机械剩余使用寿命预测模型的增量学习方法

机械剩余使用寿命预测模型依据设备状态监测数据样本进行寿命预测,当样本模式发生变化时,基于原模式样本训练好的模型在新模式样本上的预测表现往往较差。为使模型保留对原模式样本的处理能力,同时拓展出针对新模式样本的处理能力,提出了3种增量学习方法:第一种方法使用新模式样本与原模式样本的标签值构建损失函数;第二种方法在第一种方法基础上增加了模型参数初始化步骤;第三种方法在第一种方法的损失函数中增加了表示当前模型与原模型参数分布差异的正则化项。在涡扇发动机数据集上进行了不同学习方法的对比实验,结果表明所提方法实现了增量学习的目标,其中第三种方法在模型预测准确度和模型训练时长两方面取得了最优的综合表现。

面向工程能力培养的机械基础实验教学方法探讨

结合工程实践对机械基础实验教学的要求,认为在培养面向工程的创新人才的过程中,应培养和提高4个方面的能力:提出问题、分析问题、解决问题和总结问题的能力。并以滑动轴承实验为案例说明实验教学中4方面能力的培养。讨论了机械基础实验教学方法的工程化改革方法,提出应该强化实验内容、提高主动实验和创新实验的比重、工程化实验设备和提升实验教学队伍的工程化背景。

改革实验教学的一个尝试——《机械工程实验》课程的设置

实验教学是理工科教学的重要组成部分,它对培养学生的学风、实验技能和科研能力起着十分重要的作用。现代科学技术的进展,已使实验发展成为一门独立的学科。系统地改革实验教学,切实提高未来高级工程技术人员在实验方面的训练水平,已比过去任何时候显得迫切。

一种车载工程机械远程无线数据采集监控系统

设计了一种车载工程机械远程无线数据采集监控系统,该系统包括数据采集终端和数据监控中心。数据采集终端以LPC2378微控制器为核心,负责数据采集、存储、传输;数据监控中心负责接收、处理数据采集终端传输来的数据和远程配置数据采集终端工作模式。该系统数据采集通道丰富多样,可采集多种输出形式的工况信息和GPS定位信息;采集数据可实时传输,亦可本地缓存,无线通讯有效时,采集数据可实时回传至数据监控中心,无线通讯失效时,采集数据可本地存储至外扩存储器,保证采集数据不丢失;该系统适用于车载工程机械远程数据采集监控。

微细金属Z-pin对复合材料开孔板压缩性能的影响

通过开孔板压缩试验和建立的参数化多尺度有限元模型,获得微细(φ0.11 mm)金属Z-pin植入体积分数和排布方式对开孔板压缩力学性能和失效行为的影响规律.采用离散实体单元代表Z-pin,选用3D Hashin失效准则判断面内起始损伤,可以有效地模拟结构失效过程中扭结现象的不稳定扩展.结果表明,所有加Z-pin开孔板的压缩强度均低于无Z-pin试样.随着Z-pin植入体积分数的增加,Z-pin与层合板之间的桥联作用增强,加Z-pin开孔层合板压缩强度增加,开孔周围分层损伤区域受到抑制,损伤区域面积最高减小了67%.在相同的体积分数下,Z-pin排布变化对开孔板压缩强度没有显著影响.加Z-pin开孔板有限元模型的模拟结果与试验结果之间的最大相对误差为8.6%.

超声振动超精密车削Ti6Al4V的表面质量研究

为研究超声振动辅助超精密车削Ti6Al4V切削性能,使用Son-x公司的UTS one设备使单晶金刚石刀具在切削方向振动,使用350FG摩尔Nanotech 4轴机床进行加工,采用四因素三水平正交试验,试验因素为切削速度、切削深度、进给速度和刀具振幅,切削力、表面粗糙度为评价指标。采用Zygo的Nexview 8050三维光学表面轮廓仪测量表面粗糙度;采用Kistler 9256B三相测力仪测量主切削力、进给抗力、切深抗力;采用日立TM3000扫描电镜对切屑进行观察。结果表明:切削速度对表面粗糙度和切削力的影响最大,切削深度和刀具振幅影响次之,进给速度对表面粗糙度和切削力均无显著影响;提高刀具振幅从总体趋势上可以降低切削力和表面粗糙度;随着切削速度的提高,即使切削速度远低于传统公式中计算出来的临界切削速度,切屑也会从平整带状变为两侧呈规律性锯齿状的带状,进而成为散裂状并且中间出现裂纹的切屑,在刀具振幅下降的过程中,以上现象更为明显。

旋转机械振动信号基于EMD的希尔伯特变换和小波变换时频分析比较

基于经验模态分解(Empirical Mode Decomposition, EMD)的希尔伯特变换(Hilbert Transformation,HT),是先把一列时间序列数据通过经验模态分解,然后经过希尔伯特变换获得频谱的信号处理新方法。介绍了该方法的理论和算法。对仿真和旋转机械油膜涡动故障振动信号分别用基于EMD的HT和基于小波变换(Wavelet Transformation,WT)的时频分析在时域、时频域和频域进行了比较研究,研究结果说明,旋转机械振动信号基于EMD的HT时频分析方法比基于WT的有效。

旋转机械升降速过程的双谱-FHMM识别方法

结合双谱和因子隐 Markov模型 ,提出了一种基于双谱的特征提取建立机组各状态相应的因子隐 Markov模型状态识别法 ,并成功地应用到旋转机械升降速过程的故障诊断中 ,同时还与基于双谱的特征提取的 HMM状态识别法进行了比较 ,实验结果表明该方法是有效的。

基于EMD和HT的旋转机械振动信号时频分析

把一列时间序列数据通过经验模态分解 (Em pirical Mode Decomposition,简称 EMD)成本征模函数组(Intrinsic Mode Function,简称 IMF) ,然后经希尔伯特变换 (Hilbert Transform ation,简称 HT)获得频谱的信号时频分析新方法引入到旋转机械振动信号处理领域。介绍了该方法的理论和算法。首先 ,采用调频调幅仿真信号对该方法进行仿真验证 ;其次 ,把一实测的旋转机械油膜涡动故障振动信号进行了基于 EMD和 HT的时频分析。仿真和实测信号的分析结果说明 ,用基于 EMD和

大型旋转机械非平稳振动信号的EEMD降噪方法

针对现有各种降噪方法处理非平稳机械振动信号存在的缺点,提出一种基于辅助白噪声经验模式分解技术来自适应实现旋转机械非平稳振动信号降噪。该方法是一种集成的经验模式分解(Ensemble Empirical mode decomposition,EEMD)降噪算法,利用正态分布白噪声在经验模式分解中具有的二进尺度分解特性,可以有效抑制常规经验模式分解降噪算法处理非平稳振动信号时产生的模式混叠现象。通过仿真计算和转子启动过程试验振动信号对新降噪方法、经验模式分解降噪方法及小波降噪方法的性能进行了比较测试,结果表明,在非平稳机械振动信号降噪方面,新降噪方法具有更高的信噪比,不仅能够消除高斯噪声,而且能够有效降低脉冲干扰,提取出反映信号实际物理意义的振动固有模式。

面向复杂机械产品的目标选择性拆卸序列规划方法

为提高复杂产品目标选择性拆卸序列规划的效率,基于自底向上的思想,提出一种拆卸混合图和粒子群算法相结合的方法。为了表达产品零部件间的内部约束和拆卸优先关系,建立产品拆卸混合图模型,并推导出可拆卸性约束表达式。基于粒子群优化算法,给出目标选择性拆卸序列规划问题的数学描述和粒子适应度计算公式。利用图深度搜索算法确定拆卸目标位置,并设计目标驱动递归推理法生成可行目标选择性拆卸序列,以此初始化粒子,通过粒子进化,实现了复杂产品目标选择性拆卸序列最优化的快速求解。以一个全自动洗衣机为拆卸实例,用所提方法进行目标选择性拆卸序列规划求解,通过分析试验结果,证明了该方法的有效性和可行性。

超声谐振式盲文点显胞元的挤压膜建模及实验研究

目前传统的盲文书籍已经难以满足盲人的阅读需求,本文基于超声振动产生的挤压膜提出了一种超声谐振式盲文点显胞元。理论推导了决定挤压膜气动力学特性的Reynolds方程,利用挤压膜的“活塞效应”得到了输出托浮力的力学模型及近似解,利用搭建的实验平台开展了盲文点显胞元的振动特性测试和输出性能测试。结果表明:该盲文点显胞元的谐振频率为30.8 kHz,激励电压峰峰值在130~200 Vpp时,可以形成稳定且具备一定托浮能力的挤压膜。理论计算值与实验实测数据基本吻合,实验中三种不同质量的试样可被托起13.92~47.71μm的高度,盲文点显胞元具备足够的输出性能。

支持大批量定制设计的机械零部件分类编码方法

针对大批量定制生产模式下零部件重用的需求,提出了对分类编码的新要求;以分类特性为核心,论述了零部件通用分类编码过程;阐述了零部件ABC分析、名称分析和分类特性提取、确定类和类层次、构建多重分类树等各步骤的目的及具体操作内容,提出了基于语义关系的零部件分类模型;给出了满足大批量定制需求的编码方案;并结合某柴油机制造企业零部件的实际数据,采用上述步骤,提出了具有可操作性的零部件通用分类编码方法。基于J2EE平台开发了一套分类编码系统,辅助实现多重分类树的构建及编码方案的实施。实践表明,该方法实现了设计重用,简化了配置/变型设计中的检索过程,提高了设计人员的工作效率。

精密机械热动态误差模糊神经网络建模研究

结合模糊逻辑与人工神经网络的优点,提出精密机械热动态误差的模糊神经网络模型,并在多变量模糊模型后件结构与参数辨识中提出了主分量分析建模的新方法.基于语言控制规则的模糊模型,采用模糊推理方法,建模的关键在于结构辨识和参数辨识.采用主分量分析方法可有效地辨识模型后件的结构与参数.为克服建模用的有效数据量少于后件参数,而无法建立相应的模糊模型这一问题,采用一种多变量系统的模糊神经网络建模方法,利用神经网络具有学习的能力,通过使用适当数量的具有充分激励信息的优选数据组作为学习样本对神经网络进行训练,从而建立起模糊神经网络模型.当辨识的模型精度达不到要求时,可应用模糊神经网络的多次训练获取更高的模型精度.实测数据建模表明,模糊神经网络模型能有效地描述热动态误差.

基于遗传优化算法的柔性机械臂抑振轨迹规划研究

为了抑制柔性臂的弹性振动,提出一种结合遗传优化算法和多项式函数插值的抑振轨迹规划方法。基于假设模态法和Hamilton原理建立了柔性臂系统的动力学方程,揭示了抑振轨迹规划原理。在轨迹优化过程中,采用五次多项式函数构造运动轨迹控制点的基础位移值,以轨迹控制点的位移浮动值作为待优化变量,在满足初始和终止位置运动状态约束的前提下,基于遗传算法优化得到柔性臂振动能量最小的最优抑振轨迹。数值计算和实验结果验证了抑振轨迹规划方法的有效性。实验结果表明:与跟踪常规的五次多项式运动轨迹相比,柔性臂在跟踪最优抑振轨迹时的残余振动最大振幅减小了10倍左右,其衰减时间由12s缩短为4.5s,提高了柔性臂系统的定位控制精度,改善了系统的操作效率。

基于信息谱熵的支持向量机机械状态识别

特征提取是机械状态识别的重要内容。分析了机械振动信号的频谱特征,将二维信息谱熵作为机械状态的特征指标,应用到轴承的状态监测,直观地辨别出正常和故障两种状态。进一步将二维谱熵作为支持向量机(SVM)分类器的输入量,结果表明SVM具有良好的分类能力和计算效率,可以满足在线监测的要求。

基于盲源分离的旋转机械干扰消除技术研究

实际工厂环境中 ,用于状态监测与故障诊断的信号检测传感器 ,其所采集的机器信号 (振动或声音 )中 ,不可避免地混杂有来自于相邻设备以及周围环境的干扰 ,这对于机器健康状态的准确监测是很不利的。这里研究利用盲源分离技术分离(去除 )这些无用的外来干扰 ,以提高故障诊断的准确性。盲源分离是一个很独特的盲信号分析与处理工具 ,在机械设备监测与诊断领域有着很好的应用前景。仿真实验以及现实世界的声源信号分离实验结果 。

面向知识工程的产品信息模型

针对传统的产品信息模型(PIM)不能满足产品设计过程中对知识的需求,提出了基于知识工程(KBE)的产品信息模型。该模型采用基于KBE的知识表达框架,支持混合知识表达,采用面向对象的方法建模,基于属性、约束、操作对知识分类和表达,并在此基础上使用UML建立了PIM主框架,描述了PIM中的分类机制和组合机制。基于此模型建立了减震器的专家系统,将工程设计知识融于产品信息模型中,为专家系统提供了产品生命周期内的信息集成和知识支持。

基于主元分析的支持向量数据描述机械故障诊断

针对机械故障诊断缺乏故障样本的问题,提出了故障诊断单值分类法——支持向量数据描述法(SVDD)。这种方法只需要正常运行状态的数据样本,就可以建立单值分类器,区分出正常和异常状态。试验以轴承为研究对象,采用主元分析法(PCA)作数据前处理,提取振动信号的统计特征值,得到的主元特征指标输入到SVDD分类器进行训练和测试。试验结果表明,PCA对正常和故障样本有较大的区分度,SVDD分类器能很好的分辨出轴承正常和故障状态,并且对未知故障有良好的识别能力。

柔顺宏微操作系统动力学建模及振动抑制研究

针对高速大范围宏运动时柔顺微操作器的微纳振动问题,建立系统动力学模型并设计改进离散滑模控制策略对微观弹性振动进行抑制。首先以气浮宏动平台和压电纤维微操作器构成的宏微操作系统为对象,结合假设模态法、拉格朗日方程和非对称迟滞模型,建立系统综合机电动力学模型。然后,在所建模型基础上设计变速趋近律调节切换增益,从而实现非线性离散滑模控制。最终搭建宏微操作系统测控平台,并进行轨迹跟踪和振动抑制试验。在轨迹跟踪时,对于不同频率的正弦参考轨迹,所设计的控制策略均能精确跟踪给定信号且误差较小;在振动抑制时,当宏动平台沿梯形与S轨迹运动时,微操作器残余振动稳定时间比改进前分别减少26.1%和50.0%,比无控制时分别缩短53.6%和53.3%。验证了动力学模型与离散滑模控制的有效性,提高了系统控制精度与效率。