旋转机械转子-转轴系统故障诊断方法中大多采用传统浅层模型,对于数量较大的样本其处理能力有限。为解决此问题,提出一种利用改进的堆叠降噪自动编码器(SDAE)深度模型的故障诊断方法,并对转子-转轴系统的典型故障进行诊断。利用某机械故障综合模拟实验台,结合基于LabVIEW开发的信号采集系统模拟并采集转子-转轴系统的10类单一故障和7类复合故障振动信号。在训练SDAE模型时引入Dropout机制对模型进行改进,并结合Softmax分类器进行网络训练与诊断。与传统BP网络、自动编码器(AE)、无Dropout机制的SDAE和卷积神经网络(CNN)进行对比,结果表明:改进的SDAE方法对于转子-转轴系统故障的正确识别率最高,特别是对复合故障的诊断效果比其他模型更理想,充分验证了改进的SDAE深度模型的优越性。

针对传统旋转机械故障诊断方法中单一机器学习模型出现的诊断精度低、泛化能力差且性能提升有限等问题,提出了通过Stacking框架异质集成多个机器学习模型对旋转机械进行故障诊断。首先利用小波包变换对旋转机械的原始振动信号进行特征提取;然后通过贝叶斯优化和网格搜索结合的方法调节各基学习器的超参数,采用DT、KNN、SVM及RF作为初级学习器,LR作为次级学习器构建Stacking异质集成学习模型;最后通过滚动轴承和液压泵故障模拟试验,将所提模型与单

随着无人驾驶汽车的发展,对汽车转向系统响应的快速性、准确性和稳定性要求越来越高。分析阀控非对称缸液压转向系统的四边滑阀压力-流量特性、阀控缸的连续性方程和液压缸的力衡方程,对转向系统的转向阻力矩进行分析,建立双阀控非对称缸液压转向系统的数学模型,采用MATLAB/Simulink软件对系统的时域和频域特性进行仿真分析。开发试验系统的数据采集程序,对转向系统试验平台的数据进行采集并对试验结果进行分析。仿真结果和试验结果对比表明:该系统满足工程实际要求,仿真结果与实测结果一致性较高,建模准确。

车辆转向时其转向系统的动态特性是十分重要的性能指标。针对智轨列车电液伺服转向系统的动态特性测试问题,先开发设计出具有针对性的动态特性测试试验台,并以此平台模拟智轨列车在PID闭环控制下的转向工况。使用LabVIEW编写转向系统动态特性测试的软件程序,在PID闭环控制下对电液伺服转向系统的动态特性进行测试,得到了完整的测试数据。为智轨列车转向系统动态特性分析提供了灵活、方便的测试手段,为转向系统性能改进提供了数据支撑。

提出了一种局部投影消噪和递归定量分析相结合的轴向柱塞泵故障识别方法。以轴向柱塞泵故障振动信号为研究对象,首先用局部投影消噪方法对振动信号进行消噪;其次对消噪后的振动信号绘制递归图,进而通过递归定量分析对递归图所反映出的系统动力学信息进行特征提取,选择确定率(DET)和递归熵(ENTR)2个特征构成特征向量,构成故障特征样本;然后通过核模糊C均值聚类(KFCMC)方法对训练样本进行聚类,进而依据最小欧氏距离准则对测试样本进行故障识别;最后,将递归定量分析方法和相空间复杂网络定量特征方法进行对比。结果表明,基于递归定量分析的轴向柱塞泵故障识别方法具有更高的故障确诊率。

本文对3000kN电液伺服控制阻尼器试验系统的组成、特点、功能及其应用实例进行了简要介绍，并列举了在此系统上所进行的液体粘滞阻尼器、机械摩擦型阻尼器、支撑式金属屈服阻尼器、复合式金属阻尼器性能试验。