基于PLC的茶叶揉捻机压力动态调节方法

传统茶叶揉捻机在工作时,茶叶在揉捻筒内不停翻滚,导致茶叶受到的压力忽大忽小,变化剧烈,对压力无法量化和精准控制,为此,提出了一种揉捻压力实时动态调节的控制方法,对控制系统的硬件、算法和程序进行了详细阐述。该系统能将压力值量化,确保了揉捻压力控制的动态调节、实时性和精准控制,加装该系统的茶叶揉捻机在成条率、碎茶率和生产效率方面均达到了行业标准要求。

滚动轴承局部故障时变刚度系统动力学分析

针对滚动轴承局部故障动力学建模问题,通过分析各滚动体在进入、退出载荷区和陷入故障时的变化情况,基于Hertz接触理论,定义了接触变形保留因子,提出了滚动轴承等效时变刚度函数,建立了局部故障滚动轴承单自由度时变刚度动力学模型,并进行了理论分析和试验研究。研究结果表明:当滚动体进入或退出载荷区时,载荷区中承载滚动体数量增加或减少,引起系统等效时变刚度的小幅增加或减小;当滚动体陷入故障时,因接触变形保留因子的不同使得其有效接触刚度不同程度降低而导致系统等效时变刚度的减小。系统等效时变刚度的变化引起载荷区中其他滚动体的接触变形和接触力产生不同幅度的变化,从而平衡外部径向载荷,对载荷区中心附近的滚动体的影响较为明显,但不影响各滚动体的有效接触刚度。系统等效时变刚度发生突变,导致系统振动。当外环故障时,等效时变刚度等幅变化;当内环故障时,等效时变刚度的变化受到内环旋转的调制而幅值不同。提出的单自由度时变刚度动力学模型与实际更加吻合。

基于EMDPWVD时频图像和改进ViT网络的滚动轴承智能故障诊断

滚动轴承是机械设备的关键零部件之一,其故障诊断对设备安全稳定运行至关重要。针对滚动轴承振动信号的非平稳特点,提出经验模态分解联合伪魏格纳分布(empirical mode decomposition&pseudo-Wigner-Ville distribution, EMDPWVD)时频图像联合改进Vision Transformer(ViT)网络模型的智能故障诊断新方法。首先针对实际信号研究短时傅里叶变换(short-time Fourier transform, STFT)、连续小波变换(continuous wavelet transform, CWT)和EMDPWVD三种时频分析方法,考虑STFT和CWT无法同时获得高的时间分辨率和频率分辨率,优选EMDPWVD作为智能故障诊断网络的时频图像构造方法。其次,以经典ViT作为故障诊断基础模型,将时频图像按照预定尺寸分块并线性映射为输入序列,通过自注意力机制整合图像全局信息,借助堆叠Transformer编码器完成网络传输,进而实现故障诊断。为进一步提高故障诊断准确率,将池化层作为ViT的预处理网络,获得改进的Pooling ViT(PiT)模型,实现时频图像的空间特征延展,提升模型对输入图像敏感度。结果表明,所提方法对滚动轴承不同故障类型均有高的诊断准确率,PiT较ViT的准确率提高4.40%,证明对ViT加入池化层能够实现滚动轴承故障诊断效果提升。

GhostConv轻量级网络设计及故障诊断研究

提出一种GhostConv轻量级网络模型并将其用于故障诊断。GhostConv利用常规卷积生成一小部分特征图,然后在生成的特征图上进行多次特征提取来生成其余特征图,最大程度地节约了常规卷积中生成冗余特征图的成本,减少了模型参数,保证了模型的性能。采用连续小波变换对振动信号进行时频变换生成二维时频图,之后利用设计的GhostConv搭建轻量级网络模型进行故障诊断。采用凯斯西储大学轴承数据集进行验证,并与其他卷积结构网络模型进行参数量、计算量以及识别准确率的对比。实验结果表明,与其他模型相比,所使用的网络模型在参数量和计算量较少的条件下依旧有较高的识别精度,且具有较好的鲁棒性和泛化能力,具有一定的工程应用价值。

改进遗传算法搜索动态订单下车辆路径最优问题

滚动周期策略是当前学者利用优化算法解决动态车辆路径规划(dynamic vehicle routing planning,DVRP)问题的主要研究策略。预优化算法是基于遗传算法(genetic algorithm,GA)进行改进。GA易早熟和易陷入局部最优的特点,使解的质量往往不能达到最好。针对此问题,在GA算法上提出了贪婪重构策略进行改进。贪婪重构遗传算法(greedy reconstruction genetic algorithm,GRGA)随机剔除每条路径固定数量的客户点,利用贪婪重构策略依次将剔除点插入到各个路径,保留成本最低的解,摒弃了完全随机的策略原则,使解可以跳出局部最优。在每次迭代之后利用变邻域下降搜索算法(variable neighborhood descent,VND)进行深度搜索,完成一次迭代。最后进行三组测试,第一组是在统一平台上采用Solomon数据集测试算法效果,第二组是把预优化改进算法与对比算法得到的数据分别进行保存,利用控制变量法在动态调度周期使用一种动态调度优化算法,分别对每个预优化算法形成的初始路径进行调度,测试改进算法的有效性,第三组是采用实际案例测试预优化算法的效果。

基于状态划分和集成学习的轴承剩余使用寿命预测模型

针对滚动轴承剩余使用寿命(RUL)预测退化起始时间(DST)难以确定,以及单一寿命预测模型精度比较低的问题,提出了一种基于状态划分和集成学习模型的滚动轴承RUL预测方法。首先,提取了轴承振动信号的特征,利用滑动窗口不断更新3σ准则预警范围,结合连续触发机制自适应确定DST;然后,采用具有自适应噪声的完全集成经验模态分解(CEEMDAN)对退化阶段信号序列进行了自适应分解;最后,构建了集成学习模型,考虑分量的不同特性进行了多步滚动预测,融合预测结果得到了轴承RUL,采用滚动轴承XJTU-SY公开数据集进行了试验验证。研究结果表明:与基于长短时记忆神经网络(LSTM)、反向传播神经网络(BPNN)的预测方法相比,该方法预测结果的平均绝对误差分别降低了11.7%以及5.6%,相对均方根误差分别降低了12.2%以及10.7%,验证了该方法在轴承RUL预测中的有效性和优越性。

基于Transformer-LSTM网络的轴承寿命预测

轴承是旋转机械设备中的重要部件,由于工况、材质、加工方式等原因,轴承寿命时长相差许多。传统的并行或串行神经网络预测方式,对数据集有一定要求。因此,需要一种能够适用于不同数据长短的轴承剩余使用寿命预测网络。为此提出了一种能够预测不同寿命时长的Transformer-LSTM串并行神经网络预测模型。通过将Transformer解码层进行重构,并与长短期记忆时序神经网络(long short-term memory,LSTM)网络结构融合,实现轴承寿命数据的串并行预测处理。试验结果表明Transformer-LSTM神经网络能够精准预测长、中、短不同寿命时长的轴承失效时间,具有较强的模型泛化能力,提升轴承寿命预测精度与模型的泛化能力。

基于MsTCN-Transformer模型的轴承剩余使用寿命预测研究

剩余使用寿命(remaining useful life, RUL)预测是PHM的核心问题之一,复杂的运行工况往往导致设备部件经历不同的故障退化过程,给RUL准确预测带来了巨大挑战。为此,提出了一种多尺度时间卷积网络(multi-scale temporal convolutional network, MsTCN)与Transformer(MsTCN-Transformer)融合模型用于变工况下滚动轴承RUL预测。该方法设计了一种新的多尺度膨胀因果卷积单元(multi-scale dilated causal convolution unit, MsDCCU),能够自适应地挖掘滚动轴承全寿命信号中固有的时序特征信息;然后构建了基于自注意力机制的Transformer网络模型,在克服预测序列记忆力退化的基础上,准确学习时序特征与轴承RUL之间的映射关系。此外,通过对轴承不同故障退化阶段所提取的时序特征可视化分析,验证了所提方法在变工况下所提取的时序特征泛化性较好。多种工况条件下滚动轴承RUL预测试验表明,所提方法能够较为准确地实现变工况下轴承的RUL预测,相比当前多种方法RUL预测结果准确性更高。

基于差分进化粒子群混合算法的多无人机协同区域搜索策略

为提高无人机群在未知环境中的区域搜索效率,提出一种多无人机协同区域搜索策略。首先,根据区域搜索任务需求,建立包含区域覆盖率、区域不确定度、目标存在概率三种属性的区域信息地图;其次,以最大化搜索效率、同时最小化无人机搜索过程中的能耗为目标,建立无人机区域搜索滚动时域优化目标函数,指导无人机在线决策搜索路线;然后针对传统群智能优化算法易陷入局部最优的缺陷,设计差分进化粒子群混合算法在线求解该多目标优化问题,提高算法的寻优性能,从而提高无人机的搜索效率。最后,通过数值仿真实验,对所提算法进行验证,仿真结果表明,文中设计的基于差分进化粒子群混合算法的多无人机协同区域搜索策略与传统的群智能优化算法相比具有更高的区域搜索效率。

含分层储能的冷热电联供系统运行优化

为提高冷热电联供型微电网对可再生能源的消纳能力,解决源-荷的不确定性使得系统运行稳定性降低的问题,提出含分层储能的三级混合时间尺度滚动优化方法。日前优化目标为日运行成本最低;日内上层以燃料成本和蓄热罐功率变化惩罚成本最低为目标对冷热能进行优化,下层以电网交互成本和蓄电池功率变化惩罚成本最低为优化目标对电能进行优化;实时电系统反馈以电系统削峰填谷作用量和功率波动量最低为优化目标;得出最优的系统中各设备的出力计划。结果表明:该优化方法和分层储能能够有效达到削峰填谷的作用,各设备功率波动率均处于较低水平;冬季典型日的日运行成本比日前成本有所降低。

滚动轴承振动性能保持可靠度及其影响因素的试验分析

振动性能时间序列的波动指标影响滚动轴承最佳振动性能状态的变异概率,进而影响其振动性能保持可靠度。将振动性能时间序列平分为多段,找出轴承最佳振动性能状态时间序列(本征序列),基于统计学理论计算时间序列数据样本的各个波动指标,运用泊松计数原理计算各个时间序列对应时间段内轴承最佳振动性能状态的变异概率和振动性能保持可靠度;分析变异概率、振动性能保持可靠度与各个波动指标的线性相关性及均值化灰关联度,对影响变异概率和振动性能保持可靠度的波动指标进行排序;基于主成分分析法确定主变量的波动指标,建立多因素回归分析模型,根据检验结果判定这些指标对变异概率和振动性能保持可靠度的影响。案例1和2的结果表明,有些波动指标对变异概率和振动性能保持可靠度的影响既有线性的也有非线性的,而且其相互作用也有一定的影响。

主被动阻尼减振器对轧机辊系减振特性研究

轧机的垂直振动是冷轧带钢产品生产效率低下的关键问题所在,严重影响了轧制产品的质量和轧制速度的提高.为提升轧机设备的安全性,同时提高生产的效率和钢材的精度,基于主被动阻尼减振器对轧机辊系的振动特性及减振效果进行了研究.首先,考虑主动阻尼控制效应中的分数阶和时滞因素,建立带有主被动阻尼减振器的分数阶时滞垂直非线性振动方程;然后,对建立的数学模型进行稳定性分析,得到主被动阻尼减振器各参数的稳定区域;再者,运用多尺度法求得系统的幅频方程,分析系统的时域特性、频谱特性、主共振特性以及次谐共振特性;而后,对轧机辊系振动响应进行时滞反馈控制,通过获得最优反馈控制增益和最优反馈时滞,将振动系统的振幅、不规则振动及能量消耗达到最优;最后,对静定轧机上工作辊进行了垂直振动控制实验,对比发现理论分析与实验结果基本吻合,结果表明主被动阻尼减振器能够有效抑制轧机辊系的垂直振动并满足设计要求.研究结果为轧机辊系减振器的设计应用及轧机的振动控制提供了参考.

车网互动场景下电动网约车运营与充放电动态调度策略

利用电动网约车的集中性和灵活性,结合车网互动(Vehicle-to-grid,V2G)技术,使得车辆可以在电网负荷高峰期间为电网提供应急和需求响应服务。本文旨在评估电动网约车车队参与V2G系统的潜力和效益,并对网约车的订单分配、空车调度、充放电调度方案进行动态决策。首先建立时间—空间—能量三维网络刻画车辆调度问题,并通过滚动时域优化模型最大化网约车车队的期望收益,进一步设计可行弧筛选算法降低模型规模,求解车队动态调度决策。以上海市嘉定区为例进行案例分析,结果表明,所提出的电动网约车动态调度策略可以较好地满足出行订单需求,通过空车调度平衡未来的出行需求和供给。在电网需求应急响应时段,可调度10.3%的闲置车辆参与放电,参与车辆平均收益可达104.8元·h^(-1),有助于减少车辆的闲置率,提升车辆净收益,应对运输服务市场逐渐饱和的问题。

基于时域卷积网络的精轧出口厚度预测

以精轧过程为研究对象,引入时域卷积网络算法,构建了基于时域卷积网络的精轧出口厚度预测模型。利用时域卷积网络模型提取精轧过程时序数据的特征信息,通过优化模型结构和参数,提升精轧出口厚度预测性能。实际钢种数据集仿真实验结果表明,相较于传统方法,本文所提出的时域卷积网络算法在均方根误差、平均绝对百分比误差及决定系数等评价指标方面存在较大优势,可为现场工程师提供重要的决策信息。

终轧温度与常化时间对高强无取向硅钢析出物的影响

系统研究了不同终轧温度及常化时间对高强无取向硅钢中析出物析出行为的影响,结果表明:常化板、冷轧脱碳板和成品板中析出物类型相似,主要包括AlN+Nb(C, N)+Ti(C, N)复合析出物及以AlN和Ce(S, O)为中心的球状含稀土复合析出物。适当提高终轧温度、延长常化时间,常化板中析出物尺寸增大,面密度下降,且此趋势最终遗传到成品板中。终轧温度为1 000℃、常化时间为5 min时,成品板析出物尺寸集中分布在0.3~1.0μm范围内,析出物面密度为79个/1 000μm^(2)。

船舶破损双舱室强制横摇进水试验研究

文中基于自主设计的强制横摇运动装置,完成船舶破损双舱室强制横摇进水试验,针对不同的船舶双舱室吃水、横摇振幅以及横摇周期三个影响因素,制定了75种试验工况并进行了大量重复性试验.试验测量得到的船舶双舱室内部水深时历曲线经平滑后与数值模拟所得图线趋势吻合.对比分析所有工况下图线,结果表明:船舶双舱室内部达到最大水深所需的时间基本与横摇振幅无关,受横摇频率影响,且第二舱室内达到最大水深的时间随船舶双舱室吃水的增加而明显减小.

基于CNN-LSTM的珠江河口台风过程实时滚动修正预报

为改善台风预报精度,基于实时滚动修正预报思路,利用卷积神经网络嵌套长短期记忆神经网络(CNN-LSTM)和误差校正(EC)技术,搭建了珠江河口台风实时预报模型。研究结果表明:“滚动预报”比单次预报有更好的路径和强度预报效果,随着模型滚动时间的延长,预报整体精度有逐渐改善的趋势。路径预报结果的均方根误差比单次预报减小了25.67%,强度预报结果的平均绝对误差比单次预报减小了65.04%;考虑误差校正的CNN-LSTM-EC的路径、强度“滚动预报”效果均优于CNN-LSTM,前者的路径预报误差较后者减小了22.57%,强度预报误差减小2.5%。

基于子空间域对抗判别网络的不同型号滚动轴承剩余寿命预测

针对不同型号滚动轴承因结构尺寸、运行工况等差异导致轴承退化数据分布和特征尺度不一致,引起剩余寿命预测精度下降的问题,提出基于子空间域对抗判别网络的不同型号滚动轴承剩余寿命预测方法。首先,通过高效通道注意力机制提升特征提取器各通道中重要特征的权重,自适应获取不同型号滚动轴承的深层性能退化特征,并以此预训练标签预测器;然后,在对抗判别网络框架上将域判别器与特征提取器对抗训练,最小化源域和目标域在表征子空间上的正交基距离,利用表征子空间正交基不受特征缩放影响的性质克服特征尺度变化过大引起的回归性能下降问题,实现不同型号滚动轴承间的域自适应;最后,利用训练好的特征提取器提取待预测轴承退化特征,输入标签预测器得到剩余寿命。在PRONOSTIA、XJTU-SY和自测数据集上进行了验证,实验结果表明所提方法能充分学习源域特征分布信息,有效克服不同型号下的特征尺度差异,相比其他域自适应方法效果提升20%至40%。

考虑动态时变载荷的滚动轴承可靠性寿命评估方法

载荷是滚动轴承运转过程中不可忽视的因素,不同特征的载荷会对轴承的可靠性产生差异影响。针对滚动轴承实际当量动载荷具有随机时变的特点,提出了一种考虑动态时变载荷的滚动轴承可靠性寿命评估方法,以解决传统方法忽略轴承载荷时变性导致的评估精度较低的问题。利用灰色预测模型,构建了轴承当量动载荷随机时变过程的分析模型,对小样本载荷数据进行预测补充;在此基础之上,提出了基于动态应力—强度干涉模型的轴承可靠性寿命评估方法,得到了动载荷的工作区间,从而获得轴承可靠性寿命区间;进行了圆柱滚子轴承NU206E的可靠性寿命测试,对该方法进行验证。结果表明:与传统方法相比,采用所提出的方法得到的轴承寿命评估值与测试值较接近,精度较高,评估时间较短,且能获得覆盖大部分测试值的寿命区间。结合灰色预测模型和动态应力—强度干涉模型的滚动轴承可靠性寿命评估方法具有良好的工程应用价值,为变载工况下的滚动轴承可靠性评估提供了新的思路。

面向智能敏捷卫星的自主任务规划与调度

针对卫星机动能力提升和场景需求更加复杂的实际,设计了一种面向智能敏捷卫星的启发式调度方法。基于智能敏捷卫星系统,给出了调度问题的模型化描述;在此基础上,给出了滚动调度的自主任务规划调度框架,并基于系统延时指令和实时指令两个工作模式,在调度时机决策上分别采用混合触发机制和动态触发机制,并在调度算法上分别采用基于规则和优先级的启发式算法。另外,为了验证模型与算法在实际星上环境的表现,在板卡硬件上完成调度系统的设计与实现,并进行仿真实验,用以测试硬件系统的调度效果和延迟时间。