基于深度卷积自编码器和多尺度残差收缩网络的滚动轴承寿命状态识别

针对滚动轴承早期故障识别困难、退化性能难以准确评估的问题,提出了基于深度卷积自编码器(DCAE)和多尺度残差收缩网络(MSRSN)的滚动轴承寿命状态识别方法。首先,为获得清晰的故障特征频率及倍频,将原始数据样本转换为包络谱输入深度卷积自编码器中,实现轴承寿命状态特征的自动提取与表达,并基于多维尺度分析(MDS)算法约简寿命状态特征获得低维特征,然后计算低维特征空间内样本间的欧几里得距离(ED),即为轴承性能衰退评估指标;其次,为全面提取轴承性能衰退特征,提出了改进的多尺度残差收缩网络识别模型,并开发了ReLU与DropBlock正则化相结合的新激活策略增强模型的抗噪性;最后,将所提方法及对比方法应用于轴承全寿命实验数据。实验结果表明：笔者提出的性能衰退评估指标能够精准地识别轴承性能退化起始点以及刻画轴承的退化趋势,所提出的改进的多尺度残差收缩网络识别模型在S_SNR=-4～6 dB环境中平均识别正确率为91.75%,能够准确识别轴承寿命状态,验证了方法的实用性以及有效性。     

基于Kriging算法的压气机健康参数主从式插值建模

针对航空燃气轮机压气机数字化建模过程中由于缺少压气机流量系数导致模型精度偏低的问题,基于Kriging插值算法构造了面向压气机流量系数估计的主从式建模方法,分析了高维空间下对应于不同压气机换算转速的流量系数分布特征;基于流量系数的特征提取方法探索了流量系数、换算转速、增压比之间的映射关系,并提出了关于这三类参数的多维样本向量构造方法;基于Kriging算法建立了适用于燃气轮机过渡工况下压气机流量系数主从式插值模型. 研究结果表明:与传统的Kriging插值方法及牛顿插值法相比,基于主从式模型的流量系数计算结果更接近实际值,计算精度提高了近10%;主模型可输出流量系数的估值向量,插值效率相比传统Kriging模型提高了近15%.      

基于参数敏度分析的轮毂轴承寿命多目标优化

为提高某型第三代轮毂轴承受载疲劳寿命,以额定动载荷和额定静载荷作为响应指标,采用正交试验设计对轮毂轴承结构参数进行灵敏度分析,以轮毂轴承滚珠数量、滚珠直径、节圆直径及内外沟曲率半径等主要影响因素作为设计变量,建立轮毂轴承疲劳寿命多目标优化数学模型。分别采用非劣排序遗传算法(NSGA-II)、多岛遗传算法(MIGA)和最优化粒子群优化算法(MOPSO)进行优化求解,得到了轮毂轴承最优结构设计参数,采用有限元仿真分析方法对优化前后的旋压铆合装配成形轮毂轴承疲劳寿命进行对比验证。结果表明：上述优化策略实现了由2个目标函数主导的轮毂轴承整体性能提升,改善了轮毂轴承各组件的应力集中情况,提高了轮毂轴承的疲劳寿命,优化后结构最大应力较初始设计降低了约5.1%,寿命较初始设计结构增加了约3.8%,表明轮毂轴承的疲劳寿命多目标优化设计是有效的。