基于振动参数聚类融合的空间轴承故障辨识方法研究#br#

轴承是飞轮和控制力矩陀螺(CMG)等空间惯性执行机构的核心部件，其健康状态直接影响整机性能和使用寿命.当前，由于轻载轴承在正常运转时也可能产生类似于微弱故障特征的现象，导致单一故障特征参数难以辨识正常和微弱故障状态.针对这一问题，本文提出了一种基于振动参数聚类融合的轴承微弱故障辨识方法.首先，通过轴承振动实验获得数据；然后，基于特征频率比值等方法对振动信号进行特征参数的提取；在此基础上，利用K Medoids算法对正常样本进行聚类，并根据3σ法则构建正常运转的安全边界；最后，计算不同轴承故障数据的超限概率，根据概率大小进行故障状态的识别.结果表明，该方法对轴承正常和微弱故障的辨识是可行和有效的.     

三角网格面自动铺丝定角度路径规划算法

研究三角网格曲面上的路径规划问题,以局部测地线为补充,提出了改进的定角度初始路径规划算法。该算法避免了传统参数化求解过程的无解和多解情况,尤其适用于曲率变化较大的复杂曲面和拼接曲面。采用等距覆盖算法来获得均匀的满铺路径,并分别提出基于路径样条线末端延伸和芯模曲面整体延拓的两种边界处理思路,以解决偏移路径无法到达曲面边界的问题。以某机翼模型为算例对上述算法进行验证,利用计算机辅助三维交互应用(Computer aided three-dimensional interactive application,CATIA)的逆向工程模块实现了完整的算法可视化,建立了三维建模软件与路径规划算法的系统关系。验证表明本文提出的算法可靠、系统、适应性强,具有工程应用价值。     

超精密阀套内孔的珩磨工艺研究

本文阐明了珩磨加工超精密阀套内孔的详细工艺流程,推荐使用一种全浮式珩磨夹具及精密珩磨头,通过加工实例给出了粗珩、半精珩、精珩及预孔加工的工艺参数,可有效地保证超精密阀套内孔圆柱度0.5μm的形状精度。     

抗离群值的鲁棒正则化贯序超限学习机

针对离群值环境下的在线学习问题,提出一种鲁棒正则化贯序超限学习机(Robust regularized online sequential extreme learning machine,RR-OSELM)。RR-OSELM以增量学习新样本的方式实现在线学习,并在学习过程中基于样本的先验误差进行逆向加权计算以降低学习模型对于离群值的敏感性;同时RR-OSELM通过融合使用Tikhonov正则化技术进一步增强了其在实际应用中的稳定性。实验结果表明,RR-OSELM具有较同类算法更好的鲁棒性和实用性,对于离群值环境下的在线建模与预测问题是积极有效的。     

前沿光学技术的新发展

近几十年,光学这门古老的学科得到了迅速发展。文章从近几年诺贝尔化学奖和物理奖的获奖课题谈起,介绍了光学技术的发展脉络,梳理了纳米光学、超表面、压缩感知、深度学习、太赫兹、光学自由曲面等光学前沿新技术的发展情况。文章最后指出,从事科研研究不能从文章到文章,要与社会的需求相结合,科研只有服务于企业、服务于社会,才能将技术的发展落实到实处。