基于深度时频特征的机车轴承故障诊断

针对现有机车轴承诊断方法存在故障特征提取不理想、诊断精度低等问题，提出了一种基于深度时频特征的机车轴承故障诊断新方法；利用双通道一维和二维卷积神经网络(CNN)分别对输入的一维原始信号和连续小波变换(CWT)提取的二维时频信号进行深度特征提取；为使输入的一维原始信号简单而有效地反映出信号在时域的全局特征，上通道使用一维CNN，为使输入的二维时频域信号能多角度地反映出信号的细微局部变化，下通道使用二维CNN；在融合层中将上下通道特征自动融合成一个新的深度时频特征，并将提取到的深度融合时频特征经归一化指数函数进行故障分类识别；在此基础上，分析了某局机务段实测的7种机车轴承数据，验证了本文方法的实际工程应用价值。研究结果表明:基于深度时频特征的机车轴承故障诊断方法对7种机车轴承故障的平均诊断精度达到了100%，与一维CNN模型、二维CNN模型和支持向量机(SVM)模型相比，平均诊断精度分别提高了0.7%、1.9%和2.2%；本文方法提取的深度时频特征中每类故障分布间隔规则有序，类内间距很小，而单个一维CNN模型和二维CNN模型提取的特征的每类故障分布间隔不规则，类内间距较大，说明基于深度时频特征的机车轴承故障诊断方法提取深度特征的能力优越，是一种解决机车轴承故障诊断问题的有效模型。      

基于误差耦合补偿的3K型行星齿轮传动误差研究

本文中针对行星齿轮啮合线等效啮合误差之间的误差耦合补偿问题,提出一种运用数值分析计算行星齿轮传动误差的方法。首先通过啮合线分析方法建立3K型行星齿轮减速器的传动误差模型,以系统耦合传动误差最小为目标运用数值分析方法计算误差分量之间的耦合补偿误差值和各自对应的初相值,并得到该方法下的系统传动误差;接着通过蒙特卡洛法分别计算各构件随机装配和提高部分零部件的加工精度等级两种情况下的系统传动误差;最后通过对比分析不同方法得到的系统传动误差,表明本文中提出的数值分析方法可有效提高行星齿轮系统的传动精度。     

汽车前保险杠碰撞过程动力学仿真与分析

前保险杠是汽车正碰主要吸能部件,在很大程度上决定了汽车的耐撞性与安全性。针对汽车碰撞过程中前保险杠的大变形和非线性接触问题,建立了某款国产轿车前保险杠(包括:保险杠、吸能盒和纵梁)与刚性墙碰撞有限元模型。采用分段线性塑性材料本构模型和显式动力学有限元法对其碰撞过程进行动态仿真,获得了保险杠、吸能盒和纵梁的变形情况、能量变化情况以及碰撞力曲线。仿真结果与实验结果吻合良好,从而验证了有限元模型正确性。结果表明,槽型诱导结构比盒型诱导结构更容易诱导纵梁产生褶皱变形,且碰撞力曲线随纵梁的褶皱变形产生波动。