检索结果-内蒙古大学图书馆

作者：黄誉重庆交通大学

学位级别：硕士

滚动轴承作为机械设备的核心部件,直接影响机械设备的使用寿命。因此,对其进行状态监测和故障诊断能有效降低运维成本,为企业带来巨大经济价值。面对日益复杂的服役环境,传统依赖专家经验的轴承故障诊断方法显得愈发捉襟见肘。深度学习... 详细信息

滚动轴承作为机械设备的核心部件,直接影响机械设备的使用寿命。因此,对其进行状态监测和故障诊断能有效降低运维成本,为企业带来巨大经济价值。面对日益复杂的服役环境,传统依赖专家经验的轴承故障诊断方法显得愈发捉襟见肘。深度学习以其强大的特征自提取能力,在时代的发展中脱颖而出。然而,基于深度学习的故障诊断方法需要大量数据用于学习高层次抽象特征。因此,数据的数量和质量很大程度上决定了深度学习模型的性能。然而,在工业现场,设备运行数据采集成本高、难度大,导致数据稀缺,不足以训练深度学习模型。数模驱动是解决这个问题的可行方案之一。将机理模型和数据驱动的方法相结合,通过机理模型生成仿真信号,用以训练数据驱动的方法进行真实世界的故障诊断。这种数模驱动的方式,更适合当下社会的发展。本文主要研究内容如下: (1)针对工业现场实测数据稀缺问题,提出通过轴承数字孪生体生成孪生数据的解决方法。首先,建立滚动轴承动力学模型,模拟轴承的动态响应。然后,将物理实体的实测信号与虚拟模型进行交互,利于蝗虫算法匹配孪生信号与实测信号,根据健康阶段的实测信号来确定径向力,根据故障阶段的实测信号估计缺陷尺寸。根据轴承全生命周期实测信号,通过蝗虫算法在虚拟空间中匹配出了轴承全生命周期孪生体。利用支持向量机(Support Vector Machine,SVM)揭示轴承缺陷在生命周期内的演化规律。最后,将SVM预测的缺陷大小引入孪生体,获得同工况同型号其他轴承全生命周期孪生信号。通过将孪生信号与实测信号进行对比,验证了轴承全生命周期数字孪生体的准确性和有效性。 (2)建立轴承全生命周期数字孪生时,需要确定轴承处于生命周期的健康阶段还是故障阶段。然而,轴承早期故障引起的冲击脉冲非常微弱,往往被噪声完全湮没,使得确定轴承早期故障是存在挑战的。最大二阶循环平稳性盲解卷积(Maximum Second Order Cyclostationary Blind Deconvolution,CYCBD)是提取轴承微弱故障脉冲的有效方法。但是,CYCBD需要人工确定两个关键参数:循环频率和滤波器长度。因此,提出通过计算信号增强包络谱(Enhanced Envelope Spectrum,EES)的包络谐波积谱(Envelope Harmonic Product Spectrum,EHPS),根据EHPS的幅值自适应确定循环频率。此外,根据包络熵构建效率评估指标,自适应确定滤波器长度。通过仿真信号和实测信号验证了本章所提参数自适应CYCBD方法在不需要先验知识的情况下,能有效地从信号中提取微弱故障脉冲,从而确定轴承早期故障。 (3)针对孪生数据和实测数据存在分布差异,直接用孪生数据驱动可能导致负迁移的问题,提出孪生-实测数据驱动的深度学习故障诊断方法。该方法利用大量孪生数据和微量实测数据共同训练深度学习网络。首先,摒弃传统网络的单个数字标签,采用一段样本作为可视化标签,以及使用平均绝对误差(Mean Absolute Error,MAE)作为损失函数,使网络提取到孪生数据和实测数据与可视化标签之间的映射关系,并且能直接展示网络预测标签与可视化标签,以可视化的方式来提高人们对结果的信任度。此外,摒弃传统网络使用全连接层和Softmax层分类的方式,采用基于可视化标签和预测标签的距离进行分类,这种分类方法更具物理意义,提高网络的可解释性。并且,在输出最终诊断结果前,增加了一个逻辑判断环节,用于辨别网络错误诊断和可疑输入,提高网络的可靠性。通过SQV变转速数据集验证了改进后网络的优越性能,取得了99.95%的准确率。最后,验证了提出的孪生-实测数据驱动的深度学习故障诊断方法的可行性,取得了100%的准确率。

关键词：滚动轴承故障诊断数模驱动数字孪生 CYCBD 深度学习

来源：评论

学校读者我要写书评

暂无评论

数模驱动的主减速器试车台数据平台搭建浅析

引用

成都航空职业技术学院学报 2020年第4期36卷 54-56页

作者：王松梅谭杰国营锦江机器厂成都610043 重庆大学重庆400044

针对航空主减速器试车台建设的数据平台搭建,基于数模驱动理念,浅析了一种主减速器地面试车台数据平台搭建方法,提出了航空主减速器在地面试车台上试验数据的标准化、体系化、数据引接、数据治理、数据模型和可视化分析的一种系统路线... 详细信息

针对航空主减速器试车台建设的数据平台搭建,基于数模驱动理念,浅析了一种主减速器地面试车台数据平台搭建方法,提出了航空主减速器在地面试车台上试验数据的标准化、体系化、数据引接、数据治理、数据模型和可视化分析的一种系统路线原理。为逐步建设以大数据、云平台、人工智能、大数据分析为核心,打造以数模驱动的实时化、自动化、智能化的智慧维修工厂提供了一种思路。

关键词：数模驱动主减速器试车台数据平台

来源：评论

学校读者我要写书评

暂无评论

智能物联网低功耗感知综述

引用

计算机研究与发展 2024年第11期61卷 3754-3775页

作者：李向阳尚飞闫宇博王山岳韩飞宇迟国轩杨铮陈晓江中国科学技术大学计算机科学与技术学院合肥230000 清华大学软件学院北京100084 西北大学信息科学与技术学院西安710127

随着人-机-物三元融合的程度逐渐加深,越来越多的轻量级、大规模的感知需求不断涌现.为了适应多场景、大规模的部署需求,低成本、低功耗的感知方案愈受青睐.然而,在低功耗感知领域仍有一些共性和特性挑战阻碍了其进一步发展和实际应用.... 详细信息

随着人-机-物三元融合的程度逐渐加深,越来越多的轻量级、大规模的感知需求不断涌现.为了适应多场景、大规模的部署需求,低成本、低功耗的感知方案愈受青睐.然而,在低功耗感知领域仍有一些共性和特性挑战阻碍了其进一步发展和实际应用.尽管先前有许多优秀的综述就某一具体感知模态或感知应用进行了整理,目前仍缺少对整个低功耗感知领域进行梳理的工作.对近年来的低功耗感知进行了总结,介绍了包括惯性运动单元(IMU)、麦克风、射频信号在内的3种感知模态,总结了它们的相关挑战,从硬件和软件层面介绍了相关的解决思路.最后,从表面感知、性质感知、生理感知、隐私感知保护等4个方面沿从表面及内里、从物体到人体、从感知到安全的方向介绍了感知方案在不同场景中的应用,并总结了展望以供探索.

关键词：低功耗感知智能物联网物联网数模驱动移动计算

来源：评论

学校读者我要写书评

暂无评论

锂电池SOC估计的实现方法分析与性能对比

引用

储能科学与技术 2022年第10期11卷 3328-3344页

作者：黎冲王成辉王高鲁宗虎马成智国家能源集团新疆能源有限责任公司新疆维吾尔自治区乌鲁木齐831499 新疆工业云大数据创新中心有限公司新疆维吾尔自治区乌鲁木齐830026

锂电池荷电状态(state of charge,SOC)估计技术是保证电力储能和电动汽车合理应用的核心技术,也是锂电池系统控制运营、监测维护的基础。在锂电池实际应用中,其表现出非线性、时变性、影响因素复杂性和不确定性的问题,造成了荷电状态估... 详细信息

锂电池荷电状态(state of charge,SOC)估计技术是保证电力储能和电动汽车合理应用的核心技术,也是锂电池系统控制运营、监测维护的基础。在锂电池实际应用中,其表现出非线性、时变性、影响因素复杂性和不确定性的问题,造成了荷电状态估计难度大、精度不高和适应能力不足。为此,众多锂电池荷电状态估计算法及改进策略应运而生。与此同时,部分研究人员针对不同估计方法和改进策略的实现方式和优缺点开展了分析与对比,但相关综述对估计方法的技术特点和适用性方面的论述不足且缺乏系统性总结。本文首先分析了锂电池荷电状态估计的影响因素和测试标准;然后从基于实验计算的传统方法、基于电池模型的滤波类算法、基于数据驱动的机器学习技术以及数模混合估计方法四个方面开展对比分析,归纳总结各类方法的技术特点、实现过程、适用条件、难题痛点以及应用优势,系统全面地论述了现有锂电池荷电状态估计技术的研究重点和应用现状;最后,展望了锂电池荷电状态估计算法的未来研究方向。

关键词：锂电池荷电状态估计实验计算方法滤波估计算法机器学习技术数模驱动

来源：评论

学校读者我要写书评

暂无评论

薄壁箱体件轴孔精加工误差建模及预测方法研究

薄壁箱体件轴孔精加工误差建模及预测方法研究

引用

作者：彭定强重庆大学

学位级别：博士

高功率密度传动箱具有结构紧凑、传动精密等优点,广泛用于交通车辆、船舶、武器装备及航空航天等领域的重要装备。高功率密度传动箱体因采用薄壁弱刚性结构,使其加工易产生附加变形或振动,导致轴孔加工误差难以控制。目前的研究主要集... 详细信息

高功率密度传动箱具有结构紧凑、传动精密等优点,广泛用于交通车辆、船舶、武器装备及航空航天等领域的重要装备。高功率密度传动箱体因采用薄壁弱刚性结构,使其加工易产生附加变形或振动,导致轴孔加工误差难以控制。目前的研究主要集中在考虑悬长刀杆弱刚度特性,侧重分析孔切削颤振及其抑制技术等方面,忽略了箱体装夹状态与切削力耦合、孔径向刚度不均对箱体轴孔精加工的影响,导致薄壁传动箱体轴孔精加工误差大、合格率低的问题。因此,探究薄壁箱体轴孔精加工误差生成机理并建立轴孔加工位置和形貌误差预测模型,对提高箱体轴孔精加工成品率和质量稳定性具有重要的理论意义和工程价值。论文围绕薄壁箱体轴孔精加工误差建模及预测方法主题,从表征箱体与夹具装夹面微凸体随机接触入手,构建装夹状态下箱体轴孔定位偏差精准预测模型;分析受装夹状态与过程切削力耦合影响的箱体轴孔形位加工误差生成机制;建立薄箱壁耳轴孔精镗形貌双时延动力学模型;形成基于数模驱动的薄壁箱体轴孔精加工误差预测与调控方法等方面开展了研究。论文主要研究内容如下: (1)针对“一面两销”式夹具装夹薄壁箱体时受夹紧变形影响的箱体轴孔定位误差精准预测问题。综合考虑装夹面轮廓形貌误差与夹紧力施加不均对箱体位姿偏差与夹紧变形的影响;采用双参数W-M分形函数表征装夹面微凸体随机接触,计算了接触面等效法向刚度;构建了装夹状态下箱体位置误差精准模型,克服了传统弹性半空间模型求解大平面接触微变形准确度低的缺点,并通过模拟箱体装夹、验证了提出的模型准确性更高,为薄壁箱体轴孔精加工误差预测奠定基础。 (2)针对薄壁箱体轴孔加工形位误差生成影响问题,重点考虑了装夹状态下箱体轴孔的定位偏差与过程切削力致薄箱壁及悬长刀杆的结构变形共同对轴孔径向切削深度的作用,研究了在装夹状态与过程切削力耦合下薄壁箱体轴孔加工形位误差的形成机制,建立了薄壁箱体轴孔形位加工误差模型,研究了轴孔形位加工误差分别受装夹误差和加工变形影响的敏感度,揭示了薄壁箱体轴孔加工位置度差的误差来源,为基于装夹工艺优化控制薄壁箱体轴孔精加工误差的研究提供了理论支撑。 (3)针对薄箱壁耳轴孔精加工表面形貌预测问题,考虑了孔径向刚度不均和回转切削运动对未变形切屑负载面积的影响,建立了薄箱壁耳轴孔单刃精镗加工形貌双时延动力学模型,模拟了薄箱壁耳轴孔精镗切削动力学行为,探明了刀杆与箱壁振动对瞬时未变形切屑厚度的动态影响规律,阐明了切削参数与薄箱壁耳轴孔成形面形貌的关系。经薄箱壁耳轴孔精镗加工试验,验证了薄箱壁耳轴孔精镗加工动力学模型和镗孔成形表面形貌预测算法的有效性,为开展薄箱壁耳轴孔精加工误差控制和工艺优化提供了研究基础。 (4)针对薄壁箱体轴孔加工误差预测与加工精度控制问题,建立了通过“先验”模型仿真数据预训练与“后验”加工实测数据校正训练相协同的轴孔加工误差数模驱动预测模型,克服了仅考虑有限因素所构建的误差“先验”模型预测准确度低的结构性缺陷,解决了真实数据样本少、预测模型训练不充分的问题。采用不同训练模式得到的预测模型,对未参与训练的轴孔加工实测样本进行预测准确率测试,验证了提出的轴孔加工误差数模驱动预测方法有更高的准确性。基于数模驱动的预测模型,提出了较为经济的箱体轴孔加工参数优选和误差调控方法,为薄壁箱体轴孔精加工质量的控制提供了技术支撑。

关键词：薄壁箱体轴孔加工误差建模数模驱动预测方法

来源：评论

学校读者我要写书评

暂无评论

动力学辅助下矿山机电装备滚动轴承迁移诊断方法研究

动力学辅助下矿山机电装备滚动轴承迁移诊断方法研究

引用

作者：秦波内蒙古科技大学

学位级别：博士

滚动轴承是矿山机电装备传动链的“关节”,其健康状态直接影响井工矿和露天矿的高值、高端机电装备运行可靠性。在实际工作过程中其长期服役于大负载、载荷时变、频繁启停恶劣工况以及高温、高湿、多粉尘等极端严寒酷暑环境,极易发生故... 详细信息

滚动轴承是矿山机电装备传动链的“关节”,其健康状态直接影响井工矿和露天矿的高值、高端机电装备运行可靠性。在实际工作过程中其长期服役于大负载、载荷时变、频繁启停恶劣工况以及高温、高湿、多粉尘等极端严寒酷暑环境,极易发生故障,轻则停机影响生产造成经济损失,重则人员伤亡酿成重大安全事故造成不良社会影响。对此,开展矿山机电装备传动链滚动轴承健康监测与预警具有重要理论意义和实际工程价值。为保障矿山机电装备的安全高效稳定运行,振动等多物理量信息被采集用于其服役期状态的实时监测与预警。但在这一过程中,现有基于信号分析、智能算法的故障诊断方法在仍具有一些问题。一方面,矿山机电装备滚动轴承状态辨识研究直接从振动信号特征提取展开,未解明上述轴承潜隐性故障失效形式激励机理等动力学特性;且未考虑导条断裂诱发的激励对其状态辨识的影响。同时,作为“智慧矿山”实施载体的机电装备朝着无人化、智能化发展,服役期反映其传动链运行状态的“海量”多物理量感知信息被采集。然而,上述“海量数据”存在健康状态数据丰富、故障数据样本少甚至缺失的问题;在作业现场,难以获取“完备”、“通用”的滚动轴承故障样本,使得基于标签分类的状态辨识方法诊断精度低、效果差。因此,迫切需要围绕矿山机电装备传动链滚动轴承振动特征表征及其故障小样本情况下的精准、快速状态辨识进行深入研究。对此,在矿用滚动轴承潜隐性故障的振动特性分析、海量数据早期潜隐性故障信息有效成份提取、故障样本数据的迁移及精准与高效的状态辨识四方面开展研究,具体包括以下内容:(1)考虑时变位移激励的矿山机电装备传动链滚动轴承振动响应研究。从其微小剥落坑潜隐性故障形貌特征出发,推导上述故障诱发的冲击波形的基本表征模型,分析其时变位移的激励机理;在上述分析结果的基础上,构建基于多项式函数的时变位移激励的滚动轴承早期微小剥落坑损伤故障的动力学模型,探究了考虑时变位移激励的微小剥落坑损伤故障轴承的振动特性。(2)考虑导条断裂故障激励的矿山机电装备传动链滚动轴承动态特性研究。在上述构建的考虑时变位移激励的微小剥落坑故障轴承动力学模型的基础上,探究了导条断裂故障对滚动轴承产生的激励机理;考虑上述激励,构建不同状态轴承的故障耦合动力学模型,表征导条断裂故障激励下其动态响应。(3)基于多域相关能量波动评估系数的矿机传动链轴承诊断方法研究。以矿山电机导条断裂故障以及滚动轴承不同故障类型产生的振动信号的动态响应特征为抓手,探究了强背景噪声下其振动信号中的故障敏感指标,融合多指标构造多域相关能量波动系数,据此提出新的矿山机电装备传动链振动数据有效成分提取方法,提高后续其滚动轴承智能故障诊断所需样本数据的质量。(4)数模驱动的矿机滚动轴承迁移诊断方法研究。考虑了少故障样本且部分类型缺失的真实现场情况,结合上述构建的轴承故障动力学模型,提出数模驱动的矿山机电装备传动链滚动轴承迁移诊断方法,实现了实测数据小样本甚至故障类型缺失情况下上述轴承完备状态类型的识别;通过台架试验和现场试验验证了所提的数模驱动的矿山机电装备传动链滚动轴承迁移诊断方法的有效性。研究成果为矿山机电装备传动链关键基础件——滚动轴承服役期的健康监测提供了基础理论与方法支撑;对井工矿和露天矿高值、高端机电装备传动链的预测性维护和视情维修具有重要的理论价值和现实意义。

关键词：矿山机电装备滚动轴承振动特性数模驱动迁移诊断

来源：评论

学校读者我要写书评

暂无评论

滚动轴承的小样本跨域智能故障诊断方法

滚动轴承的小样本跨域智能故障诊断方法

引用

作者：龚政吉林大学

学位级别：硕士

滚动轴承是高档机床高速主轴与航空发动机等高端装备的核心基础部件,其健康状态直接影响装备的性能和可靠性水平。滚动轴承在高速、重载、高温等恶劣工况下易产生局部损伤,是故障率最高的关键机械部件之一。因此,开展滚动轴承的状态监... 详细信息

滚动轴承是高档机床高速主轴与航空发动机等高端装备的核心基础部件,其健康状态直接影响装备的性能和可靠性水平。滚动轴承在高速、重载、高温等恶劣工况下易产生局部损伤,是故障率最高的关键机械部件之一。因此,开展滚动轴承的状态监测和故障诊断研究,既关乎设备稳定运行,更对保障机械系统安全具有重要意义。传统的信号处理方法虽然在轴承故障诊断上取得了大量研究成果,但高度依赖专家经验并需要大量先验知识进行人工提取特征,对于具有强时变性和强非线性的滚动轴承故障难以实现稳定诊断。与传统方法相比,基于深度学习的智能故障诊断方法可以实现强分类能力的非线性特征提取,且具有较强的泛化能力。深度学习算法一般采用大量的带标签可用数据对模型进行训练,以保证其鲁棒性和泛化性能。然而,滚动轴承服役状态下的故障样本量通常远低于健康样本,同时海量数据又需要进行人工标记,因此通常无法获得大量的带标签故障样本,导致模型训练不充分,显著降低故障诊断性能。为此,本文针对滚动轴承智能故障诊断面临的小样本和无监督问题,以跨域迁移作为技术手段,开展小样本及变工况条件下数模联合驱动的滚动轴承智能故障诊断研究。主要研究工作如下: (1)建立面向多变工况的滚动轴承故障数据时频预处理方法及轻量化卷积神经网络模型。基于滚动轴承故障机理,建立适用于不同轴承故障数据集的数据预处理准则,实现多变工况下轴承故障样本量及样本个数的合理选取。分析连续小波变换、小波同步压缩变换和小波同步提取变换对轴承故障瞬态振动信号的时频刻画特点,探究不同方法的时频图谱聚集性对故障诊断准确率的影响,为卷积神经网络模型输入时频图的生成方法选取提供有力依据。同时,建立轻量化卷积网络模型G-Alex Net,解决传统网络模型参数冗余的缺点,大幅降低诊断时间并提高诊断准确率。 (2)提出基于动力学仿真的滚动轴承故障数据扩充策略。以深沟球轴承作为研究对象,在考虑轴承外圈存在局部剥落故障的情况下,分别建立集总参数、二维有限元和三维有限元等三种动力学仿真模型。基于Hertz接触理论计算轴承非线性接触力,建立轴承故障状态下四自由度非线性集总参数动力学模型,采用变步长4-5阶Runge-Kutta(ode45)数值方法求解动力学微分方程,并利用实验数据对仿真结果进行验证。分别基于LS-PREPOST和Hypermesh建立二维和三维轴承有限元网格模型,通过删减网格单元模拟轴承外圈损伤,采用LS-DYNA对故障轴承有限元模型进行求解,提取损伤故障边缘应力和加速度信号,并与实验数据进行对比,验证模型的有效性。基于动力学仿真方法可提供丰富的数据支持,克服轴承智能故障诊断中存在的故障数据不足问题。 (3)提出基于循环生成对抗网络(CycleGAN)的滚动轴承跨域故障诊断方法。针对滚动轴承跨域迁移诊断场景,构建CycleGAN模型。基于编码器、残差网络和解码器设计CycleGAN的生成器模型,并基于卷积层和批处理方法设计CycleGAN的判别器模型。深度残差网络堆叠六个残差块,使其更利于学习输入图像的特征,提高生成样本图像质量,进而通过所设计的CycleGAN实现无监督图像转换任务。探究仿真数据与实测数据之间、同组数据不同工况之间、不同数据集之间的跨域可迁移性。将生成样本与真实样本输入所建立轻量化G-Alex Net进行故障分类,诊断结果表明,所提方法在四个跨域场景下的故障分类准确率均能在98%以上,与真实数据下的诊断精度误差在1.5%以内,能够实现有效迁移。

关键词：滚动轴承故障诊断时频分析数模驱动生成对抗网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：