基于小波包分解和卷积神经网络的滚动轴承故障诊断

针对旋转机械滚动轴承在恶劣工作环境中易于损坏,而目前故障诊断过于依赖人工特征提取的问题,提出了一种基于小波包分解和卷积神经网络(CNN)的滚动轴承故障诊断方法(WPDEC-CNN):通过小波包分解对振动时域信号进行处理,获得表征信号相似的小波系数,再将其进行预处理后输入CNN进行分类识别.试验结果表明,WPDEC-CNN的损失率低于BP神经网络和CNN,为0.1089;WPDEC-CNN的故障分类准确率均高于BP神经网络和CNN,达到97.3%,验证了所提故障诊断方法的有效性.

滚动轴承-裂纹转子系统动力学特性分析

考虑呼吸型裂纹和非线性赫兹接触力,根据拉格朗日方程建立滚动轴承支承下含横向裂纹的转子系统模型,采用四阶Runge-Kutta方法对裂纹-碰摩耦合故障转子系统的非线性动力学行为进行研究,揭示转速、裂纹深度、裂纹角和定子刚度对系统动力学响应的影响机理。计算结果表明:该系统呈现出多周期、拟周期和混沌等丰富的非线性动力学特性;当裂纹深度增大时,超临界转速区间的拟周期运动转变为多周期和拟周期交替运动;裂纹角变化导致系统的分岔特性产生明显差异,这些差异可作为辅助判断裂纹大致位置的重要依据;定子刚度的增大会导致超临界转速区间分频附近存在伴随成分。

电动吸尘黑板擦的设计与研究

基于对普通黑板擦的深入研究,研制出了"电动吸尘黑板擦",此款电动吸尘黑板擦能够很好的解决生活中擦黑板时产生大量粉尘的问题,同时改善了市场上已有类似产品的问题。本文详细介绍了此款电动吸尘黑板擦的设计与制作。