基于Levenberg Marquardt的数控机床主轴负载振动的非线性拟合

数控机床主轴负载时,在不同条件下主轴微量的振动影响着机床的加工精度、加工效率以及刀具的磨损与使用寿命。为确保机床主轴负载时的稳定性,提出一种监测机床主轴振动速度量,并进行多元非线性拟合估测振动量的方法。先根据机床主轴负载的3个变量因素——进给速度、主轴转速和切削量,基于Levenberg Marquardt算法分别建立三者与机床主轴速度振动量的关系。接着选取三者的关系函数模型之一为基础函数,按“加”、“减”、“乘”和“除”进行关联。最后以组合的函数为基础模型进行多元非线性拟合求取系数参数,得出最终的拟合函数。实验结果表明,机床主轴负载时,该方式能有效地预估主轴的速度振动量,准确率超过97%。

基于灰色系统理论和神经网络的呼吸机故障预测模型的建立与研究

目的针对医疗设备故障有效数据样本少、模型预测精度低等问题,结合使用灰色系统理论与神经网络理论,建立两种基于灰色神经网络的呼吸机故障预测组合模型。方法介绍了GM(1,1)预测模型理论基础,根据最新信息优先原则结合重构背景值方法及建立GM优化的DI-GM。利用Levenberg Marquardt反向传播神经网络模型理论,建立并联式预测模型(PPM)和串联式预测模型(SPM)。使用福禄克Fluke117C数字万用表对南通市第一人民医院现行使用的某型号呼吸机马克涡轮供电电压进行采样,采样间隔5 min,采样时长120 min;同时收集并整理近年来呼吸机平均故障率作为研究数据集对4种模型进行建模、预测,并使用拟合度、均方根误差、自相关检验、残差序列异方差等对4种模型拟合和预测结果进行检验和评价分析。结果针对马克涡轮供电电压预测结果,PPM与SPM预测值均方根误差分别为2.230%、1.579%,平均绝对误差分别为0.323、0.225次,拟合度分别为0.793和0.890;针对呼吸机故障率的预测结果,PPM与SPM第9年、第10年预测值与实际值偏差分别为0.210、0.246台次和0.093、0.072台次;SPM对呼吸机马克涡轮供电电压与故障率预测效果更佳。结论灰色神经网络的呼吸机故障预测组合模型对马克涡轮供电电压与呼吸机故障率的预测精度优于单一预测模型,可为呼吸机及其关键性部件的预防性维护和更换提供参考,值得进一步探讨。

高压XLPE电缆绝缘多参数在线监测

建立了在交流电压作用下高压交联聚乙烯(XLPE)电缆绝缘的参数模型,并分析了电缆绝缘劣化时绝缘参数的外在表现。提出通过监测XLPE电缆的工作绝缘电阻、等值电容、介质损耗因数及各参数的变化趋势来综合评定电缆的绝缘状况,并分析了该方法的有效性及合理性。设计了高压XLPE电缆在线监测装置。在数据处理方面,采用基于LM(Levenberg-Marquardt)算法的非线性最小二乘拟合法对采样信号进行拟合,将信号进行快速傅里叶变换得到的谐波分析结果作为LM算法的迭代初值,并利用拟合结果计算出电缆绝缘的被监测参数。仿真分析表明,该算法收敛速度快、精度高,能很好地抑制电网频率波动、直流分量以及谐波含量对被监测参数的影响。

基于Boltzmann函数的桩基极限承载力预测

通过对桩基Q-S数据的曲线拟合预测出单桩极限承载力,是当前推断未知桩基极限承载力的常用方法,但常用的曲线拟合精度不高。本文基于最小二乘理论,利用Boltzmann函数模型,采用Levenberg-Marquardt算法,对桩基Q-S试验数据进行非线性曲线拟合和极限承载力预测。拟合和预测结果表明,Boltzmann曲线的拟合精度较高,极限承载力预测效果好,为桩基极限承载力预测提供了一种简便有效的方法。在此基础上,利用双曲线、指数曲线、Boltzmann函数模型对缓降型Q-S曲线进行了后期"破坏"预测,结果表明缓降型Q-S曲线后期也会出现类似陡降型的转折点,但三种曲线预测的桩基沉降发展速度不同:指数曲线预测沉降增加过快,双曲线预测沉降增加太慢,只有Boltzmann函数模型预测沉降增速适中,表明桩基塑性发挥适当,比较接近实际。因此用Boltzmann函数模型预测桩基缓降型Q-S曲线的后期发展是适合的。

基于可调谐半导体激光吸收光谱的氧气浓度测量研究

采用可调谐半导体激光吸收光谱(TDLAS)技术,利用氧气在760 nm波段的吸收谱线对氧气浓度进行实时在线测量。研制了基于TDLAS直接吸收技术的氧气检测系统,采用压控放大器设计了自动增益控制模块,实现了对光谱信号幅度的精确控制,解决了现场测量中信号幅度波动的问题;采用归一化洛伦兹函数实现Voigt函数的近似计算,并结合Levenberg-Marquardt非线性拟合算法实现了对光谱吸光度曲线的快速Voigt线型拟合,以适应实时在线检测需要。实验结果表明,该算法可以实现吸光度曲线的Voigt线型拟合,对固定浓度的氧气进行连续测量得到系统的最低检测限为523×10^(-6)m,系统的标准偏差为1.75%。检测系统稳定可靠,满足实时在线氧气浓度检测应用。