针对工况复杂多变而产生数据分布不一致,导致传统机器学习进行故障诊断分析时精度低的问题,提出了选择性集成迁移学习的故障诊断方法,基于相似度原理,将相似度高的源域数据迁移至目标域,增加了有效训练样本的数据量,然后结合集成SVM进行故障识别;并在此基础上,提出了一种基于类内类间数据样本分散度的特征选取方法。轴承故障诊断实验结果表明,选择性集成迁移学习可以有效解决工况多变导致设备故障诊断精度低的问题,而且特征优选后诊断精度会得到进一步提升。

为探究混流式喷水推进泵在运行过程中叶轮结构稳定性,基于单向流固耦合的方法,分别对叶轮结构在变流量、变转速工况下进行静力学分析和模态分析。结果表明:喷水推进泵叶轮背面及工作面的最大等效应力均发生在叶片根部;叶轮背面及工作面的最大位移均发生在靠近叶轮出口叶缘位置;流量变化对于叶轮结构固有频率的影响可近似忽略,其下降值为0.02~0.07 Hz;相较于流量对叶轮结构的影响,转速的变化对叶轮结构的影响较大,其增值为0.14~1.91 Hz;叶轮转速不

模糊自适应共振理论(fuzzy adaptive resonance theory,简称Fuzzy ART)已被广泛应用于机械设备实时监控和故障诊断。Fuzzy ART采用只允许一个获胜节点学习的硬竞争学习机制,导致系统极易产生误判。针对此问题,将Yu范数相似度准则、生物侧抑制理论与Fuzzy ART相结合,建立了允许多个获胜节点学习的软竞争ART(简称Soft-ART)算法。为了提高故障诊断精度,运用Yu范数相似度测度改进了基于距离测度的特征参数选择方法。利用轴承故障诊断数据对特征选择算法及Soft-ART算法进行了检验,并与FCM,BP及Fuzzy ART算法进行了对比。结果表明,该Soft-ART算法具有更高的诊断精度,同时说明了特征选择算法的有效性。

为更精确地研究轴承故障机理,放弃了传统球匀速公转的假设前提,考虑了球与沟道间的相对滑动作用和润滑牵引作用,以Gupta模型为基础建立了单点损伤及复合故障轴承的动力学模型,探索了单点损伤及复合故障对轴承内部接触载荷及轴承振动特性的影响规律,为滚动轴承故障诊断奠定了基础。