Abstract ：

针对卷积神经网络学习关键故障特征的能力不足从而影响轴承故障诊断准确率的问题，提出一种融合多注意力机制的卷积神经网络自适应抗噪模型（MACNN）。该模型利用通道和时间的复合注意力机制优化学习机制; 形成的多注意力机制模块从不同角度抑制噪声及无关信号分量等干扰信息的影响，并自适应地增强故障特征的响应；此外，在该模块中引入了残差连接防止网络性能退化。采用多尺度特征提取方法，并通过通道注意力机制自适应融合不同尺度下提取的特征；最后使用分类器进行滚动轴承故障诊断。实验结果表明:与没有实施注意力机制的模型相比，轴承故障诊断准确率平均提升了22.12%；所提方法在各噪声背景下的故障识别准确率均在98.5%以...

Keyword ：

卷积神经网络 轴承故障诊断 注意力机制 自适应抗噪

Cite：

Copy from the list or Export to your reference management。

Abstract ：

针对卷积神经网络学习关键故障特征的能力不足从而影响轴承故障诊断准确率的问题，提出一种融合多注意力机制的卷积神经网络自适应抗噪模型(MACNN)。利用通道和时间的复合注意力机制优化学习机制，从不同角度抑制噪声及无关信号分量等干扰信息的影响，并自适应地增强故障特征的响应；引入残差连接，防止网络性能退化。采用多尺度特征提取方法，通过通道注意力机制自适应融合不同尺度下提取的特征。使用分类器进行滚动轴承故障诊断。实验结果表明：与没有实施注意力机制的模型相比，轴承故障诊断准确率平均提升了22.12%;所提方法在各噪声背景下的故障识别准确率均在98.5%以上，验证了其自适应抗噪能力；在跨载荷实验中，模型故障...

Keyword ：

卷积神经网络 轴承故障诊断 注意力机制 自适应抗噪

Cite：

Copy from the list or Export to your reference management。

Abstract ：

针对基本快速扩展随机树(RRT)算法在路径规划中具有树的扩展随机性大、冗余节点多、容易在目标点周围发生振荡、规划的路径较长等问题，提出了一种改进的RRT算法。该算法首先采用目标偏向策略，通过引入动态权重系数使树尽可能地在向目标点进行扩展的同时又能够即时地避开障碍物；利用自适应扩展步长减少树在目标点附近的振荡；最后，对路径进行剪枝处理，并用三次B样条曲线对剪枝后的路径进行平滑处理。仿真分析的结果表明，与基本RRT算法相比，改进的RRT算法有效减少了冗余节点数，规划的路径更短，减少了19.56%,同时规划时间大大降低，减少了54.08%,有效地提高了路径规划的效率。

Keyword ：

RRT算法 动态权重系数 剪枝 平滑处理 自适应扩展步长

Cite：

Copy from the list or Export to your reference management。

Abstract ：

针对滚动轴承故障尺寸难以定量诊断的问题,提出了变分模态分解(variational mode decomposition,VMD)和卷积神经网络(convolutional neural networks,CNN)相结合的诊断方法。首先对带有不同故障尺寸滚动轴承的运行进行监测,得到1个与滚动轴承故障尺寸有关的数据库;然后对数据进行VMD,提取有效的训练模式分量,并去除噪声等的干扰;最后将训练模式分量置入CNN进行训练,得到能对滚动轴承故障尺寸进行预测的网络模型。实验结果表明,所提方法可有效实现对滚动轴承的定量诊断。

Keyword ：

变分模态分解 定量诊断 故障诊断 滚动轴承 卷积神经网络

Cite：

Copy from the list or Export to your reference management。

Abstract ：

针对滚动轴承故障尺寸难以定量诊断的问题,提出了变分模态分解(variational mode decomposition,VMD)和卷积神经网络(convolutional neural networks,CNN)相结合的诊断方法。首先对带有不同故障尺寸滚动轴承的运行进行监测,得到1个与滚动轴承故障尺寸有关的数据库;然后对数据进行VMD,提取有效的训练模式分量,并去除噪声等的干扰;最后将训练模式分量置入CNN进行训练,得到能对滚动轴承故障尺寸进行预测的网络模型。实验结果表明,所提方法可有效实现对滚动轴承的定量诊断。

Keyword ：

变分模态分解 定量诊断 故障诊断 滚动轴承 卷积神经网络

Cite：

Copy from the list or Export to your reference management。

Abstract ：

针对工作在寒冷地区的风机易出现的叶片结冰现象,提出一种基于SCADA数据的风机叶片结冰检测方法.根据叶片结冰会增大发电机的功率损耗,选择风速与网侧有功功率2个变量,利用主成分分析技术构造对叶片结冰敏感的风速与网侧有功功率在非主成分方向投影特征,通过选择最优阈值使逻辑回归分类器适用于不平衡分类,可以实现风机叶片结冰检测自动化与智能化.通过中国工业大数据创新竞赛数据验证了该方法的有效性.

Keyword ：

SCADA数据 不平衡分类 非主成分方向投影特征 风机叶片结冰检测 最优阈值选择

Cite：

Copy from the list or Export to your reference management。

Abstract ：

根据几何参数和简化原则建立电主轴实体模型.采用滚动轴承拟静力学模型准确计算轴承刚度,建立主轴-轴承系统有限元模型,设计模态测试实验较好地验证了仿真结果.基于主轴有限元模型,以主轴转子外圆直径、内孔直径、悬伸量、支承跨距以及轴承配置形式为设计变量;以主轴转子一阶固有频率最大和质量最轻为优化目标;以主轴转子前端静变形、最大应力、主轴各段尺寸均在限定范围内为约束条件,对电主轴转子进行优化设计.将提出的优化方法应用于某磨齿机电主轴,优化后主轴一阶固有频率提高33%,质量减轻21%,实现了电主轴高刚性和轻质量优化目标,为电主轴数字化设计提供技术支持.

Keyword ：

电主轴 高刚性 轻质量 优化设计 有限元建模

Cite：

Copy from the list or Export to your reference management。

Abstract ：

传统动平衡方法需要通过频繁的试重测试获取机组动力特征参数,对系统振动信息的利用不足、平衡效率低下.在无试重测试条件下获取转子系统动力特征参数是提高转子动平衡效率的关键.首先采用阶次跟踪技术解决了变转速过程的信息提取精度问题,将全息谱拓展应用于非平稳信号的分析和处理;对全息伯德图进行的进动和模态分解,则有效地消除了非平衡因素的干扰;在此基础上通过建立转子系统模型并结合全息谱分析提取动刚度参数,构建并求解激励、动刚度与振动响应的关联方程组,实现了转子不平衡量的无试重计算.实验测试结果表明,本方法在无需试重的情况下实现了转子系统前两阶模态不平衡的一次配重平衡,效果良好,验证了方法的有效性和可靠性.

Keyword ：

动刚度 阶次跟踪 全息动平衡 无试重

Cite：

Copy from the list or Export to your reference management。

Keyword ：

动刚度 阶次跟踪 全息动平衡 无试重

Cite：

Copy from the list or Export to your reference management。

Abstract ：

This paper proposes a machine remaining useful life (RUL) prediction method based on Monte Carlo simulation. In this method, the degradation processes of machinery are described using a general stochastic process model, which assumes the degradation speed is dependent on the age and the health state. The machine RUL is predicted using a numerical approximation algorithm based on Monte Carlo simulation. The basic idea of the numerical approximation algorithm is to generate a series of simulated degradation trajectories through Monte Carlo simulation, and to calculate the RUL probability density of each trajectory using its simulated state values. A practical case study is utilized to demonstrate the effectiveness of the proposed method in the RUL prediction of machinery.

Keyword ：

machinery Monte Carlo simulation numerical approximation Remaining useful life prediction stochastic process model

Cite：

Copy from the list or Export to your reference management。