为实现卷积神经网络(CNN)对滚动轴承微弱故障位置的辨识,首先在保留整体信息的情况下,使用分段聚合近似(PAA)对轴承信号降维压缩;其次引入了格拉姆角场(GAF)将降维压缩后的轴承一维时间序列转换成了二维图像;然后引入批量归一化层、小批量法(minibatch)等方法设计卷积神经网络;最后将训练样本图像输入卷积神经网络进行训练和验证。结果表明,格拉姆和/差角场图均可有效识别滚动轴承不同零件的故障,格拉姆差角场在准确度上较格拉姆和角场高,更适合用于微弱故障的识别。

针对一种双主轴双刀架数控车床车削细长轴件时出现振纹问题,以工件侧系统为研究对象建立分析模型,采用有限元法分析了轴向拉力对车削效果的影响。对比分析和实际测量结果表明,轴向拉力对工件侧系统的静刚度和动态刚度影响很小,可以忽略不计,在特定工况下,只需要一个较小的轴向拉力就能使工件处于稳定状态。该研究为同类型系统的细长轴车削提供了一种方法,也为同类问题的分析提供了思路。