提出了一种仿生马构型的四足步行机器人,以用于马术辅助治疗。其单腿系统利用凸轮连杆组合机构驱动,具有两个驱动自由度,能够实现足端轨迹跨距与高度的调整。论述了凸轮连杆组合机构驱动的仿生马机器人结构与工作原理,开展了机器人的运动仿真研究。利用SolidWorks软件建立机器人模型,并导入到Adams软件中进行动力学仿真分析。通过运动规划给定电机驱动函数,实现了仿生马机器人的行走运动。进一步分析得到了机器人在抬腿和落地运动过程中,足端与地面之间的接触力变化规律及相应的运动轨迹变化趋势。针对仿生马机器人运动仿真中整体出现的跳动现象,提出了采用电机变驱动规律以改良跳动的措施。研究结果为该类机器人参数的优化设计及实用化提供了理论支持。

稀疏表示在图像处理领域、音频处理领域有着广泛应用,将稀疏表示理论应用在振动信号处理领域可以高效地表示出信号的周期性成分。通过对Adams系统仿真和实测信号的转子耦合故障数据进行稀疏表示,研究了稀疏表示下转子不平衡-轴承耦合故障的振动特性以及故障间相互影响规律。结果表明,耦合故障下轴承故障通常会被淹没,且相较于不平衡故障表现出弱故障特征。针对转子不平衡-轴承耦合故障中轴承故障特征不易提取这一问题,采用基于Gabor原子的稀疏表示方法匹配转子不平衡-轴承耦合故障振动信号中的周期性振动成分,并通过谱峭度算法寻找冲击信号所在频段进行轴承故障特征提取,通过对多组实测信号分析,验证了该方法的有效性。

旋转机械振动信号具有较强的非线性、非平稳性的特点,互补集合经验模态分解(CEEMD)克服了传统EEMD的缺陷,提供了对信号从粗到精不同尺度的刻画。针对不同尺度对故障特性描述的差异,提出一种基于多尺度加权CEEMD的一维卷积神经网络(1DCNN)故障诊断方法。利用互补集合经验模态将振动信号分解成一系列本征模态函数(IMFs),然后求取各个IMF分量的峭度值,计算各分量峭度所占权重,根据各个分量权重值对信号进行重构。将数据样本划分为训练集、验证集和测试集,将训练集输入到一维卷积神经网络中学习更新网络参数,然后用验证集进行验证得到最优诊断模型,最后利用测试集对诊断模型进行测试。通过电机轴承数据集和齿轮箱数据集两组实验进行了模型验证,诊断精度分别为99.98%和99.73%,表明所提方法能够快速准确地诊断出不同故障类型,并且具有较高的故障...

针对单源信号对回转机组电机多点复合故障信息表征不充分及复合故障信号小样本问题,提出一种小样本下电机复合故障的多头卷积神经网络迁移学习模型,实现小样本下电机复合故障的多源异构迁移诊断。将动力装置中电流、振动等多源原始数据作为输入,构造超参数优化的多头卷积神经网络模型。将大样本单故障的原始数据集作为源域,构建目标域下以原始数据为输入的电机小样本复合故障迁移网络模型。将正则化惩罚项应用到迁移学习模型中,构建模型目标函数参数更新准则,实现模型对源域与目标域参数的自适应更新配适。试验结果表明:单源信息的诊断可靠性依赖于数据源的选取,多源信号的多头卷积神经网络模型可有效融合电流、振动信号并实现特征提取。通过与多个模型比对,所提方法在小样本下对电机复合故障的识别精度显著提升,且收敛时间...

针对滚动轴承振动信号典型非平稳性、非线性的特点,提出一种基于小波变换(WT)和一维卷积神经网络(1DCNN)的轴承故障诊断多尺度卷积神经网络方法。通过小波变换对信号进行多尺度分解,然后对每个尺度成分进行重构,将重构后的信号进行傅里叶变换得到频谱表示,并将各尺度幅值数据构造成一维特征向量作为一维卷积神经网络的输入。最后利用一维卷积神经网络对输入数据进行特征学习,得到轴承故障诊断模型。利用滚动轴承的10个状态数据集验证其性能。

在交变的高温高压环境下，人造金刚石压机中的硬质合金顶锤易出现裂纹，如果不及时检测并更换裂锤会造成更多顶锤瞬间同时破裂，从而造成重大的经济损失。针对如何检测顶锤裂纹，提出了一种基于Kolmogorov—Smirnov（K—S）检验和平滑伪维格纳分布（SPWVD）的方法。该方法根据脆性材料在产生裂纹时会伴随着声发射渡释放的特点，结合突发型声发射信号属于高频率高能量信号的特性，首先将顶锤裂纹信号设为模版，并对采集的声发射信号进行加窗截取，然后利用双样本同分布Kolmogorov—Smirnov检验对截取的信号进行匹配，对匹配到的疑似顶锤裂纹信号进一步利用平滑伪维格纳分布进行分析，根据得到的频谱信息确定顶锤是否出现裂纹。利用顶锤在平稳以及两种突发型声发射状态对所提方法进行验证，实验结果表明该方法能够准确检测出顶锤裂纹，...

为了实现汽车起重机液压系统状态监控及故障诊断，该文基于UML面向对象建模思想，建立了整个系统的功能模型，分析了系统主要功能模块的信息流向，阐述了系统的关键部分-模型生成工具和故障诊断功能的构建方法。基于．NET框架，利用Visual Studio 2008开发平台以及Microsoh SQLSe Ser2008数据库系统完成了诊断系统的开发，并以起重机液压系统中主泵的关键构件轴承为例给出了系统的工作过程。

柱塞泵是工程机械的关键部件，其性能好坏将直接影响整个设备的正常工作。针对柱塞泵提出基于特征选择支持向量机的智能诊断方法。对采集的振动信号基于小波包分解提取能量特征，然后利用Fisher准则函数选择对智能诊断最有利的特征，利用支持向量机进行训练，并将每个二类支持向量机按二叉树的组织形式构成系统的诊断模型。以汽车起重机柱塞泵为研究对象，其6种故障形式，包括正常、轴承内圈故障、滚动体故障、柱塞故障、配流盘故障、斜盘故障，用于检验所提算法的诊断能力，并与传统的BP神经网络和最近的蚁群神经网络方法进行对比。诊断结果表明：所提出的算法优于另外两种方法，具有较好的诊断效果。

通过对液压调直切断机的切断过程进行研究，分析了影响液压调直切断机工作范围的相关因素，建立了数学模型，推导了切断机正常工作需要满足的时间关系，以及钢筋送进中失稳的位置及条件．提出通过选择变速驱动、适当加大吊重、调整光电开关的相对位置等措施，使改良切断机最短工作范围满足800mm～1000mm的长度要求．