了Al-5.2Cu-0.4Mg-1.02Ag合金在不同时效制度下的力学性能和显微组织,并详细分析了合金的主要析出相Ω的形核与粗化,同时提出了浓度台阶粗化机制.结果表明:合金的主要强化相是Ω相和θ′相.欠时效时出现了大量细小的Ω相和少量的θ′相;峰时效时Ω相和θ′相的体积分数大大增加,且Ω相与基体呈半共格关系;过时效时出现了球状的平衡θ相,Ω相略为长大,而θ′相的长度和厚度明显增大.Mg/Ag原子簇是时效初期Ω相的形核核心;Mg,Ag和Cu的浓度差异引起的台阶迁移是Ω相粗化的驱动力.由于Mg和Ag原子在Ω相与基体界面存在时降低了晶格的畸变能,使得Cu原子向Ω相迁移的速率受到限制,因此Ω相能够在长时间下保持片状而不发生共格失稳.

旋转机械故障可视化方法的研究

将高维的各种故障样本数据经降维和聚类后 ,在二维的平面上显示出来 ,使每种类别的故障占据平面的不同区域 ,从而达到故障可视的目的。据此能很好地对新的样本进行故障识别 ,还可以对故障的发展趋势进行预测。采用Kohonen的自组织神经网络方法可以对故障样本数据进行降维和聚类。

基于C++的对象关系映射架构

为了解决领域模型和数据库之间的紧耦合问题,提出基于C++的对象关系映射(ORM)架构。给出抽象基类、映射器注册表类的关键技术和部分实现代码,通过智能指针实现领域对象的关系映射和生命周期管理。基于该架构设计并实现的ORM子系统,已应用于设备状态检测与安全评价系统中,运行情况良好。

基于FV-FBE的滚动轴承故障诊断研究

针对单通道信号不能全面提取旋转机械的振动信息,为了从强背景噪声中准确提取出滚动轴承的微弱故障特征,提出了一种全矢频带熵(FV-FBE)的滚动轴承故障诊断算法。该方法采用短时傅里叶变换计算频带熵(FBE),根据FBE最小原则自适应设计双通道信号的带通滤波器带宽和中心频率,对滤波后的双通道信号采用全矢Hilbert包络解调,得到全矢包络谱进行滚动轴承的故障识别。实验结果表明:FV-FBE算法可以全面准确地提取滚动轴承故障特征,优于谱峭度算法得到的全矢包络谱,抗干扰能力强。

基于自动编码器和SVM的轴承故障诊断方法

支持向量机(support vector machine,SVM)应用于轴承故障诊断前,首先要提取轴承的特征信号.在以往的特征信号提取中,往往是依据已有的知识模型进行特征筛选.随着近年来深度神经网络(deep neural network,DNN)的应用与推广,自动编码器(auto-encoder,AE)在特征提取方面的优势尤为突出.作为一种无监督的学习方式,AE能够基于数据驱动提取信号的特征值,使得特征提取不再依赖于先验知识,从而让整个故障诊断过程更具智能化.本文运用改进的AE、去噪自动编码器(denoising autoencoder,DAE),进行轴承信号特征提取,并用SVM进行故障诊断.最终与基于经验模态分解(empirical mode decomposition,EMD)能量熵的SVM对比,反映具有无监督学习方式的DAE-SVM在轴承故障诊断方面的优越性,诊断准确率接近100%.

全矢动平衡方法及其实验研究

将全矢谱技术应用于转子动平衡领域,提出1种新的转子动平衡方法——全矢动平衡方法(FVDB),给出了该方法的实现途径和核心算法.与传统影响系数法相比,该方法具有精度高、评价方法客观的优点.实验表明:该平衡方法效果好,操作简单,经该方法平衡过的转子,测得的振截面各个方向的振动都能控制到较低的水平,弥补了传统平衡方法单方向振动降低而其他方向振动仍处于超标状态的严重缺陷.

归一化算法在混流泵温度监测评估中的应用

大型变频混流泵是城市原水供应中最为关键的设备,长期工作于频繁变化的工况下,常常造成故障的错判和误判,存在较大隐患。针对该问题,分析了大量同类设备在不同工况下实测温度及其影响因素,提出了一套针对大型混流泵的温度监测的归一化评价方案。该方案针对无故障机泵在典型工况下温度测量值,采用二元函数平方逼近算法,确定测量温度相对转速和环境温度的曲面拟合二元函数,利用该函数对任意转速和环境下的温度值进行处理得到归一化温度值,并建立归一化评价标准。归一化温度值剔除了环境因素和转速因素的影响,较好地反映了设备运行的劣化状况。该评价方案在机泵监测和健康评估过程中提高了准确性和预知维修水平。

ARIMA模型在旋转机械振动预测中的应用

分析了旋转机械振动的特点和ARIMA模型的建立及其他相关问题,阐述了利用ARIMA模型对旋转机械振动趋势序列进行预测的步骤和方法,并利用VC++6.0编程实现了自动建模和预测等功能.实例表明:对于满足该模型适用条件的非平稳序列,利用ARIMA能够准确将其通过差分变成平稳序列,因而能够对该序列进行精确的多步预测.

Al-5.2Cu-0.4Mg-1.02Ag合金板材组织性能的研究

通过显微硬度测试、力学性能测试、透射电镜分析等手段研究了Al-5.2Cu-0.4Mg-1.02Ag合金板材在欠时效、峰时效、过时效的力学性能和显微组织。结果表明:合金主要强化相是Ω相和θ′相,它们之间存在竞相析出与长大的关系。欠时效时出现大量细小的Ω相和少量的θ′相,尺寸约为15nm;峰时效时Ω相长大且θ′相增多,Ω相的体积分数达到最大值,尺寸约为40～60nm,θ′相的尺寸约为40nm;过时效Ω相体积分数有所减少而θ′相体积分数有所增加,θ′相尺寸约为70～100nm,且有部分θ′相转变为θ相。峰时效时合金的抗拉强度和屈服强度达到最大值,断后延伸率随时效时间的延长有下降的趋势。

不完备故障决策表中规则获取和优化的粗糙集方法

针对故障诊断知识库中经常出现故障征兆不完整现象,利用改进的粗糙集模型结合区分矩阵和区分函数直接从决策表中提取完整的规则集,并利用概率粗糙集模型指定了各规则的可信度和覆盖度,提高了规则的通用性。结合旋转机械故障诊断的实例表明该方法的有效性和适用性。