融合多注意力机制的卷积神经网络轴承故障诊断方法

针对卷积神经网络学习关键故障特征的能力不足从而影响轴承故障诊断准确率的问题,提出一种融合多注意力机制的卷积神经网络自适应抗噪模型(MACNN)。利用通道和时间的复合注意力机制优化学习机制,从不同角度抑制噪声及无关信号分量等干扰信息的影响,并自适应地增强故障特征的响应;引入残差连接,防止网络性能退化。采用多尺度特征提取方法,通过通道注意力机制自适应融合不同尺度下提取的特征。使用分类器进行滚动轴承故障诊断。实验结果表明:与没有实施注意力机制的模型相比,轴承故障诊断准确率平均提升了22.12%;所提方法在各噪声背景下的故障识别准确率均在98.5%以上,验证了其自适应抗噪能力;在跨载荷实验中,模型故障诊断准确率保持在88%以上,相比其他方法,MACNN的抗噪性能和稳定性更优。

基于VMD和CNN的滚动轴承故障定量诊断方法

针对滚动轴承故障尺寸难以定量诊断的问题,提出了变分模态分解(variational mode decomposition,VMD)和卷积神经网络(convolutional neural networks,CNN)相结合的诊断方法。首先对带有不同故障尺寸滚动轴承的运行进行监测,得到1个与滚动轴承故障尺寸有关的数据库;然后对数据进行VMD,提取有效的训练模式分量,并去除噪声等的干扰;最后将训练模式分量置入CNN进行训练,得到能对滚动轴承故障尺寸进行预测的网络模型。实验结果表明,所提方法可有效实现对滚动轴承的定量诊断。

行星轮系动力学新模型及其故障响应特性研究

行星轮系中零部件多、结构复杂,建模难度大。行星轮既自转又公转,导致啮合点到固定在箱体上的传感器之间的距离时刻变化,从而产生振动传递路径时变效应,增加了振动响应的复杂性。现有的动力学模型大多针对正常情况下的行星轮系进行建模,而且未考虑振动传递路径时变效应对振动响应的影响。针对以上不足,推导了行星轮系正常、裂纹及剥落三种情况下的时变啮合刚度算法,考虑振动传递路径时变效应的影响,建立了相应的动力学模型,求解得到行星轮系正常、裂纹及剥落时的动态响应,并分析了它们的频谱特性。搭建了行星齿轮箱试验台以获取振动响应信号,与模型响应信号进行了对比分析,结果验证了动力学模型的准确性,为行星轮系的健康监测提供了理论依据。

基于精确信息重构的故障转子系统振动加速度信号积分方法

在分析总结加速度信号时域积分法与频域积分法优缺点基础上,提出一种基于精确信息重构的故障转子系统振动加速度信号积分方法。该方法利用故障转子系统振动信号由转频、倍频及分倍频分量构成为主的特点对加速度信号进行快速傅里叶变换(Fast Fourier transform,FFT),通过特征频率分量提取并将所提取的分量的幅值与预设的阈值进行比较;幅值低于阈值的分量认为是噪声分量,予以剔除,高于阈值的分量保留并进行精确频谱校正;根据校正后各个频率分量的频率、幅值和相位积分重构出相应的速度信号和位移信号。精确信息重构方法在去除宽频噪声和保留有用特征信息方面有明显的优势。最后通过仿真分析和试验验证,结果表明该方法相对于传统的时域和频域积分具有更高的精度和优越性。

基于自适应短时Chirp-Fourier变换的瞬时转速估计及应用

回转设备的瞬时转速是实现故障诊断的重要参数之一,也是提取表征设备运行状态其他关键参数的基本前提。针对传统短时傅里叶变换方法存在瞬时转速估计精度不足的问题,提出一种基于自适应短时Chirp-Fourier变换的瞬时转速估计方法。该方法建立调频参数的自适应选取策略,可根据信号的时频分布特性对信号进行自适应匹配分解,不但提高了计算效率,而且避免了谱图模糊问题,实现瞬时转速的精确估计。在此基础上结合信号解调技术,形成无键相幅值相位解调方法,并成功应用于变工况下的齿轮箱故障诊断。

全息动平衡相位补偿方法

全息动平衡法融合转子系统测振截面中两个相互垂直方向的振动参量制定系统的配重方案,以保证各测振截面周向各方向均具有良好的振动;然而全息动平衡法以初相矢为平衡目标制定的配重方案有时会出现不能保证测振截面周向振动的情况。通过各向异性转子系统失衡和响应关系的分析研究,发现初相矢与转子系统的失衡量之间存在线性映射关系;在原始失衡与配重截面存在轴向位置差异的条件下,受系统降维等效的影响,失衡和响应'椭圆映射'关系中的时间耦合问题是影响初相矢平衡方案不可靠的一个主要原因。在以上分析的基础上,提出一种相位补偿方法修正并优选初相矢对应的配重方案,以消除时时间耦合问题的影响;通过仿真试验,现场案例分析,验证了相位补偿方法对应配重方案的可靠性。

机器人路径规划中快速扩展随机树算法的改进研究

针对基本快速扩展随机树(RRT)算法在路径规划中具有树的扩展随机性大、冗余节点多、容易在目标点周围发生振荡、规划的路径较长等问题,提出了一种改进的RRT算法。该算法首先采用目标偏向策略,通过引入动态权重系数使树尽可能地在向目标点进行扩展的同时又能够即时地避开障碍物;利用自适应扩展步长减少树在目标点附近的振荡;最后,对路径进行剪枝处理,并用三次B样条曲线对剪枝后的路径进行平滑处理。仿真分析的结果表明,与基本RRT算法相比,改进的RRT算法有效减少了冗余节点数,规划的路径更短,减少了19.56%,同时规划时间大大降低,减少了54.08%,有效地提高了路径规划的效率。

结合阶次跟踪与动刚度分析的无试重全息动平衡方法

传统动平衡方法需要通过频繁的试重测试获取机组动力特征参数,对系统振动信息的利用不足、平衡效率低下。在无试重测试条件下获取转子系统动力特征参数是提高转子动平衡效率的关键。首先采用阶次跟踪技术解决了变转速过程的信息提取精度问题,将全息谱拓展应用于非平稳信号的分析和处理;对全息伯德图进行的进动和模态分解,则有效地消除了非平衡因素的干扰;在此基础上通过建立转子系统模型并结合全息谱分析提取动刚度参数,构建并求解激励、动刚度与振动响应的关联方程组,实现了转子不平衡量的无试重计算。实验测试结果表明,本方法在无需试重的情况下实现了转子系统前两阶模态不平衡的一次配重平衡,效果良好,验证了方法的有效性和可靠性。

基于SCADA数据的风机叶片结冰检测方法

针对工作在寒冷地区的风机易出现的叶片结冰现象,提出一种基于SCADA数据的风机叶片结冰检测方法。根据叶片结冰会增大发电机的功率损耗,选择风速与网侧有功功率2个变量,利用主成分分析技术构造对叶片结冰敏感的风速与网侧有功功率在非主成分方向投影特征,通过选择最优阈值使逻辑回归分类器适用于不平衡分类,可以实现风机叶片结冰检测自动化与智能化。通过中国工业大数据创新竞赛数据验证了该方法的有效性。

基于Lamb波群速度修正的复合材料结构损伤定位

复合材料结构在制造和服役过程中易产生不可见损伤,会降低结构强度,影响设备安全性能。基于超声Lamb波的结构健康检测方法可有效地实现对结构损伤的识别。然而,由于受到检测系统复杂的幅值调制作用,接收信号将发生频谱能量分布偏移。在定位检测过程中,群速度的选择以激励信号的中心频率为准,当激励信号的频谱受到较强幅值调制时,此时用于定位的群速度值将不再准确。在幅值调制特性的研究基础上,通过仿真和试验方法,探究了幅值调制对信号频谱能量分布的影响;进而提出了基于频谱偏移的群速度修正方法,并将此方法用于改进的延时叠加算法中以提高损伤定位精度。试验以T300/3231碳纤维复合材料板为对象,对比了群速度修正前后的损伤成像结果。结果显示,经过群速度修正后的定位精度优于未经过修正的结果,验证了群速度修正方法的有效性。

机床电主轴有限元建模与优化设计

根据几何参数和简化原则建立电主轴实体模型。采用滚动轴承拟静力学模型准确计算轴承刚度,建立主轴-轴承系统有限元模型,设计模态测试实验较好地验证了仿真结果。基于主轴有限元模型,以主轴转子外圆直径、内孔直径、悬伸量、支承跨距以及轴承配置形式为设计变量;以主轴转子一阶固有频率最大和质量最轻为优化目标;以主轴转子前端静变形、最大应力、主轴各段尺寸均在限定范围内为约束条件,对电主轴转子进行优化设计。将提出的优化方法应用于某磨齿机电主轴,优化后主轴一阶固有频率提高33%,质量减轻21%,实现了电主轴高刚性和轻质量优化目标,为电主轴数字化设计提供技术支持。