新年寄语

一元复始,万象更新。随着2024年钟声的响起,《机电工程》又迎来了新的一年。近年来,《机电工程》杂志聚焦专业领域,突出办刊特色,坚持将提高刊物质量放在第一位,同时强化服务意识,多举措并行,期刊学术水平得到了较大提升。

融合Inception V1-CBAM-CNN的轴承剩余寿命预测模型

针对现有的滚动轴承剩余寿命(RUL)预测方法精度低、轴承健康指标(HI)构建困难等问题,提出了一种基于卷积神经网络(CNN)并融合Inception V1模块和卷积注意力机制模块(CBAM)的滚动轴承RUL预测模型。首先,在CNN中添加了CBAM机制,并进行了加权处理,在通道和空间维度对重要特征进行了强化,对次要特征进行了抑制,通过添加改进的InceptionV1模块,提高了CNN通道间信息交互水平,全面提取了退化特征;然后,进行了网络优化,采用全局最大池化(GMP)方法对模型进行了简化,采用Dropout和批量归一化(BN)方法,避免了过拟合,提高了精度,且克服了训练时出现的梯度消失问题;最后,对数据进行了处理,将降噪后的信号重组为三维张量,将其作为HI,构建了退化标签,引入了评价指标,采用PHM2012轴承数据集进行了实验验证,在3种工况下将其与深度神经网络(DNN)、CNN方法、结合注意力机制的残差网络方法(ResNet)进行了对比。研究结果表明:该方法在变负载条件下的平均RMSE为0.033,较其他方法的RMSE值分别降低了86%、78%和69%,在预测精度和泛化能力方面具有明显优势。

臂式离心机机室空气内摩擦功率及支座摩擦系数的实验反演分析

为了提高臂式离心机驱动功率的预估精度,对工程解析计算方法中几个前提参数(即机室空气内摩擦发热消耗功率与总风阻功率之比C_(1)、机室内空气从出风口自然流出的线速度与其环向线速度之比C_(2)、支座的摩擦系数f_(e))的确定方法进行了研究。首先,针对一台臂式离心机以四种不同转速稳定运行的状态,利用离心机控制系统,读取了四组驱动电枢电压U和电枢电流I数据,采用三杯仪测试了四个空气从出风口流出的线速度V_(0)数据;然后,根据离心机风阻功率、排风功率和支座摩擦功率的解析理论表达式、能量守恒原理,建立了含待定系数C_(1)、C_(2)、f_(e1)和f_(e2)的关于U、I和V_(0)的求解方程,并将四组实测数据U、I和V_(0)代入所建方程,得到了关于系数C_(1)、C_(2)、f_(e1)和f_(e2)的求解方程组;最后,将所得C_(1)、C_(2)、f_(e1)和f_(e2)的值用于计算另一台类似臂式离心机的驱动功率。研究结果表明:所得驱动功率的计算结果比实测结果大2.23%,而以前依据经验取定C_(1)、C_(2)和f_(e)时的计算结果比实测结果小6.30%。对应用实例的综合分析表明:所建方法可弥补这些参数在以前的工程计算中,其取值缺乏实验依据的不足,提高这些参数的取值准确性和臂式离心机驱动功率的预估精度。

基于数字孪生的桥式起重机自主运行系统研究

为了提高桥式起重机的智能化水平和数字化水平,借助数字孪生技术,对一桥式起重机的安全自主运行系统进行了仿真和实验研究。首先,采用数字孪生思想构建了起重机自主运行系统整体架构,根据桥式起重机的实际运行情况,采用四模型(即虚拟模型、物理动力学模型、行为控制模型和规则计算模型)的方法,构建了起重机的孪生模型;然后,在起重机孪生实验平台上进行了起重机路径规划和大小车轨迹跟踪仿真实验,采用了变论域模糊PID控制器,对起重机大小车轨迹跟踪进行了控制;最后,对该数字孪生系统进行了互联互通实物验证实验。研究结果表明:在起重机数字孪生系统中可以同步进行虚拟仿真和实物实验;在起重机大小车轨迹跟踪实验中,使用所提变论域模糊PID控制方法时,大车跟踪误差在±7 cm内,小车跟踪误差可达±6 cm,表明该控制方法的先进性;同时,该系统初步达成数字孪生技术虚实同步、虚实融合、虚实对照的目标,并且具有良好的三维可视化效果,可为推动机电装备的数字化进程提供一种思路。

复杂曲面机器人磨抛技术研究现状与趋势展望综述

在航空、能源、交通、军工等国家战略领域中,针对复杂曲面零件的自动化、高质量和高效率磨抛需求,对近年来国内外工业机器人磨抛加工关键技术及集成系统的研究和应用进展进行了综述。首先,从复杂曲面机器人磨抛机理及工艺优化、磨抛运动轨迹规划、磨削力控制等方面总结了复杂曲面机器人磨抛技术的研究成果;然后,介绍了国内外机器人磨抛集成系统应用现状;最后,分析了复杂曲面机器人磨抛技术的主要问题以及发展趋势,为该技术的发展提供了重要的指导和方向。研究结果表明:当前该技术存在的主要问题包括磨抛机理不够清晰,数学模型不够准确,复杂曲面机器人磨抛轨迹规划效率不高,磨抛力的控制仍不够精准等;另外,磨抛工艺参数优化、机器人力位混合控制、机器人高精度标定与误差补偿、基于数字孪生的机器人磨抛在线监控、机器人磨抛细分应用场景等方面的研究和实践将极大地推动机器人磨抛技术的发展和应用。

面向类不均衡数据的多任务博弈概率分类向量机

在工程实际中获取的故障样本往往会呈现不均衡特点,同时传统的分类模型也会存在局限性。针对这些问题,基于稀疏贝叶斯理论、模糊隶属度等理论,提出了一种多任务博弈概率分类向量机(MGPCVM)分类方法。首先,在MGPCVM的目标函数中,设计了博弈因子,将不同类样本质心间的博弈信息赋予每个样本特定的样本质心敏感值,以解决传统分类器对不平衡数据集分类表现较差的问题;然后,在贝叶斯框架理论下,采用截断高斯先验分布的方法,使样本参数的正负与对应的标签信息相一致,且使样本质心敏感值产生了稀疏估计;最后,将MGPCVM方法应用于两种不同实验平台采集的滚动轴承实验数据处理,进行了故障诊断有效性验证。研究结果表明:在不同的不平衡比(IR)下,MGPCVM方法的准确率均保持在95%以上,相对于支持向量机(SVM)、概率分类向量机(PCVM)等方法提升了4%~8%;与典型向量式分类方法相比,MGPCVM方法可以在不平衡数据条件下表现出优越的分类性能,适用于实际工况中数据失衡的分类问题。

圆柱滚子轴承滚子对数修形优化研究

为了提高轴承的疲劳寿命,采用Romax Designer工程分析软件,在充分考虑径向游隙和内外圈相对倾斜量(影响轴承寿命的主要因素)对修形效果影响的基础上,对某大兆瓦风电机组齿轮箱输出轴轴承进行了对数修形优化分析。首先,对国际标准ISO/TS 16281寿命计算方法进行了简要分析;然后,对不同径向游隙情况下对数修形的效果进行了分析;最后,对不同内外圈相对倾斜量情况下对数修形的效果进行了分析。研究结果表明:以轴承最大接触应力最小为优化目标和以国际标准ISO/TS 16281寿命最长为优化目标的轴承对数修形,其最佳修形量不同,相应的ISO/TS 16281寿命有很大不同;在该轴承的具体条件下,以ISO/TS 16281寿命最长为优化目标的最佳修形凸度量对应的ISO/TS 16281寿命比以最大接触应力最小为优化目标的最佳修形凸度量对应的ISO/TS 16281寿命长2.39%~10.63%;以ISO/TS 16281寿命最长为优化目标的最佳修形凸度量对应的ISO/TS 16281寿命比未修形的ISO/TS 16281寿命长111.47%~1054.88%,建议以ISO/TS 16281寿命最长为优化目标对轴承进行修形优化设计。该研究结果可为滚子类轴承的优化设计提供参考。

某型复杂工程机械变速箱体复合工艺约束机加工线平衡研究

为解决机加工生产线平衡问题所包含的加工任务刀具需求、机床类型需求、加工方位约束、“紧密”型和“或”型约束等复杂条件,建立了机加工生产线平衡数学模型,并采用含多重筛选机制的粒子群算法进行了求解。首先,建立了满足此复杂实际约束条件的机加工生产线平衡问题数学模型;然后,采用粒子的位置坐标作为粒子群搜索的权重信息,进行了加工任务、集中任务的选取,并设计了多重筛选机制构造启发式任务集生成规则;采用此规则对待分配加工任务进行了多重筛选,以得到可供直接分配的加工任务集合,粒子群算法(PSO)从此集合中依次选取了加工任务,构成了完整的解,并形成了具体的任务分配方案;最后,为提高程序的实用性和可视性,设计了加工任务的甘特图生成模块,通过对某复杂工程机械变速箱体零件的实际案例研究,将简化后的任务信息代入算法进行了求解。研究结果表明:该方法实现了多组平衡率高于90%的优化结果,在节拍时间为1120 s时,得到94.66%的较高平衡率,排产方案表格内容与甘特图显示一致;算法推演结果满足设定的多种复合约束条件,通过与人工排产对比说明了该算法的有效性并具有较好的经济性、实用性;对柔性生产案例进行探讨,证明该算法运算结果具备一定的生产柔性。

基于改进JRD及误差修正的轴承剩余寿命预测方法

目前,风电机组齿轮箱性能发生初始退化时难以识别,现有退化指标易出现剧烈波动、单调性较差,且无法准确预测齿轮箱关键部件如轴承的剩余使用寿命(RUL),针对该问题,提出了一种基于改进杰森-瑞丽散度(JRD)及误差修正的双指数模型轴承RUL预测方法。首先,提取了振动信号样本的多域特征指标,利用高斯混合模型(GMM)与指数型权重JRD,得到了样本的后验概率分布向量,再经归一化处理得到置信值(CV);然后,对轴承从初始健康状态退化至当前检查时刻的CV值进行了相空间重构,提取了CV序列的动力学特征,并将其作为相关向量机(RVM)的训练集,获得了支撑整个退化轨迹的相关向量;最后,利用双指数模型拟合了相关向量,外推趋势至失效门限以计算RUL,并引入了差分整合移动平均自回归模型(ARIMA),对拟合相关向量产生的拟合误差进行了预测,以修正预测的结果。实验结果表明:改进后的退化指标单调性指标提高14.3%;且在不同工况、不同时刻下,经误差修正后的轴承的RUL预测结果较未修正之前有明显提高。研究结果表明:该预测方法可为风电机组齿轮箱重要部件的预测性维护提供参考。

基于通道信息不平衡度的多元经验模态分解方法

在轴承多通道振动信号中,由于多通道故障信息不平衡会导致轴承故障诊断精度降低。针对这一问题,提出了一种考虑多通道故障信息不平衡的,基于多元经验模态分解(MEMD)的轴承故障特征提取与诊断方法。首先,分析了传统MEMD随机选择映射方向的缺陷,设计了依据通道间故障信息不平衡度自适应调整映射方向的策略,使分量信号中包含更多故障信息,并基于多元模态分解结果构造了特征空间;然后,基于冗余属性投影法对多通道提取的故障特征进行了融合,得到了多通道融合的本质故障特征;最后,采用反向传播(BP)神经网络进行了故障模式识别,设计了三层神经网络结构,且使用误差反向传播法进行了参数训练,并制定了基于BP神经网络的轴承故障诊断流程。研究结果表明:改进MEMD提取特征的类边界比传统方法更加明确,说明改进方法能够提取更具代表性的故障特征;从诊断精度看,与传统多元模态分解方法、完备集成辛几何分解方法相比,改进MEMD方法的诊断准确率最高,达到了99.5%。实验结果验证了改进方法在多通道故障诊断中是可行的,且从诊断精度上看,其具有一定的先进性。

基于HMFDE和t-SNE的旋转机械故障诊断方法

针对旋转机械的故障特征提取较难,以及单一类型的特征无法全面反映故障特性的问题,提出了一种基于混合多尺度波动散布熵(HMFDE)、t分布-随机邻域嵌入(t-SNE)和郊狼优化算法(COA)优化极限学习机(ELM)的旋转机械故障诊断方法。首先,采用特征加权提出了混合多尺度波动散布熵方法,并将其用于提取旋转机械振动信号的故障特征;随后,采用t-SNE方法对混合故障特征进行了特征降维,挑选出了最能够反映故障特性的特征子集,构建了敏感特征样本;最后,采用郊狼优化算法对极限学习机的输入权重和隐含层阈值进行了优化,完成了旋转机械的故障识别和分类;以齿轮箱和滚动轴承故障数据集为对象,对基于HMFDE、t-SNE和COA-ELM的故障诊断方法进行了实验,验证了方法的有效性。研究结果表明:采用HMFDE-t-SNE-CAO-ELM故障诊断方法可以取得100%的故障识别准确率,该方法能够有效地诊断旋转机械的不同故障类型和损伤;相较于基于单一类型特征的故障诊断方法,其准确率分别可以提高0.68%、22.42%、29.18%(齿轮箱)和1.43%、8.23%、23.67%(滚动轴承),虽然牺牲了一定的计算效率,但准确率得到了明显的提高;相较于其他常规故障分类器,COA-ELM的故障识别准确率具有明显的优势。

一种基于图论理论的大尺度连续变形机构构型综合分析方法

针对航空航天领域大尺度连续变形机构构型问题,提出了一种基于图论理论的大尺度连续变形机构构型综合分析方法。首先,分析了大尺度连续变形机构的组成与基本功能,获得了满足机构拓扑结构、约束条件的要求,对变形机构运动链进行了分析,得到了符合条件的运动链,并对其进行了数学描述;其次,选择并分析了运动链的拓扑对称性,利用特征数组的方法得到了判别矩阵,对运动链进行了同构判别,从而得到了可行的多种运动链形式;再次,建立了各运动链的拓扑图,通过筛选得到了最终的拓扑图,去掉该拓扑图的各个构件,得到了拓扑变换子图和相对应的邻接矩阵,对拓扑图进行了同构判别,再通过改变机架与移动副的位置得到了满足要求的12种构型,画出了其相应的机构拓扑图和机构简图;最后,考虑了大尺度连续变形机构的整体稳定性,避免了尺寸过大等因素,对大尺度变形机构进行了构型优选,得到了符合要求的多种新构型。研究结果表明:该方法能够将大尺度连续变形机构抽象为图形式,获得了22种构型,可根据机构变形要求的不同,改变优选依据,从而得到符合不同要求的构型。

基于累加式实时串并联变换算法的机械故障声学监测方法

针对基于物联网(IoT)的冲压机床故障监测问题,为了降低冲压机床故障监测的计算复杂度,并提高其低频识别的精度,提出了一种无需机器学习技术的实时性机械故障声学监测方法,即基于累加式实时串并联变换算法的机械故障声学监测方法。首先,研究了物联网场景中冲压机床声学低频分析的必要性,并给出了声学信号的表达式;然后,针对频率轴上多个周期信号重叠导致参数估计较为困难的问题,提出了一种累加式实时串并联变换算法,将输入的采样序列馈入多个具有不同输出端口的串并转换器,从累加的波形中检测出最大绝对值,并进行了比较;最后,通过样本时隙划分,将累加式实时串并联变换算法应用于机械故障监测;通过仿真和冲压机床实机测试,对累加式实时串并联变换算法和实时性机械故障声学监测方法的有效性进行了验证。研究结果表明:在无需大量信号样本的情况下,使用累加式实时串并联变换算法有利于提高低频带的识别精度;在直方图相关性方面,累加式实时串并联变换算法和Morlet小波变换具有相同的性能,且均明显优于短时傅立叶变换;同时,尽管累加式实时串并联变换算法需要的加法总数比Morlet小波变换多2.5倍,但是乘法总数减少了20447%,大幅减少了计算的复杂度。

基于动态理论模型的电液伺服加载前馈补偿复合控制系统

针对一般电液伺服系统存在的非预期负载扰动和非线性干扰等问题,为了提高系统的自适应能力和动态响应的品质,减小系统跟踪和输出响应的误差,提出了一种基于动态理论模型的电液伺服加载前馈补偿复合控制方法。首先,阐释了电液伺服试验台的结构组成及其数学模型,分析了系统力矩控制和位置控制的结构关系;然后,论证了自适应前馈补偿复合控制的伺服原理,阐述了以调速理论模型和实际模型的误差函数作为调速依据的前馈补偿和复合控制的原理和方法;最后,进行了系统仿真,同时为了验证基于动态理论模型的自适应前馈补偿复合控制策略的合理性和有效性,对伺服系统进行了加载试验。研究结果表明:采用该复合控制策略可以精确算出对伺服马达进行转速补偿的基准值和调整参数,系统动态响应速度比采用传统闭环控制算法提高了8%以上;系统控制器自适应能力和抗扰动性能也明显优于采用传统PI闭环控制及模糊PI闭环控制算法的系统;通过对比分析0.2 Hz和0.5 Hz的正弦响应曲线可知,该系统的位置跟踪曲线性能最优,控制精度最高,实际输出值的误差也最小。

基于IQPSO-EKF的多传感器融合姿态测量方法研究

为解决自动化竖井掘进设备的定位调姿精度对竖井、孔桩挖掘效率与质量的影响,提出了一种基于改进量子粒子群(IQPSO)-扩展卡尔曼滤波(EKF)的姿态测量算法,以提高微机电系统(MEMS)传感器测量精度。首先,对MEMS传感器数据进行了预处理(除噪、滤波、校准等);然后,参考现有飞行器的坐标系,建立了姿态解算模型,通过姿态角数学模型及运动学分析,构建了EFK状态方程,针对EKF方法参数估计不准确的问题,以分段混沌映射优化初始种群,引入平均位置最优值来避免陷入局部最优的IQPSO-EFK算法,优化EKF的系统、测量噪声的协方差参数;最后,对改进算法和三组姿态误差估计进行了对比实验。研究结果表明:对比三种典型目标函数,IQPSO-EFK相较于普通粒子群算法(QPSO-EFK)具有更强的寻优能力与收敛精度;对比三组旋转速度姿态测量误差,基于IQPSO-EKF算法的姿态测量方法在测量误差时比真实测量误差减少了约86.3%,比扩展卡尔曼滤波减少了约68.7%,比普通粒子群算法减少了约28.2%,证明该算法有效地提高了MEMS传感器测量精度。

轴向柱塞泵热特性及热力学建模实验研究

针对轴向柱塞泵在高压和高速工况下发热过快的问题,对柱塞泵热特性和热力学建模进行了仿真分析与实验研究。首先,在摩擦副发热理论基础上,考虑了泵内油液搅动摩擦与轴承摩擦发热源,研究了柱塞泵内发热机理和传热分析的热特性理论;然后,根据柱塞泵部件复杂和固流态域区分度高的特点,阐述了所采用的控制体积法原理,将泵划分为5个控制体积后,建立了以各个控制体温度变化为导向的热力学模型;最后,采用光纤光栅温度传感器和蓝牙无线温度传感器,针对不同的控制体节点设计了传感器封装结构和布置方法,共同组成了轴向柱塞泵在线热监测系统,并进行了在不同压力条件下的对照实验,对理论模型进行了有效性验证与分析。研究结果表明:对比实验和仿真结果,模型温度变化与实际误差值在5%左右,验证了该模型能准确地反映和预测泵热力学变化过程。该结果为柱塞泵热力学状态监测提供了故障诊断基础,并为液压系统热管理系统设计提供了理论基础和设计依据。

IMIBSE与ISOMAP在旋转机械故障诊断中的应用

针对基本熵的区域划分标准不理想,导致无法有效测量振动信号的复杂度,使故障诊断的准确率不佳这一问题,提出了一种基于改进多尺度改进基本熵(IMIBSE)、等距特征映射(ISOMAP)和随机森林(RF)的旋转机械故障诊断方法。首先,采用基于方差的区域划分准则对基本熵进行了改进,结合改进的粗粒化处理,提出了IMIBSE,并将其用于提取故障特征;随后,利用ISOMAP对原始故障特征进行了特征降维,选择了对分类贡献最大的一组特征作为故障敏感特征;最后,基于RF建立了多故障分类器,将故障敏感特征输入至RF模型进行了训练和测试,实现了旋转机械的故障识别,利用齿轮箱和离心泵两种故障数据集将IMIBSE方法与复合多尺度基本熵、多尺度改进基本熵、多尺度基本熵进行了比较和分析。研究结果表明:IMIBSE不仅具有最佳的可视化效果,而且取得的识别准确率最高,二者均达到了100%,而二者的平均分类准确率分别为100%和99.8%;相较于其他故障诊断方法,IMIBSE方法的准确率更高,而且适用于小样本的故障识别问题。

基于RCMFME和AO-ELM的齿轮箱损伤识别策略

针对模糊熵只考虑信号的局部特征而忽略信号的全局特征,导致齿轮箱故障识别的准确率不佳的问题,提出了一种基于精细复合多尺度模糊测度熵(RCMFME)、天鹰优化器(AO)优化极限学习机(ELM)的齿轮箱故障诊断方法。首先,在精细复合多尺度模糊熵的基础上,对矢量的构造方式进行了改进,提出了能够同时考虑时间序列局部特征和全局特征的RCMFME方法;随后,利用RCMFME指标提取了齿轮箱振动信号的熵值,组建了故障特征向量;接着,利用AO算法对极限学习机的参数进行了自适应搜索,生成了参数最优的多类别分类器;最后,将训练样本的故障特征向量输入至AO-ELM分类模型中进行了模型训练,以构造性能最优的分类器,并实现了对齿轮箱测试样本的故障识别目的;利用两种齿轮箱振动数据集进行了实验,在识别准确率和识别稳定性方面,与相关的特征提取方法进行了对比。研究结果表明:采用基于RCMFME和AO-ELM的故障诊断方法能够分别取得100%和98%的分类准确率,平均识别准确率分别达到了100%和98%,优于精细复合多尺度全局模糊熵(RCMGFE)、精细复合多尺度模糊熵(RCMFE)、精细复合多尺度样本熵(RCMSE)。该方法具有显著的应用潜力。

钛合金材料超声滚压加工的仿真分析与实验研究

采用普通滚压加工工艺对钛合金材料进行加工时,存在因低频冲击造成的工件残余应力分布不均匀和表面硬度低等问题,为此,开展了钛合金材料超声振动滚压工艺仿真及实验研究。首先,从理论层面分析了超声滚压加工的运动学及动力学特性,找出了影响超声滚压加工性能的相关因素;然后,采用ABAQUS有限元软件建立了钛合金材料的仿真模型,分析了超声滚压对残余应力的影响及强化机理;最后,设计了钛合金工件的超声滚压实验,研究了不同参数指标对工件加工质量的影响,并根据实验结果对仿真模型和残余应力结果进行了验证。研究结果表明:随着静载荷和超声振幅的增加,工件表面残余应力分布相对均匀且趋于平稳,表面粗糙度呈现先降低后增加的趋势,表面硬度随强化层深度的增加逐渐降低;在振幅为20μm时,工件表面质量和性能相对较好,此时残余应力均值为849 MPa,表面粗糙度均值为0.1μm。该实验结果与仿真分析结果一致,验证了所建模型的可靠性,可为滚压制造工艺参数的选取提供参考。

RCMNAAPE在旋转机械故障诊断中的应用

针对精细复合多尺度排列熵(RCMPE)无法充分提取旋转机械振动信号中的故障信息,从而导致旋转机械故障识别准确率不稳定这一缺陷,提出了一种基于精细复合多尺度归一化幅值感知排列熵(RCMNAAPE)、拉普拉斯分数(LS)和灰狼算法优化支持向量机(GWO-SVM)的旋转机械故障诊断方法。首先,利用幅值感知排列熵替换了RCMPE中的排列熵,提出了RCMNAAPE,并将其用于提取旋转机械振动信号的故障特征生成特征样本;随后,采用了LS从原始的高维故障特征向量中筛选出较少的能够更准确描述故障状态的特征,构造敏感特征样本;最后,将低维的故障特征向量输入由灰狼算法优化的支持向量机中进行了训练和测试,完成了旋转机械样本的故障识别和分类,利用滚动轴承和齿轮箱故障数据集将RCMNAAPE-LS-GWO-SVM与其他故障诊断方法进行了对比分析,并开展了评估。研究结果表明:基于RCMNAAPE-LS-GWO-SVM的故障诊断方法能够有效识别旋转机械的各类故障,其识别准确率高于其他对比的故障诊断方法,其中滚动轴承故障的识别准确率达到99.33%,齿轮箱故障的识别准确率达到98.67%。虽然,该方法的特征提取效率不佳,平均特征提取时间分别为153.02 s和163.98 s,仅优于精细复合多尺度模糊熵(RCMFE),但其综合性能更加优异。