课程文献中心 更多>>

关键词： 导管架平台   故障诊断   双通道网络   多头注意力机制  

摘要： 为了减少海洋环境下导管架平台振动信号中噪声干扰对于故障诊断的影响，保证海上生产安全，提出一种双通道模型的故障诊断方法。首先，将时间卷积网络（Time Convolutional Network， TCN）与门控循环单元（Gated Recurrent Unit， GRU）结合，同步提取振动信号数据特征，解决单个网络特征挖掘深度不足以及串联结构数据丢失问题；然后，利用多头注意力机制为特征重新赋予权重，通过Concatenate函数将双通道网络特征进行融合输出；最后，利用Softmax分类器实现对导管架式海洋平台的故障诊断，结合海试实验模拟的11种工作状态，对所提模型可行性进行验证，并与其他文献中提到的模型进行对比。结果表明，所提模型平均诊断准确率为96.83%，损失率为0.0981，性能优于其他模型，研究结果为海上平台故障位置监测提供一定参考。

关键词： 永磁同步电机   永磁体失磁   经验模态分解   贝叶斯优化   SVM模型  

摘要： 针对永磁同步电机（PMSM）永磁体失磁故障初期难以及时发现的问题，提出一种基于经验模态分解（EMD）的故障诊断方法。采集PMSM的电流信号，通过EMD提取PMSM电流信号特征值，组合成数据集样本，构建出贝叶斯优化后的支持向量机（SVM）训练模型。将数据集输入优化SVM模型进行故障诊断，实验结果表明，使用贝叶斯优化后的SVM模型比传统SVM模型能够更加准确地实现PMSM失磁故障诊断。

关键词： 线性相关   信息融合   因子分析   模糊理论   故障诊断  

摘要： 当前高压电容式电压互感器（capacitor voltage transformer，CVT）缺少在线监测有效数据，辨识不足，利用在线监测多数据源存在线性相关的数据特性，提出了基于分析数据相关系数进行有效数据辨识的方法。针对目前高压CVT故障诊断普遍存在信息单一、精度不高，局部放电在线监测装置故障信号检测受干扰因素影响较大，准确性差的问题，提出了基于多维信息融合的故障诊断方法。首先利用因子分析对CVT的诊断指标进行数据层信息融合，提取各故障类型对应的公共因子方差贡献值作为反映故障类型差异的特征值，进一步利用模糊理论进行特征层信息融合，将公共因子累计方差贡献值作为隶属函数的输入参数对CVT的故障类型识别，实现了对高压CVT故障的准确诊断。通过案例分析证明了本方法的有效性，为CVT故障诊断提供了理论参考和实践经验。

关键词： 轴承   故障诊断   轻量化   特征加权   密集残差结构   焦点损失  

摘要： 针对深层网络特征参数量大和故障类别样本数量不平衡导致轴承故障诊断效果差的问题，提出了一种不平衡数据下的轻量化轴承故障诊断方法。首先，将传感器所采集的一维振动信号重构为二维灰度图作为模型输入；其次，设计了非对称多尺度特征提取模块，利用不同尺度的卷积和空洞卷积对输入信号进行特征提取，并将一部分特征映射到原始空间用于去除噪声和还原原始数据结构；紧接着，被提取的丰富特征信息送入所设计的通道位置双加权模块利用反通道卷积和局部均值的方法对关键通道和关键位置特征进行双向加权；然后，设计了深度可分离卷积(DSC)密集残差结构，在保证网络轻量化的同时增加各层网络的特征融合，并通过快捷路径优化了反向传播性能；最后，利用焦点损失函数根据不同故障类别的重要性调整模型的学习过程，从而更好地适应不平衡的数据分布。利用美国凯斯西储大学轴承数据集和本实验数据集实验验证，结果表明，所提方法在不平衡数据集下故障诊断准确率最高，轻量化程度最好，并具有较好的抗噪性能。

关键词： 小波包分解   CNN-Bilstm算法   自主更新   数据过滤  

摘要： 针对列车滚动轴承故障诊断中存在的小样本条件与错误样本影响模型准确度的问题，提出一种基于小波包分解（WPD）、二维卷积神经网络（2D-CNN）与双向长短期记忆网络（Bilstm）的列车轴承故障状态的诊断方法。通过提取选定频段内特征的方法构建样本。结合2D-CNN与Bilstm搭建神经网络模型，增加自主更新的功能并添加数据过滤的结构。通过轴承故障数据，验证所提出方法。在小样本量和样本数据不平衡的训练条件下，故障诊断模型对测试集的分类准确度为98.15%，无数据过滤功能模型的分类准确度降低0.36%，而有数据过滤功能模型的分类准确度提高0.28%，对未知样本的分类准确度提高0.33%。实验结果表明，所提出方法使模型在小样本条件下具有较高的分类准确度，减少了错误样本模型自主更新的影响。

关键词： 多片离合器   接触压力   结构优化   摩擦系数   温度场  

摘要： 为了解决湿式多片换挡离合器的摩擦元件径向温差过大产生的热翘曲等热失效问题，开展了摩擦元件径向接触压力均匀化和摩擦系数梯度化的数值仿真和试验研究。首先基于离合器的紧凑结构，设计并拓扑优化了压板结构，提升了压板刚度，减轻了摩擦元件的变形趋势，使定工况下各摩擦元件的最大压差和温差分别降低了25.69%和28.48%；然后对摩擦片表面进行织构处理和试验，发现摩擦系数随织构线密度增大而减小，提出了织构密度沿摩擦片径向递减的梯度化设计方法，使定工况下最大温差降低22.70%。最后综合应用优化压板和织构摩擦片，使径向接触压力均匀化和摩擦系数沿径向递减，相比于原始设计，摩擦元件的最大温差和热弯矩分别降低了41.73%和45.33%。本研究为更高功率密度离合器设计提供了理论基础。

关键词： 轴承   故障类型   故障诊断流程   传感器   故障诊断方法  

摘要： 作为机械设备的关键组成部分之一，轴承在降低运行摩擦，为传动部件的旋转提供引导等方面具有重要作用，并被广泛应用于农业、制造、运输等各种领域；由于长期在高负荷、强冲击、复杂环境等情况下运行，轴承经常会产生故障并导致设备失效，严重时可能导致巨大经济损失和安全事故；因此对于轴承的运行状态进行监测，并对出现的缺陷或故障进行诊断是非常必要的；针对上述背景，综述了轴承的常见故障类型与故障诊断方法；介绍了轴承的常见故障类型与导致故障的原因，阐述了轴承故障诊断的一般流程与常用的传感器类型，分析了3类故障诊断方法在轴承故障诊断中的应用与其优缺点。

关键词： 高压断路器   电流信号   振动信号   联合特征  

摘要： 针对利用单一信号诊断高压断路器多种故障的局限性，本文提出了一种电流-振动信号联合特征的高压断路器故障诊断方法。首先，对线圈电流信号用峰值和谷值算法提取电流波形关键时间点及对应幅值构建电气特征；对振动信号进行VMD分解，计算不同模态分量下的多尺度散布熵值构建机械特征。然后，将电流-振动信号特征进行PCA主成分分析与降维，根据方差贡献率生成电流-振动联合特征，解决了特征向量冗余问题。最后，将不同故障下的信号联合特征输入到FCM模糊聚类分析中，精准诊断出高压断路器故障类型。实验结果表明，所提方法比单一信号故障诊断准确率更高，可以有效实现高压断路器故障诊断。

关键词： 温室多功能作业平台   履带式底盘   动力匹配  

摘要： 针对设施农业生产中装备功能单一、智能化程度低、效率低等问题，通过对温室多功能作业平台的整机机构设计和对电动底盘、驱动电机、减速器、动力电池以及喷雾升降装置设计与选型，设计一款集喷药、运输、升降等多功能作业为一体的温室智能多功能作业平台装备。通过实地性能试验研究，可知最高车速试验显示其最高车速为6.24km/h；最小转弯半径测试中，转向圆直径为930.7mm，通过圆直径为1046.7mm；爬坡能力测试中，可轻松通过25°坡度路面；续航能力测试中，续航里程可达18.5km。本作业平台集喷药、运输、升降等多功能作业为一体，实现一机多用，能极大减轻农民的生产成本，以期为设施农业发展机械化提供参考。

关键词： ZPW-2000A   故障诊断   深度学习   CNN   LSTM   注意力机制  

摘要： 轨道电路作为铁路信号的重要设备之一，易受环境、电气干扰等因素影响而发生故障。一旦发生故障将直接影响列车运行的安全性。目前，传统的轨道电路故障诊断方法在提取故障数据的全局和局部特征上仍存在局限性，而人工智能与深度学习方法的兴起为解决这一问题提供了新的解决思路。鉴于此，以ZPW-2000A轨道电路为研究对象，提出了一种基于CNN,LSTM和注意力机制的故障诊断方法，记作CNN-LSTM-Attention。具体来说，该方法通过CNN提取轨道电路故障的局部特征；通过LSTM挖掘时间序列数据的相关性和时间依赖关系，进一步获取全局特征；再引入注意力机制对特征赋予不同的权重，最终实现轨道电路故障的智能诊断。最后，依托信号集中监测系统，获取ZPW-2000A型轨道电路的31种典型故障模式，模拟故障曲线并生成前、中、后3个区段的时间序列数据集。在该数据集上进行实验验证。结果显示：与传统的时序数据深度模型，如Multi-LSTM、CNN-LSTM相比，CNN-LSTM-Attention可以提取时序数据的关键特征和全局特征，在测试集上的诊断性能是最佳的，准确率达到99.9%以上。而且注意力权重热力图显示模型更关注输入的中心部分，这说明本区段数据是影响故障发生的关键因素。CNN-LSTM-Attention为轨道电路故障诊断和铁路系统的安全运行提供了重要的理论和技术支撑，有一定的应用和推广价值。