基于时变啮合刚度的多剥落齿轮振动响应分析

为了探究多剥落齿轮系统中振动响应的演变规律,融合时变啮合刚度构建了多剥落齿轮动力学模型。首先,融合修正的能量法和单/双齿对啮合角位移计算方法,建立多剥落齿轮啮合刚度模型;其次,考虑时变啮合刚度、齿侧间隙和初始压力角等因素,构建6自由度多剥落齿轮动力学模型,并从仿真、理论和实验维度开展模型有效性分析;最后,基于所构建的模型,研究齿根、节线和齿顶位置同时发生剥落时,剥落尺寸变化对啮合刚度影响,获得多剥落齿轮振动响应的演变过程。研究结果表明,所构建模型与理论及实验误差小于0.5%,并得到了齿根、节线和齿顶位置剥落的啮合刚度及振动响应的演变规律,随着剥落宽度的扩展,节线附近振动幅值增大显著;随着剥落深度的增加,齿顶位置受到的振动冲击更为强烈;而随着剥落长度的增加,剥落的波及范围扩大。所得结论为齿轮系统的健康监测和早期故障诊断提供了理论指导。

基于形态波动一致性偏移距离的滚动轴承剩余寿命预测方法

针对滚动轴承完全失效阈值的设置多根据人工经验选取、退化轨迹适配忽略时间序列整体形态趋势变化的问题,提出一种基于形态波动一致性偏移距离的滚动轴承失效阈值设置与剩余寿命预测方法。首先,引入前向差分(FD)对振动信号进行预处理,并对处理后的信号计算均方根(RMS)值作为退化指标(DI);其次,融合双指数模型对DI曲线进行拟合确定最终参考轴承的完全失效阈值(TFT),降低TFT的设置偏差;最后,利用形态波动一致性偏移距离(MFCDD)计算DI曲线相似度,完成对测试轴承失效阈值的设置,并利用粒子滤波更新双指数模型完成滚动轴承的剩余使用寿命(RUL)预测。在XJTY-SY数据集上的实验结果表明,滚动轴承RUL预测的score得分较动态时间规整匹配方法、卷积神经网络-双向长短期记忆网络预测方法分别提升了82.97%和73.64%;在PHM2012数据集上的实验结果表明,滚动轴承RUL预测的score得分较动态时间规整匹配方法、卷积神经网络-双向长短期记忆网络预测方法、长短期记忆-自注意力机制预测方法分别提升了99.99%、60.65%和99.90%。

基于各向异性误差相似度的六自由度机器人定位误差补偿

多关节机器人的绝对定位精度远低于重复精度,目前通常采用运动学标定或空间误差补偿来提高机器人定位精度。空间误差补偿通常采用反距离加权来预测定位点的误差并进行补偿,但反距离加权的权值评价单一且各参考点权值过于平均限制了补偿精度的提高,为此,本文基于空间误差相似度提出一种包含距离和方向的定位误差预测和补偿方法。首先,推导出机器人定位误差模型,将机器人工作空间划分为由若干立方体组成的网格,研究在空间网格中定位点与参考点的相对方向与误差相似度的关系,并构建以距离和夹角余弦为误差传递因子的误差传递函数。其次,考虑定位点各坐标轴方向误差和参考点误差的相似性存在较大差异,基于误差传递函数提出一种各向异性的相似度建模和误差补偿方法,利用网格中各参考点的误差分别计算定位点各方向的误差。最后,通过实验对所提方法进行验证,并与传统的反距离加权插值补偿方法进行对比,实验结果表明:经过误差补偿后,机器人定位误差在各坐标轴方向的最大值和平均值都有显著降低,误差最大值和均值由补偿前的1.03 mm和0.30 mm分别降至0.11 mm和0.04 mm,与反距离加权方法相比补偿后机器人定位精度更高、各方向更均匀。

基于随机牛顿算法的离散系统自适应参数估计

针对一类离散系统,提出一种基于随机牛顿算法的自适应参数估计新框架,相较于已有的参数估计算法,所提出方法仅要求系统满足有限激励条件,而非传统的持续激励条件.所提出算法的核心思想在于通过对原始代价函数的修正,在使用当前时刻误差信息的基础上融入历史误差信息,进而通过对历史信息和历史激励的复用使得持续激励条件转化为有限激励条件;然后,为了解决传统算法收敛速度慢的问题并避免潜在的病态问题,采用随机牛顿算法推导出参数自适应律,并引入含有历史信息的海森矩阵作为时变学习增益,保证参数估计误差指数收敛;最后,基于李雅普诺夫稳定性理论给出不同激励条件下所提出算法的收敛性结论和证明,并通过对比仿真验证所提出算法的有效性和优越性.