案例库教学模式下智能制造课程的教改研究

随着工程教育在我国各高校的开展,对智能制造课程教育教学提出了新的要求。案例库教学模式有其独特的优点,智能制造案例库的教学模式不仅可以作为一种引导式的教学方式,提高了教学效率,而且有利于教师间的沟通和交流,实现了资源共享。智能制造案例库,发挥了互联网的优势,打破了传统的教学模式,对学生的培养和教学水平的提高有重要意义,提高了教学质量。1案例库教学的模式1.1案例库教学模式案例库是指收集整理各个行业和各个领域的案例,并且可以采取案例研究的方式,以解决现实问题的一种资源库。案例库的重要价值在于,将具备代表性的案例和经验收集、总结、分类、归纳,以供查阅、学习和分析,用于管理决策和发现规律,还可以用于教学方面。

实验安全意识润入式培养模式研究——以现代控制工程课程为例

提高学生的实验室安全意识,对于“双一流”高校的建立必不可少。而当前,我国高等院校普遍也缺少行之有效的实验室安全教学管理模式及其相关的科研教育环境,所以在校生的实验室安全意识依然普遍淡薄。随着我国的高等教育建设进入了新时期的阶段,教学模式也取得了新的进展,共享体系的建立深入实施,而高等学校实验室安全意识教学管理工作也面对了全新问题。因此,在常规的安全教育之外,提出了一种润入式的教学模式,即交叉和融合,把实验安全意识融入到其他教学课程中,潜移默化的培养了高校研究生实验安全意识。

二级减速器故障系统建模及SVD-MMSE劣化评估

为检测故障齿轮劣化程度并进行有效的程度评估,通过有限元法建立含有正常、裂纹和断齿等3种齿轮状态的二级直齿轮减速器系统模型。首先,分别计算3种状态的齿轮时变啮合刚度,并综合考虑轴承支撑刚度,得到了3种不同状态下的轴承振动响应;其次,引入多元多尺度样本熵(multivariate multiscale sample entropy,简称MMSE)对故障齿轮的劣化程度进行分析;最后,引进奇异值分解(singular value decomposition,简称SVD)算法进行预处理,以达到更好的诊断效果来综合评定故障齿轮生命周期的劣化程度。结果表明:齿轮发生故障时,主要导致时频域信号发生转频调制,时域存在有规律的冲击,频域出现边频带,且分布在输入轴的转频及其倍频和啮频及其倍频处;随着故障程度的增加,劣化越发明显,频率成分也发生改变,致使MMSE值也随之变化,且整体呈单调递减趋势;SVD-MMSE算法能有效地对齿轮故障程度进行判别,降低了噪声对于劣化程度检测准确性的影响。

基于混合式特征选择的滚动轴承故障诊断方法

为降低滚动轴承故障特征集的维数,提升诊断精度,提出一种混合式特征选择方法。该方法由两个阶段构成,首先通过费舍尔分值法对原始特征集进行预排序,根据特征的费舍尔得分按照降序排序,利用得分曲线的拐点确定预选子集的范围,去除原始特征集中的无关特征;然后将遗传算法嵌入Wrapper阶段中,利用分类器的识别精度作为评价标准,从预选子集中去除冗余特征,确定最优子集。通过实验证明,该方法可以有效地用于滚动轴承不同故障类型和不同故障程度的诊断,最优子集在仅保留了关键特征的同时,识别精度得到提升。

自适应MCKD结合Autogram的矿用滚动轴承故障特征提取

为辨析矿用滚动轴承运行状态,有效地提取矿用滚动轴承故障特征,提出了一种基于粒子群优化算法(Particle Swarm Optimization,PSO)的参数自适应优化最大相关峭度解卷积算法(Maximum Correlated Kurtosis Deconvolu-tion,MCKD)与自相关谱峭度图法(Autogram)相结合的矿用滚动轴承故障特征提取算法.首先,在考虑振动信号的强周期性的基础上,采用MCKD对原始信号进行预处理以实现信号的降噪与增强;同时,针对MCKD参数选择问题,构造利用PSO对适应度函数进行寻优得到合适的参数组合[滤波长度L,解卷积周期T];此后,利用Autogram对处理后信号进行特征提取;最后,通过仿真信号及公开数据集试验信号对该算法进行验证.结果表明:PSO-MCKD-Autogram算法能够较好地克服噪声影响,可有效提取矿用滚动轴承故障特征且具有一定的鲁棒性.

细高齿齿轮啮合刚度及动态特性研究

为了研究细高齿齿轮的振动特性,以一对标准齿齿轮和细高齿齿轮为对比研究对象,建立直齿轮传动系统平移-扭转动力学模型;采用有限元方法求解细高齿齿轮的时变啮合刚度,分析了负载对刚度的影响规律;通过Newmark-β时间积分法计算齿轮的振动响应,对比标准齿齿轮和细高齿齿轮传动系统的轴承动载荷及齿轮啮合激励,求解了不同转速下两对齿轮系统的输入、输出轴承动载荷。结果表明,细高齿齿轮啮合为两齿-三齿交替接触,刚度变化减弱;轴承动载荷波动幅值较标准齿大幅降低,啮合频率及其倍频幅值明显下降,轮齿间啮合力减小。

机械制图课程线上线下混合式教学模式的实践路径——以新疆医科大学生物医学工程专业为例

机械制图课程属于工科类学生的专业基础课,如何提高学生的学习兴趣,保证线上教学的教学质量,是高校教师急于解决的问题。文章针对新疆医科大学生物医学工程专业的本科生,就机械制图课程线上慕课学习存在的问题进行探讨,介绍了当前常用的线上线下教学工具,总结了慕课教学的效果,并提出了线上线下混合式教学模式的实践路径。通过构建兴趣和目标导向相融合的教学机制,展开多元化的教学方法,构建全程可控的慕课教学过程,形成较完善的形成性评价考核机制,以提高学生的学习兴趣和学习过程,为提高机械制图课程的教学质量提供教学参考和借鉴。

基于特征差异性学习卷积神经网络的齿轮箱故障诊断方法

针对齿轮箱故障诊断需要大量专家经验知识、人工提取特征困难的问题,提出基于特征差异性学习卷积神经网络(FDLCNN)的故障诊断方法。构建不同深度的多尺度网络,并引入残差模块,以提升网络的特征提取能力;提取一维时序信号中不同尺度不同深度的故障特征,再通过自适应平均池化层处理后进行特征融合,以丰富智能诊断决策信息;最后在全连接层实现特征降维,使用Softmax分类器输出诊断结果。利用10种齿轮箱故障状态实验数据与现有3种方法进行对比分析,结果表明:FDLCNN故障识别精度更高,鲁棒性更强,收敛速度更快。

考虑裂纹与磨损故障的齿轮传动系统动态特性分析

针对齿轮系统中同时出现裂纹与磨损故障时实现复合故障诊断较为困难的问题,提出了考虑齿廓磨损和齿根裂纹故障的齿轮传动系统动态特性分析模型。首先,基于Archard公式,建立齿轮传动系统磨损数值仿真模型,求解不同磨损周期下的齿廓磨损量;然后,通过势能法建立裂纹及磨损作用下的单齿啮合刚度计算模型,在双齿接触区考虑啮合齿对磨损量间的关系,结合变形协调,建立双齿啮合刚度计算模型;最后,采用集中质量法建立齿轮系统4自由度动力学模型,以含故障的时变啮合刚度为输入,使用Newmark-β法对动态响应进行求解,获得不同程度裂纹与磨损作用下的齿轮动态特性。实验结果表明:该模型能够较好反应复合故障中磨损与裂纹特征;与未考虑磨损后双齿区实际变形的裂纹与磨损复合故障模型相比,该复合故障模型双齿区刚度计算准确性提高了约22%,所提模型可为含磨损与裂纹的齿轮传动系统故障诊断提供有效的动力学补充。

改进自抗扰的PMSM双环伺服系统控制研究

永磁同步电机(PMSM)在电机参数本身变化和外部负载干扰等复杂环境下,传统控制方法无法满足伺服系统对于精度高、抗扰性强和稳定性好的要求。针对该问题,提出一种改进自抗扰(ADRC)的双环控制策略。结合PMSM控制模型和ADRC参数在PMSM中的实际物理意义,设计了改进扩张状态观测器(ESO)的二阶非线性自抗扰控制器实现对位置和速度的联合控制,简化了控制结构以提高伺服系统响应速度,设计了一阶线性自抗扰控制器实现对电流的控制,减小其对外环的影响以进一步提高伺服系统对高性能要求,给出了双环控制器一整套参数整定方法。在MATLAB/Simulink上的仿真实验结果表明,相较于标准ESO,改进ESO更加遵循实际,整个控制策略对于负载扰动和参数摄动表现出很好的抗扰性能和控制精度。研究结果表明,该控制策略能够有效满足PMSM伺服控制系统对高性能的要求。

基于MCKD-NMD的滚动轴承故障诊断

针对滚动轴承故障信号具有复杂非线性且极易受到强烈噪声干扰导致的故障特征难以提取的问题,提出了一种非线性模式分解(nonlinear mode decomposition,NMD)算法和最大相关峭度解卷积(maximum correlated kurtosis deconvolution,MCKD)相结合的滚动轴承故障诊断方法。首先,利用MCKD对原始信号中的噪声进行了滤波和处理,实现了噪声的初步动态降噪并且进一步提高原始信号中的相关峭度值;其次,利用小波分解提取出时频脊线;再次,利用NMD算法分解时频脊线并筛选出其中的有效分量;最后,采用包络谱分析来提取出故障特征。结果表明,该算法所提取的分量仅包括转频以及轴承故障特征频率,说明该算法对提取该类轴承故障特征的有效性,可为轴承故障早期诊断方法的研究提供参考。

基于PSO优化的模糊PID恒力控制研究

针对工业机器人在抛磨等工作过程中对接触压力的要求,提出了一种基于粒子群(PSO)优化的模糊PID恒力控制方法。对柔性力控法兰装置的受力和气体流量模型进行分析,建立柔性力控法兰装置的数学模型;设计了基于PSO算法的模糊PID控制器,自适应调节模糊PID的控制参数,通过MATLAB仿真对比了普通PID、模糊PID和基于PSO算法优化的模糊PID这3种控制方法的性能;最后,通过搭建基于柔性力控法兰装置的打磨实验平台,对柔性力控法兰的恒力控制输出性能进行实验验证。仿真实验结果表明,与传统PID和模糊PID控制方法相比,基于PSO算法优化的模糊PID控制没有超调,系统响应速度更快,在0.43 s时系统达到稳定;在进行恒力打磨实验时,柔性力控法兰实际接触力输出误差小于0.85 N;打磨后的壳体表面各区域粗糙度稳定在Ra0.1~Ra0.2之间。该方法能够有效地抑制接触压力波动,具有更强的鲁棒性。

时变路径行星齿轮箱太阳轮故障响应周期特性

针对时变路径特性对太阳轮故障啮合响应的周期性影响,求证能够表征太阳轮不同故障类型的数据长度。首先,将特定位置传感器作为太阳轮故障啮合周期性变化的观测点,以太阳轮与行星架转速比为切入点,根据行星轮之间是否存在差异分类,分别推导出同齿啮合周期和准同齿啮合周期的表达式,并证明两者之间的关系;其次,依据推导周期及其倍数截取太阳轮不同类型故障信号,取其特征建立3维空间对故障类型进行分离。结果表明:1倍同齿啮合周期是表征太阳轮不同类型故障的最小长度;2倍同齿啮合周期是表征太阳轮不同类型故障的最佳长度。借助太阳轮故障啮合响应周期特性,能够实现太阳轮不同类型故障的诊断。

风电机组行星轮系柔性齿圈疲劳寿命研究

为探究风电机组行星轮系柔性内齿圈在动态啮合力作用下的疲劳损伤规律,建立考虑内齿圈结构柔性的行星轮系动力学模型,运用瞬态动力学进行仿真计算得到内齿圈结构应力时域历程,并通过试验验证该动态应力仿真结果的正确性。运用雨流循环计数法及Goodman平均应力修正法得到对称循环应力,随后结合Miner线性损伤理论计算内齿圈结构的弯曲疲劳寿命,分析内齿圈结构变形引起应力变化对疲劳寿命的影响,探讨不同轮缘厚度、支撑数量及不同负载下内齿圈结构疲劳寿命的变化规律。结果表明:内齿圈疲劳寿命受到齿圈结构变形和轮齿变形的共同作用,轮缘越薄内齿圈结构变形越剧烈,各轮齿间寿命差距越大,两支撑间各轮齿疲劳寿命波动趋势越复杂;当齿圈柔性较大时,其最大应力由齿圈结构变形引起且疲劳破坏点由齿根向齿槽偏移,齿圈柔性较小时其疲劳寿命主要取决于轮齿变形。

考虑信号传递路径的行星齿轮传动太阳轮裂纹故障响应分析

为研究振动信号传递路径对行星齿轮传动系统太阳轮裂纹故障响应的影响,采用有限元法建立齿圈结构动力学分析模型,对比分析了考虑与未考虑传递路径的齿圈振动响应,验证了模型中传递路径的时变效应以及模型的有效性。开展了太阳轮裂纹故障试验,采用快速谱峭度法(Fast Spectral Kurtosis,FSK)对实验信号进行降噪以及故障特征提取,验证了太阳轮裂纹故障仿真结果的准确性。结果表明:仅考虑与太阳轮故障齿啮合的行星轮的传递信号时,故障信号在路径中的传递随距离增加呈现不断衰减趋势;当考虑所有行星轮的传递信号时,故障信号出现调制现象,随传递距离增加呈现衰减或增加趋势。

基于CRITIC-NAP的滚动轴承故障诊断

为消除实际工况中振动信号时变异常点对故障特征的干扰影响,提出一种利用CRITIC权重法量化估计信号被干扰程度,改进冗余属性投影(nuisance attribute projection,NAP)的故障特征处理方法。首先,采集多时段样本数据,利用CRITIC误差评价矩阵,量化估计离散度,自适应构造权重矩阵;其次,通过权重矩阵更新NAP投影矩阵,对故障特征进行冗余属性投影;最后,随机抽取已知运行状态投影后的样本作为SVM训练集,剩余样本作为测试集进行故障诊断。通过故障特征曲线对比实验,得出处理后的特征曲线基本完全重合,消除了同状态不同样本间故障特征差异性,验证了所提方法的有效性。通过相关性实验,与传统NAP做对比,4类状态特征相关性均有提高,平均相关系数高达近1,验证了所提方法的优越性。

基于激光雷达和IMU紧耦合闭环检测

针对移动机器人利用激光雷达和IMU融合算法仍存在闭环检测准确率低,累计误差大导致定位和建图效果差的问题,提出了一种采用几何约束来定义关键帧相似度,以匹配当前关键帧和地图中的关键帧。经相似性评估后,符合几何约束的候选关键帧将通过平面的法向约束进一步校核,得到准确的闭环信息,并对采用基于特征的点云匹配替换容易陷入局部最小化的ICP实现闭环校正,最后采用KITTI数据集评估算法性能。结果表明,该算法闭环检测准确率高,有效提高了系统的定位精度与鲁棒性,建图效果也有明显改善。

搬运机械手模糊滑模增益跟踪控制

针对非线性机器人系统中未建模动力学以及未知扰动的问题,提出了一种抗干扰的自适应模糊增益滑模控制策略。首先根据D-H坐标法建立机械臂的运动学、动力学模型;再次,引入Mamdani模糊规则和自适应律逼近理论,通过对Lyapunov函数的设计,建立滑模控制律,选取机械臂整体动力学模型为研究对象,引入干扰并进行仿真分析;最后,通过对鲁棒滑模控制、自适应滑模鲁棒控制、自适应模糊增益滑模控制策略进行比较,验证本文所提方法的有效性。

基于全矢频带能量谱的风电机组齿轮箱故障诊断方法研究

针对风电机组齿轮箱局部微弱故障难于诊断的问题,提出全矢频带能量谱故障诊断方法。采用全矢理论对同源信号进行信息融合,获得相位不变、信息更完善的全矢信号,利用FIR滤波器对全矢信号进行分解,计算各频带能量作为识别工作状态的特征向量。分析风电机组齿轮箱的正常、齿根裂纹及均匀磨损信号的各频带能量,发现转频和啮合频率处的频带能量变化率能准确判别各类故障。通过对不同工况下50组信号的识别,证明该方法可有效区分风电机组齿轮箱的早期局部微弱故障。

基于VKF-OT和DFA的齿轮时变状态特征提取方法

针对齿轮在时变工况下的振动具有非线性、非平稳的特性,提出Vold-Kalman阶比跟踪(Vold-Kalman filter based order tracking,简称VKF-OT)和去趋势波动分析(detrended fluctuation analysis,简称DFA)相结合的一种特征提取方法。该方法以齿轮转频和啮频作为VKF-OT的提取频率,获取任意时变工况下的两类阶比信号,减弱或消除转速变化所引起的频率调制干扰,通过求解复包络得到两种频率分量的精确幅值和相位以保留齿轮状态的瞬变信息。在此基础上,引入去趋势波动法分别处理原信号、转频和啮频阶比信号,消除负载变化所产生的幅值调制干扰,对比3种信号的双对数波动函数图,选定齿轮振动信号的特征向量。通过对齿轮不同工作状态下的150组振动信号进行实验,结果表明该方法所提取的故障特征可有效地区分任意时变工况下的齿轮早期局部微弱故障。