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。

船舶艉轴机械密封在运转时,密封环端面温度的分布及热变形对密封的泄漏有重要的影响。为了提高机械密封的密封性,采用有限元分析方法,运用整体法和分离法对机械密封的动、静环的温度场、热变形进行分析,研究在不同主轴转速下端面温度的变化情况。分析表明:机械密封端面的最高温度出现在接触区域的中间,并向内、外两侧递减;端面摩擦热与主轴的转速有密切的关系,转速越大,产生热量越多,温度越高;密封环的导热系数也对端面温度也有影响,导热系数越高,端面最高温度会越低;端面热变形量内径处大于外径处。