基于混沌理论的滚动轴承振动信号融合模型预测

提出融合算法模型,在混沌理论的基础上对滚动轴承振动信号进行预测。基于相图法、最大Lyapunov指数法和关联维数法对滚动轴承振动信号进行混沌判别,证明其混沌性。以预测值和真值间差值范数最小为目标导向优化出Kriging模型、最小二乘支持向量机(LSSVM)模型和极端学习机(ELM)模型的权重,加权法构建融合算法模型。相空间重构法构建滚动轴承振动信号预测的训练样本,并对融合模型、Kriging模型、LSSVM模型和ELM模型进行训练,训练好的模型用于振动轴承振动信号混沌预测。以案例1和案例2共两个实验的滚动轴承振动信号为对象进行验证,两案例的最大Lyapunov指数大于0,从而判断这两个案例的轴承振动信号呈现混沌特性。另外,从方均误差、方均根误差和平均绝对误差指标来评价,融合算法模型的指标值均小于单一模型算法,融合算法模型的预测精度优于单一模型算法。     

卷积神经网络和峭度在轴承故障诊断中的应用

针对传统智能诊断方法依靠专家知识和人工提取数据特征工作量大的问题,结合深度学习方法在特征提取和处理大数据方面的优势,研究了一种基于卷积神经网络和振动信号峭度指标的滚动轴承故障诊断方法。该方法将深度学习应用于轴承故障诊断,提取滚动轴承正常状态、内圈故障、外圈故障和滚动体故障4种状态的振动信号,将振动信号分段处理得到峭度指标,使用数据到图像的转换方法将峭度指标转换为灰度图,送入卷积神经网络模型完成故障分类。在进行滚动轴承故障诊断的实验时,所提的模型诊断准确率达到99.5%,高于传统支持向量机(SVM)算法的95.8%。      

大量程MEMS陀螺仪在高速旋转导弹上的应用

弹旋频率是影响旋转导弹制导精度的主要因素之一.本文提出了一种弹旋频率测量用大量程MEMS陀螺仪技术方案,开展了大量程MEMS陀螺仪在旋转导弹上的应用研究,解决了大量程MEMS陀螺仪在偏心安装、较大力学环境下提高测量精度等问题,通过了飞行试验验证,实现了旋转导弹弹旋频率的精确测量.     

A100钢外螺纹椭圆超声滚压强化试验研究

A100钢有较高的疲劳抗力和显著的减重效果.在航空工业中,飞机起落架主要承力件正逐步采用A100钢,且主要承力件多采用螺纹联接.为了提高螺纹疲劳寿命,提出了超声振动滚压强化工艺方法,设计了外螺纹超声滚压强化装置,进行了螺纹超声滚压强化前后性能对比试验.利用X射线分析仪、维式硬度计、粗糙度仪和疲劳试验机,分别测量了螺纹超声滚压强化前后的残余应力、维氏硬度、表面粗糙度以及疲劳寿命.结果表明,超声滚压强化后牙底残余应力提高了70％,显微硬度提高了14％,粗糙度降低了51％,600MPa应力条件下寿命提高了5倍.     

基于卷积门控循环网络的滚动轴承故障诊断

针对许多基于深度学习的滚动轴承故障诊断方法在小样本数据集下诊断性能下降的问题,提出一种基于卷积门控循环神经网络的轴承故障诊断模型。该模型使用两层的卷积网络来从输入信号中提取特征,同时使用tanh函数作为激活函数,且池化层使用大池化核来进行重叠下采样。将所提取得到的高层特征连接到双向门控循环网络。合并循环网络正向和逆向的最后一个状态,并连接一层全连接层进行输出。选用凯斯西储大学的轴承故障数据集来验证模型在小样本数据集下的诊断性能,实验结果表明,相比于其他类型的模型,该模型在仅有20个训练样本的情况下依然保持97%的识别准确率。      

基于旋转坐标系转轴振动信号的滚动轴承故障诊断方法

实验验证了基于旋转坐标系转轴振动信号的滚动轴承局部故障诊断方法.建立起滚动轴承故障实验台, 采用压电晶体加速度传感器测取转轴的振动.通过滚动轴承内环、外环、滚动体和保持架四种典型故障的实验分析结果, 证明了该方法的可行性, 并发现转轴振动信号的传递路径相对简单, 对轴承内环、滚动体和保持架早期微小故障的发现与诊断可能是有利的.      

燃气轮机滚动轴承故障模式及延寿方法

分析了燃气轮机滚动轴承常见的10种故障模式及其产生原因,研究了相应的延寿方法及其延寿机理。     

时变支承刚度对分流传动系统振动特性的影响

基于集中质量法,考虑时变啮合刚度、综合传递误差和齿侧间隙等因素的影响,建立了圆柱齿轮分流传动系统的弯扭耦合动力学模型和方程。采用变步长Runge-Kutta法,对动力学方程进行了数值求解;通过引入滚动轴承的支承刚度计算模型,分析了时变支承刚度和非时变支承刚度对系统振动特性的影响。仿真结果表明：当按照时变支承刚度模型计算时,轴承的支承刚度会产生4%左右的波动,输出轴上的横向振动位移幅值增大了约5%;支承刚度的时变性使得系统的非线性增强,稳定性变差;支承刚度的时变特性对分扭级动载系数影响较大,对并车级动载系数影响较小。     

New Cutting Force Modeling Approach for Flat End Mill

A new mechanistic cutting force model for flat end milling using the instantaneous cutting force coefficients is proposed. An in-depth analysis shows that the total cutting forces can be separated into two terms: a nominal component independent of the runout and a perturbation component induced by the runout. The instantaneous value of the nominal component is used to calibrate the cutting force coefficients. With the help of the perturbation component and the cutting force coefficients obtained above, the cutter runout is identified. Based on simulation and experimental results, the validity of the identification approach is demonstrated. The advantage of the proposed method lies in that the calibration performed with data of one cutting test under a specific regime can be applied for a great range of cutting conditions.     

多重应力下滚动轴承剩余寿命预测

为了实现多重应力下滚动轴承的剩余寿命预测,有效利用不用应力下的退化数据,提出了一种基于加速模型和贝叶斯（Bayesian）理论的滚动轴承剩余寿命预测方法。通过拟合优度检验和威布尔（Weibull）概率图检验法对滚动轴承试验中的数据进行有效性分析。利用switching Kalman filters(SKF)判断滚动轴承各时刻的退化状态。当滚动轴承进入加速退化时,用指数模型拟合轴承退化过程,利用广义线性对数模型表示退化模型参数与应力的关系,根据修正后的轴承实时退化数据利用贝叶斯算法更新模型参数,得到滚动轴承剩余寿命的概率密度函数,从而实现滚动轴承剩余寿命预测。采用XJTU-SY轴承数据集进行验证,预测结果的均方根误差在20 min以内,证明该方法能够有效预测滚动轴承的剩余寿命。