基于Stacking的机舱设备剩余寿命预测方法北大核心CSCD

[目的]在参考中国船级社《智能船舶规范》中智能机舱定义和要求的基础上,探索机舱设备故障预测与健康管理相关技术,开展轴承剩余寿命预测方法研究。[方法]针对常规数据驱动的轴承剩余寿命预测存在预测精度不佳的问题,利用集成学习Stacking融合策略,优选极限梯度提升(XGBoost)与人工神经网络(ANN)为基学习器,岭回归(ridge regression)为元学习器,构建R-A-X(Ridge-ANN-XGBoost)融合预测模型。选用IEEE PHM 2012 Prognostic Challenge同工况下的全寿命周期数据作为数据集设计预测性能对比实验,以MAE和R2为性能评价指标,对比研究基于单一算法、简单平均融合方式以及R-A-X融合方法的轴承剩余寿命预测性能。[结果]结果表明,基于Stacking构建的R-A-X融合预测模型的绝对平均误差(MAE)与决定系数(R2)评价值均优于文中涉及的其他方法,预测精度最高可提升20%。[结论]所提出的方法可提升轴承剩余寿命预测精度,对智能机舱中设备健康管理的实现具有一定的参考价值。     

基于有限元分析的地铁构架牵引拉杆座模型优化设计

基于有限元分析软件对某种地铁车辆构架的三维模型进行了超常工况下的静强度计算,发现构架牵引拉杆座模型有较严重的结构问题,无法满足设计要求。文章基于计算结果和设计经验进行模型优化,优化后再次使用有限元分析软件进行复验计算,并进行了试验验证,使牵引拉杆座的优化方案达到预想设计效果。     

地铁车辆底架薄壁梁吸能结构耐撞性试验与仿真研究

针对城轨列车的结构形式,以典型地铁头车车体司机室安装接口为设计约束,设计一种底架薄壁梁司机室结构.首先对城轨列车底架吸能结构进行设计,并基于模型设计,研制实际司机室结构样机,并通过冲击试验对吸能结构进行了耐撞性研究,结构撞击平台力为1450 kN,吸收能量为550 kJ.随后建立有限元模型,对吸能结构进行数值仿真,最终对有限元与试验研究结果进行分析,结构在撞击力、吸能量、变形模式、压缩位移、褶皱形状及位置基本一致.研究结果表明:试验和仿真的误差范围控制在10％以内,验证了该有限元模型拥有较高的精度,可通过仿真手段代替试验研究,进一步探究各冲击工况下的动态响应.     

城轨车辆司机室端部主吸能结构优化设计

为了提高城轨车辆司机室端部主吸能结构的吸能性能,采用仿真分析的方法对底架端梁和吸能结构的板材厚度进行了优化设计。考虑优化部位对吸能量的影响,建立某城轨车辆司机室车与司机室车以相对速度25 km/h的正撞模型,通过碰撞分析计算得到了结构优化前后的吸能量及车体不发生压溃的最大撞击速度。研究结果表明:提高底架端梁结构的刚度,减小主吸能结构的板材厚度能够满足司机室端部吸能系统的顺序可控变形规律,其吸能性能也得到提升,为主吸能结构的优化设计提供了理论参考。