检索结果-内蒙古大学图书馆

机械工程学报 2024年第4期60卷 189-199页

作者：王丹丹黄伟迪张军辉赵守军于斌刘施镐吕飞苏琦徐兵浙江大学流体动力基础件与机电系统全国重点实验室杭州310027 北京精密机电控制设备研究所北京100076 航天伺服驱动与传动技术实验室北京100076

判断轴向柱塞泵的磨损状态对维护轴向柱塞泵正常运行具有重要意义。然而,现有的轴向柱塞泵故障诊断方法大多为离线式和基于云计算的在线式,存在延时长和数据量大的问题,无法满足轴向柱塞泵磨损状态辨识的实时性需求。为了减少延迟时间... 详细信息

判断轴向柱塞泵的磨损状态对维护轴向柱塞泵正常运行具有重要意义。然而,现有的轴向柱塞泵故障诊断方法大多为离线式和基于云计算的在线式,存在延时长和数据量大的问题,无法满足轴向柱塞泵磨损状态辨识的实时性需求。为了减少延迟时间和传输数据量,提出一种基于边缘计算的轴向柱塞泵磨损状态辨识方法。构造出一个集成信号采集、信号预处理、特征提取和磨损状态分类的边缘节点,用于正确和实时地辨识磨损状态。设置4种轴向柱塞泵滑靴副磨损状态作为故障源,并构建相应的磨损故障数据集。为了减少边缘节点计算量,在上位机中利用随机森林包外误差选择敏感特征值。为了实现磨损状态辨识,在上位机中训练磨损状态分类的特征选择人工神经网络模型,并将信号预处理和特征提取功能算法以及模型参数嵌入边缘节点。通过与其他方法的比较和在线磨损状态辨识试验证明所提方法的正确性和实时性。

关键词：轴向柱塞泵边缘计算磨损状态辨识特征敏感程度人工神经网络

来源：评论

学校读者我要写书评

暂无评论

样本不均衡及不同工艺条件下立铣刀磨损状态辨识方法研究

样本不均衡及不同工艺条件下立铣刀磨损状态辨识方法研究

引用

作者：史珂铭西南交通大学

学位级别：硕士

立铣刀由于加工范围广泛,是数控铣床上使用较多的一种铣刀。实际生产中,通常会在立铣刀的有效工作周期内,采取提前更换刀具的措施,避免立铣刀过度磨损影响产品加工质量,导致换刀频率和刀具成本增加。因此,准确辨识立铣刀的磨损状态,在... 详细信息

立铣刀由于加工范围广泛,是数控铣床上使用较多的一种铣刀。实际生产中,通常会在立铣刀的有效工作周期内,采取提前更换刀具的措施,避免立铣刀过度磨损影响产品加工质量,导致换刀频率和刀具成本增加。因此,准确辨识立铣刀的磨损状态,在保障产品生产质量的前提下,对提高生产效率、降低生产成本有着重要意义。以卷积神经网络为代表的深度学习方法因其强大的非线性特征提取能力,为立铣刀磨损状态辨识提供了一种“端到端”的解决思路。然而,加工过程中立铣刀磨损存在非均匀退化的现象、人工标记立铣刀磨损状态代价高且影响生产效率,致使基于深度学习模型辨识立铣刀磨损状态仍面临以下问题:1)立铣刀铣削过程中不同磨损状态样本数量不均衡,导致深度学习模型对少数类样本磨损状态辨识困难;2)立铣刀经常需在不同工艺条件下对产品进行加工,当前深度学习模型泛化性能不足,导致其对不同工艺条件下的立铣刀磨损状态辨识精度低。为此,本文开展了样本不均衡及不同工艺条件下立铣刀磨损状态辨识方法研究,主要研究工作如下:(1)开展了立铣刀磨损试验,进行了立铣刀磨损状态表征方法研究。基于生产现场条件,搭建铣削加工试验台,开展铣削试验并采集主轴振动数据,依据后刀面磨损带宽度将立铣刀磨损状态划分为四类,建立立铣刀磨损振动数据集。然后构建卷积神经网络提取立铣刀磨损振动样本的特征,基于该模型在恒定工艺条件、样本不均衡条件和不同工艺条件下开展立铣刀磨损状态表征实验,并进行多层级特征可视化分析。从表征实验结果可以发现,尽管卷积神经网络对恒定工艺条件下均衡数据集样本的磨损状态能取得较好表征效果,但对于样本不均衡和不同工艺条件下磨损特征聚类效果较差,不同磨损状态样本特征混叠严重,难以准确表征立铣刀的磨损状态,卷积神经网络的辨识能力有待进一步提升。(2)针对卷积神经网络和经典代价敏感辨识模型对样本不均衡条件下少数类样本磨损状态辨识精度低的问题,提出了一种基于深度特征加权卷积神经网络的立铣刀磨损状态辨识方法。该方法通过利用平衡影响因子和方差影响因子改进卷积神经网络中的原始交叉熵损失函数,重新加权特征信息,从而降低多数类样本对分类决策边界的干扰,提高各类磨损状态样本特征的聚集程度。实验结果表明所提方法能够有效提升样本不均衡条件下的立铣刀磨损状态辨识精度,并取得了比其他经典方法更优异的辨识结果。(3)针对卷积神经网络和经典迁移辨识模型对不同工艺条件下的立铣刀磨损状态辨识精度低的问题,提出了一种基于多类域适应卷积神经网络的立铣刀磨损状态辨识方法。该方法首先构建卷积神经网络提取磨损振动样本可迁移特征,利用最大均值差异缩小不同工艺条件样本的整体分布差异;再利用类间-类内距离约束增强模型的特征分布对齐能力;最后对目标域数据的输出概率矩阵采取最大化核范数的策略,以提取区分性高的目标域样本磨损特征。实验结果表明,多类域适应卷积神经网络摆脱对人工标记数据的依赖,取得了比其他典型深度学习模型更高的辨识精度。(4)基于以上研究成果,根据样本不均衡及不同工艺条件下立铣刀磨损状态辨识需求,开发了一套具备离线训练、在线测试功能的立铣刀磨损状态辨识监测系统,该系统可基于采集数据在线辨识立铣刀磨损状态,为工作人员做出换刀决策提供参考。

关键词：立铣刀磨损状态辨识卷积神经网络样本不均衡不同工艺条件

来源：评论

学校读者我要写书评

暂无评论

基于对抗蒸馏的轴向柱塞泵关键摩擦副磨损状态在线辨识轻量化方法

引用

液压与气动 2024年第10期48卷 1-11页

作者：王丹丹苗克非吕飞刘施镐黄伟迪张军辉浙江大学流体动力基础件与机电系统全国重点实验室浙江杭州310027 北京精密机电控制设备研究所北京100076

在线辨识轴向柱塞泵磨损状态对保证液压传动与控制系统的稳定可靠运行具有重要意义,但实际工况下的辨识性能受强噪声干扰。磨损状态辨识模型能通过对抗训练增强抗噪声鲁棒性,但庞大的参数量限制了其在边缘计算设备上的应用。为了兼顾抗... 详细信息

在线辨识轴向柱塞泵磨损状态对保证液压传动与控制系统的稳定可靠运行具有重要意义,但实际工况下的辨识性能受强噪声干扰。磨损状态辨识模型能通过对抗训练增强抗噪声鲁棒性,但庞大的参数量限制了其在边缘计算设备上的应用。为了兼顾抗噪声鲁棒性和模型体量,提出了一种基于对抗蒸馏的磨损状态在线辨识轻量化方法,设计了基于一维卷积神经网络的学生模型和教师模型,学生模型生成对抗样本作为知识迁移数据集,并通过知识蒸馏学习教师模型的鲁棒特征知识。通过故障注入、对比实验和消融实验,表明所提方法能兼具抗噪声鲁棒性强和模型结构轻量的优势。通过边缘部署和在线验证实验,验证所提方法能实时准确地辨识轴向柱塞泵磨损状态。

关键词：轴向柱塞泵磨损状态辨识边缘计算噪声干扰知识蒸馏对抗样本

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：