曲线轴承在汽车天窗联轴驱动器中的应用

汽车天窗驱动器产生的噪声和振动直接影响驾驶员的舒适度,因此其同轴设计要求较高。传统的直线滑动轴承可以在较小的轴孔间隙中达到较高的同轴要求,但过高的约束往往会给生产装配带来困难,使得产品出现摩擦干涉、性能低下、发热卡轴等一系列问题。曲线轴承由直线滑动轴承改善而来,具有滑动轴承的支撑定向性、球轴承的自动调心性、含油轴承的自润滑性等功能,其独特的结构和功能成为解决这一问题的理想方案。

基于改进相似模型的采煤机轴承剩余寿命预测方法

采煤机轴承退化过程并非简单的线性或指数关系,应分为不同阶段进行分析。而目前的采煤机轴承剩余使用寿命(RUL)预测方法未充分考虑该因素。针对该问题,提出了一种基于改进相似模型的采煤机轴承剩余寿命预测方法。采用通用的相似模型描述设备退化过程,在此基础上通过对均方根聚类分析,将轴承退化过程划分为平稳运行阶段、初始退化阶段和加速退化阶段,借助传统相似模型思路分段计算采煤机轴承的健康状态并拟合得到退化曲线样本库,通过对离线样本库数据和在线采煤机实时数据进行数据预处理和相似性分析,最终得到采煤机轴承RUL。实验结果表明:基于改进相似模型的采煤机轴承RUL预测方法的误差绝对值均值较卷积门控循环单元(ConvGRU)、空间卷积长短时记忆神经网络(ConvLSTM)、卷积神经网络(CNN)、自组织映射神经网络(SOM)、循环神经网络(RNN)、传统相似模型分别降低了30.49%,7.54%,16.98%,24.74%,17.96%,9.49%,可以较好地预测轴承RUL。现场试验结果表明:对采煤机轴承连续监测87 d,轴承健康状态从0.997逐渐下降到0.972,与现场采煤机轴承实际使用情况基本吻合,验证了该方法的有效性。

铁路货车轴承压装曲线常见故障图样与简要说明

给出了几种货车轴承压装曲线常见故障图样,并对其进行了简要说明。

基于一维卷积神经网络的轴承剩余寿命预测

现有的轴承剩余使用寿命预测模型多依赖于对轴承的时域特征或频域特征进行降维后构建特征工程,然而可能丢失重要的信号信息,因此尝试利用轴承的振动水平加速度信号和垂直加速度信号,构建一维卷积神经网络实现对特征的自动提取,无需人工提取特征,并且基于人工神经网络的局部连接和参数共享机制,大大减少了训练参数,减少了训练时间。训练模型之前,通过设置轴承样本的开始退化点,使训练样本的剩余使用寿命值更为准确。研究发现,该模型能较为准确的对轴承的退化状态进行预测,进而预测剩余寿命。数据集来自于FEMTO-ST研究所的轴承退化数据集。

Discussion on bearing capacity of soft rock ground based on in-situ load test

The suitability of five methods was discussed here,taking the typical results from in-situ load test of Renshou Mansion and Caifu Plaza in Yueyang City for example.It shows that bearing capacity can be obtained by the proportion load and limit load from p-s curve with the first and the second point of contraflexure easily.It is recommended that the accurate value of bearing capacity can be obtained by hyperbola fitting method and minimum curvature radius method theoretically.The rebound method is clear in principle,in which the elastoplasticity characteristic is thought about.Out of consideration for the unsteadiness and unobviousness of bearing capacity from relative settlement method,it can be only adopted as reference.So bearing capacity of soft rock ground should be determined by weathering condition of soft rock and curve type.