为解决内部车削再生颤振以及加工误差问题,提出了一种基于加工误差补偿的内车削再生颤振辨识与鲁棒控制方法。首先通过第一分量法实现了切削力模型参数辨识。然后利用上一步确定的切削力模型参数,综合考虑与颤振再生特性相关的时滞项,以及切削力和柔性镗杆模型的不确定性,设计了一个鲁棒稳定控制器用于解决内部车削过程中再生颤振控制的关键问题。进一步前馈项来消除杆端偏转,有效实现了加工误差补偿。最后通过模拟内车削过程的实验证明提出方法可以得到切削系数和重叠因子的合理估计,并且可以提升切削过程颤振抗扰度,降低了切削力直流分量引起的柔性杆挠度误差。

由于往复式压缩机的故障诊断需要复杂而耗时的特征提取过程,并且对超参数优化存在局限性,提出了一种基于深度学习和贝叶斯优化的压缩机故障诊断方法。首先通过时域计算短窗口的预处理方法降低模型复杂性,并且不损失时间相关信息。然后从压缩机振动信号的时间序列表示中迭代训练长短期记忆模型,在每次迭代中限定搜索空间,并利用贝叶斯优化方法对超参数进行优化。通过实验结果显示提出模型的故障识别率达到93%,与其他方法的对比结果证明该方法在性能上有了显著的提高。