基于CNN和WSVDD的深孔镗削加工过程状态评估与监测

针对深孔镗削加工过程中易出现颤振以及传统监测方法监测效率低的问题,提出了一种将深度卷积神经网络和加权支持向量数据描述法相结合的深孔镗削加工过程颤振评估与监测方法。首先基于深度卷积神经网络提取加工过程状态内振动信号的特征矢量,然后以正常加工状态下的特征矢量训练加权支持向量数据描述模型,得到相应的描述加工正常状态下的超球体模型,再计算当前加工过程状态特征矢量与超球体之间的相对距离,作为加工过程状态的评估指标,并对稳定度阈值进行设定。结果表明:与文献中其他方法相比,文中方法的监测能力更强,对加工过程状态的稳定度描述更加准确。     

半主动动力吸振镗杆系统的颤振抑制机理

深孔镗削过程中,针对影响工件加工精度和表面质量的颤振现象,建立单自由度切削颤振系统的动力学模型,利用谐波平衡法求得机床主轴转速与极限切削宽度的关系式,并绘制了机床主轴转速与极限切削宽度的稳定性图,结合半主动动力吸振镗杆刚度和阻尼系数的可控性,分析了机床结构刚度及阻尼系数大小对颤振抑制的影响。研究结果表明：机床颤振频率随着主轴转速呈分段线性变化,增大机床结构的刚度和阻尼,系统的稳定性区域在一定范围内相应的增大。为今后进行半主动动力吸振镗杆具体模型的建立和相关参数的选取提供了理论依据,具有实际意义。     

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。      

RV减速器摆线轮轴承孔精镗加工工艺分析

以RV80E减速器摆线轮为研究对象,利用金属切削有限元软件Advant Edge FEM对其轴承孔精镗加工过程进行仿真分析,模拟了切削温度和切削力的变化情况.在此基础上,分析了不同进给量对切削温度、刀具切削力的影响,确定了摆线轮轴承孔精镗加工的最佳进给量范围,仿真分析结果为实际摆线轮轴承孔镗削加工的切削参数选择提供了参考.     

基于压缩感知理论的时变信号压缩技术

机械设备在线状态监测与故障诊断系统中,为实现采集数据的远程传输和实时处理,需对数据进行压缩和滤波处理.通过分析机械振动信号时变性的特点,以压缩感知理论为基础,构造了满足受限等距性质(restricted isometric property, RIP)的稀疏变换矩阵和压缩感知矩阵;提出了基于压缩感知的时变信号压缩算法,并利用Lasso算法对压缩信号进行稀疏重构,恢复原始信号.采用不同类型的时变仿真信号和实测信号进行实验,对比了提出算法与现有算法的压缩与去噪效果.实验结果表明,新算法有更好的压缩去噪效果,当压缩比为40%时,能量保持率达到了95%以上,能满足工程实际需求.      

基于混合深度学习的地铁站进出客流量短时预测

针对城市轨道交通多站点短时客流量预测问题,本文提出一种将卷积神经网络 (CNN)与残差网络(ResNet)相组合的预测模型(ResNet-CNN1D).模型将原始客流量数据作为输入,利用二维 CNN 与 ResNet 组成深层神经网络,捕捉站点间的空间特征,同时利用一维 CNN捕捉客流量的时间依赖.最后,基于参数矩阵,将时间和空间特征进行加权融合,完成对目标时段中多个站点进出客流量的同时预测.采集青岛市地铁3号线刷卡数据,对模型进行验证. 结果表明,相比现有传统的预测模型(ARIMA,SVR,LSTM,CLTFP,ConvLSTM),本文 ResNet-CNN1D模型具有更好的预测精度.     

基于小波分析的斜拉索振动频率识别

为了识别跨海斜拉桥拉索在外部因素作用下的振动频率,依托位于海域环境下的某跨海大桥健康监测系统,基于实测数据,采用了小波分析分别对20根斜拉索振的动信号进行分解及重构,再对重构信号进行频谱分析得到了斜拉索振动频率。结果表明:小波变换非常适合对斜拉索振动这类含有稳态和非稳态成份的信号进行时频分析;不同尺度的小波重构信息及频谱图能很好的反应斜拉索的振动特征;应用小波频谱对信号进行处理以及采用峰值拾取法能够精确的识别斜拉索的频率。以上利用小波分析对斜拉索振动频率的识别能为将来斜拉桥设计提供重要参考。     

基于LABVIEW的联合时频分析

在LabVIEW平台的基础上,研究了利用联合时频分析(JTFA)方法来分析信号的能量分布情况.此方法利用了短时傅里叶变换(STFT)的基本原理,对线性调频信号等一些非平稳信号进行分析,能很好地描述信号的频率如何随时间而变化,进而能很好把信号区分开来.这种方法比单独利用时域或频域来分析信号具有一定的优越性.     

基于小波变换的轨道不平顺信号分析

为消除轨检车速度不稳定对采集的轨道不平顺信号频谱分析的影响，利用Haar小波变换建立了原始信号瞬时频率与Haar小波系数的关系，以计算瞬时频率．根据求取的瞬时频率对采样信号进行内插和重采样，再对重采样信号进行傅立叶变换，即可得到消除了畸变的频谱．     

基于小波变换的轨道不平顺信号分析

为消除轨检车速度不稳定对采集的轨道不平顺信号频谱分析的影响,利用Haar小波变换建立了原始信 号瞬时频率与Haar小波系数的关系,以计算瞬时频率.根据求取的瞬时频率对采样信号进行内插和重采样,再 对重采样信号进行傅立叶变换,即可得到消除了畸变的频谱.      

基于TVAR的非平稳工况转子故障诊断技术研究

分析比较了基于时变参数自回归模型(TVAR)时频分析方法与基于非参数模型的典型传统时频分析方法--STFT、CWD对非平稳信号进行分析时的时频性能和特点,TVAR方法得出的时频图具有分辨率高、无交叉干扰项以及计算速度快等优点.基于TVAR分析了从转子实验台上采集的加速过程无故障及故障状态下的振动信号,分析结果有效地揭示了变速非平稳过程转子振动信号的特性和故障特征.仿真和实验都证明TVAR非常适用于旋转机械非平稳振动信号分析.     

基于STFT和FPO的旋转机械阶次分析

针对在无转速计下发动机转速难以估计的问题，采用短时傅里叶变换（short-time Fourier transform,STFT）和快速路径优化（fast path optimization,FPO）相结合的方法对发动机进行转速估计，结合无转速计阶次分析方法对某客车变速箱底部振动信号进行分析。使用STFT分析振动信号，运用FPO算法从时频图中提取特征阶次所对应的瞬时频率值，计算得到发动机转速曲线，通过积分采样得到等角度间隔信号，最终得到阶次图。仿真分析和试验分析的结果表明：文中方法在提取时频图中相应的瞬时频率值有较高的精度和较好的抗噪性，能够在无转速计的情况下有效实现旋转机械振动信号的阶次分析。     

基于混合深度学习的地铁站进出客流量短时预测

针对城市轨道交通多站点短时客流量预测问题，本文提出一种将卷积神经网络 (CNN)与残差网络(ResNet)相组合的预测模型(ResNet-CNN1D).模型将原始客流量数据作为输入，利用二维 CNN 与 ResNet 组成深层神经网络，捕捉站点间的空间特征，同时利用一维 CNN捕捉客流量的时间依赖.最后，基于参数矩阵，将时间和空间特征进行加权融合，完成对目标时段中多个站点进出客流量的同时预测.采集青岛市地铁3号线刷卡数据，对模型进行验证. 结果表明，相比现有传统的预测模型(ARIMA，SVR，LSTM，CLTFP，ConvLSTM)，本文 ResNet-CNN1D模型具有更好的预测精度.     

基于智能优化方法的SVM电机故障诊断模型研究

为提高电机故障诊断的准确率和有效性,提出了基于智能优化算法的支持向量机电机故障诊断模型.首先采集交流电机不同位置上的振动加速度信号,使用小波包分析方法对所采集的振动加速度信号进行特征提取,将得到的能量比向量作为支持向量机故障诊断模型的输入,使用遗传算法、粒子群优化算法对支持向量机故障诊断模型进行参数优化并进行模型训练,在使用测试样本集对得到的两种故障诊断模型进行分析之后可以看出经过参数优化后的支持向量机模型提高了故障预测的准确率,并且粒子群优化方法具有比遗传算法更高的预测准确率,并极大地减小了优化时间及优化次数.     

基于声发射技术的混凝土梁破坏损伤过程的试验研究

对不同特征混凝土简支梁进行了加载破坏的声发射试验,通过有限元计算确定荷载范围以及不同梁的加载应力与应变变化规律。试验加载过程中测试梁上控制点处的应变及声发射信号,通过应力变化及外观观察,记录梁的受力状态和裂纹产生的条件,通过分析试验全过程中的声发射信号能量时程图,得到简支梁破坏过程中的能量变化特征、频率分布范围及特点,以及不同特征简支梁破坏过程中声发射能量参数的变化规律。试验表明,声发射技术监测混凝土梁的状态及损伤破坏有一定的优势。     

信号预处理对桥梁颤振导数识别结果影响分析

采用经验模态分解(EMD)对桥梁颤振导数识别信号进行预处理,分离其固有模态函数,消除其中的高频噪声和低频非平稳趋势项;分析了不同阻尼自由振动信号的信噪比与信号长度的关系;研究了苏通大桥主梁节段模型颤振导数对信号长度和消除信号均值、高频噪声、低频趋势项的敏感性.结果表明,借助EMD剔除信号中高频噪声和低频趋势项可以提高桥梁颤振导数的识别精度;颤振导数识别结果与是否消除信号均值和信号长度都有不可忽略的关系.     

基于虚拟控制点的卫星平台颤振探测方法研究

卫星平台颤振是高分辨率卫星在轨运行普遍存在的复杂现象,是影响其几何定位和测图精度的关键因素之一,针对此问题提出了基于虚拟控制点的卫星姿态颤振探测方法.首先,基于大量虚拟控制点生成有理函数模型,然后利用该模型将虚拟控制点反投影至影像像方,计算反投影像点和虚拟像点的像方残差,从而计算得到卫星姿态的变化.利用资源三号卫星线阵影像进行实验,该方法能够成功探测出其存在0. 65 Hz姿态颤振现象,并与卫星姿态数据变化相一致,验证了方法的可行性和正确性.根据姿态颤振探测结果,采用正弦函数和样条函数补偿严格成像模型和有理函数模型因颤振引起的非线性误差,通过颤振补偿,颤振补偿后的下视传感器相对定位精度为0.9像素,绝对定位精度在平面上提升1.4 m,高程提升2m.     

消能棚洞冲击信号动力特征

考虑落石下落高度、质量、形状和垫层厚度等参数, 采用室内模型试验研究了消能棚洞冲击信号的动力特征, 获得了冲击信号的频谱和自相关曲线, 分析了冲击信号的时频特征和最大频谱对应的振动频率及其变化规律, 并基于小波分析方法提取了各个频段的冲击信号, 获得了冲击信号能量的主要分布范围。研究结果表明: 随着落石下落高度的增加, 棚洞顶板中心处冲击信号的频谱幅值增大, 且该冲击信号的频谱有4个峰值, 呈对称分布; 不同形状落石冲击棚洞时冲击信号频谱幅值由大到小的顺序依次为球形、长方体、立方体和圆柱体; 普通棚洞顶部垫层越厚、落石质量越小时, 棚洞顶板中心处冲击信号的频谱幅值越小; 当5 kg球形落石从0.5 m高处下落冲击顶部未铺设垫层的棚洞时, 消能棚洞冲击信号的最大频谱和自相关曲线峰值较普通棚洞分别降低了60.98%和82.57%;当5 kg球形落石从2 m高处下落冲击顶部未铺设垫层的棚洞时, 消能棚洞的落石冲击能量主要分布在冲击信号频率15.625~62.500 Hz处, 占总能量的63.73%, 普通棚洞的落石冲击能量主要分布在冲击信号频率0~15.625 Hz处, 占总能量的74.30%。可见, 消能棚洞设计时应主要考虑中频冲击, 而普通棚洞设计时应主要考虑低频冲击。      

轨道交通基础结构振动响应监测和分析

依托某轨道交通线路结构监测系统的长期数据,分析城市轨道交通基础结构在列车荷载作用下的振动加速度空间分布及其随时间的变化情况.同时,提出一种基于能量谱密度的车致动力响应信号损伤敏感特征提取方法,并采用累积和控制图及Haar滤波,对上述特征的长期变化情况进行度量.结果 表明:对基础结构振动响应进行监测可以较好地实现其状态的...     

目标信号特征提取中的特征压缩及其算法研究

为在特征提取中充分利用目标信号的特征信息，对原始特征空间的建立和特征压缩的过程进行了讨论，采用对目标单一特征信号的λ水平能量聚点的序优化方法建立原始特征空间，通过建立基于对称相对熵分布的优化模型给出了特征选取的方法，在舰船声场通过特性研究中的算例表明算法效果良好。