【摘 要】
：
载运工具做为交通运输和工业生产等领域的重要组成部分,对促进这些领域的发展起着重要作用。轴承、齿轮等是载运工具中的关键旋转部件,其健康状态是保障载运工具高效、安全运行的关键。然而,大部分旋转部件长期服役于恶劣工况,导致故障易发。一旦发生故障,便可能会造成经济损失、载运工具失效、甚至人员伤亡等。因此,开展载运工具关键旋转部件的状态监测与故障诊断研究对保障其安全平稳运行至关重要。本文以实现载运工具关键旋
论文部分内容阅读
载运工具做为交通运输和工业生产等领域的重要组成部分,对促进这些领域的发展起着重要作用。轴承、齿轮等是载运工具中的关键旋转部件,其健康状态是保障载运工具高效、安全运行的关键。然而,大部分旋转部件长期服役于恶劣工况,导致故障易发。一旦发生故障,便可能会造成经济损失、载运工具失效、甚至人员伤亡等。因此,开展载运工具关键旋转部件的状态监测与故障诊断研究对保障其安全平稳运行至关重要。本文以实现载运工具关键旋转部件健康状态辨识及故障严重程度评估为研究目标,着眼于解决Lempel-Ziv复杂度（Lempel-Ziv Complexity,LZC）方法在故障特征提取、故障演化表征等方面的不足。针对LZC仅采用单尺度分析而刻画能力不足、多尺度分析在较大尺度时结果不准确以及现有编码方式忽略了幅值调制信息等问题,研究变步长多尺度及等概率划分等策略,构建更为有效的LZC计算和编码方式,研究状态辨识与损伤评估方案,实现对载运工具关键旋转部件的定性与定量诊断。论文主要内容包括:（1）基于变步长多尺度Lempel-Ziv复杂度的旋转部件状态辨识方法。为提高特征提取能力,解决LZC因采用单尺度分析而导致故障信息挖掘不足、传统的多尺度分析会大幅缩短序列长度而导致LZC计算结果不准确的问题,通过改进粗粒化过程,提出了变步长多尺度策略,构建了变步长多尺度Lempel-Ziv复杂度（Variable-step Multiscale Lempel-Ziv Complexity,VSMLZC）;针对灰色接近关联度在处理序列相交时关联度被高估的不足,提出了灰色绝对接近关联度。基于此,将VSMLZC提取的多尺度特征向量输入到所提关联度模型中,实现了旋转部件的健康状态辨识。通过实验信号的分析以及与其它方法的对比,证明了所提方法的有效性和优越性。（2）变步长多尺度Lempel-Ziv复杂度融合指标的旋转部件损伤评估方法。为直观地描述旋转部件的损伤程度、充分利用多尺度复杂度信息,构建了基于拉普拉斯分值加权的特征融合算法。引入拉普拉斯分值评价各尺度下的复杂度特征,随后根据特征的重要性赋予相应的权重,将VSMLZC序列转化为更全面的变步长多尺度Lempel-Ziv 复杂度融合指标（Variable-step Multiscale Fusion Lempel-Ziv Complexity,VSMFLZC）,以此表征信号的复杂程度,实现旋转部件的损伤程度评估。通过轴承单点故障实验数据、全寿命实验数据及齿轮磨损实验数据验证了所提方法的有效性和优越性。（3）基于变步长多尺度等概率划分Lempel-Ziv复杂度的旋转部件损伤评估方法。LZC计算过程中的0-1编码方式忽略了信号的幅值调制信息,为更为全面的挖掘出故障特征,提出了等概率空间划分的编码策略,旨在保留更多与旋转设备健康状态相关的信息,进一步提高LZC对故障特征提取能力和抗噪能力。基于此,构建了变步长多尺度等概率划分 Lempel-Ziv 复杂度融合指标（Equiprobable Space Partitioning-based Variable-step Multiscale Fusion Lempel-Ziv Complexity,ESP-VSMFLZC）,实现对更为复杂工况下的旋转部件损伤评估。通过动力学仿真和实验信号验证了所提方法的有效性和抗噪能力。相较于其它方法,所提ESP-VSMFLZC在较强噪声环境下取得了更好的损伤评估效果。综上,本文以载运工具关键旋转部件为研究对象,以基于LZC的旋转部件健康状态辨识与损伤程度评估为研究目标,提出了变步长多尺度等概率空间划分策略以及基于拉普拉斯分值的融合策略,解决了 LZC仅采用单尺度分析而刻画能力不足、传统多尺度分析大幅缩短序列长度而导致结果不准确的问题,克服了 LZC采用的0-1编码方式忽略了调制信息的不足,构建了新的复杂度指标,提高了 LZC的特征挖掘能力及信号复杂程度表征能力,实现了对载运工具关键旋转部件的定性及定量诊断。
其他文献
影像测量仪作为非接触式尺寸测量仪器,在工业领域具有广泛的应用。近年来,客户对于影像测量仪的测量精度要求不断提高,垂直尺寸测量误差作为影像测量仪的一项重要技术指标,其测量技术已经成为业内争相研究的课题。本文的研究目的是提高MM420影像测量仪垂直尺寸测量精度,使垂直尺寸测量误差不超过（8+L/100）μm。影像测量仪垂直尺寸测量方法是分别在待测零件不同高度的表面上自动对焦并读取Z轴的光栅尺测量值,其
与圆形隧道相比,矩形隧道可以提高20%左右的空间利用率,被广泛应用于城市综合管廊、人行过街通道、公路和地铁隧道。因其开挖成拱效应差,矩形隧道通常采用明挖法修建,但随着城市建设环境的日益严苛和顶管工艺的进步,越来越多的矩形隧道开始采用顶管施工,且顶进断面越来越大、距离越来越长。大断面矩形隧道因其形状特点,顶进过程中掘进面稳定性较差,如果支护压力设置不当,容易出现失稳现象,造成地表塌陷、周边建筑物破坏
随着机器人技术和人工智能技术的发展,各种各样的机器人逐渐进入日常生活工作中,将人们从简单琐碎的劳动中解放出来。近年来,伴随着新冠疫情出现,医疗资源不足愈加明显,然而,当前的医院病房等环境仍需要大量医护员工进行药品配送,因此,研究具有自主药品配送功能的机器人是医院场景下的重要发展趋势。为了实现这一目标,本文围绕药品快速识别和自主配送两个方向开展病房环境下的移动操作机器人关键技术研究。具体研究内容如下
逆变器并联可以提高系统的可靠性,增加系统容量。在孤岛微电网中,负载电流根据各逆变器输出总阻抗按照比例进行分配。由于逆变器并联系统中线路阻抗等不可控因素的存在,各台逆变器的输出总阻抗不确定,从而影响系统的均流性能,导致逆变器并联系统产生环流。逆变器并联系统的环流影响逆变器的性能和寿命。因此,如何实现逆变器并联系统的电流均分是逆变器系统的关键问题。本文的研究内容如下:（1）建立单台逆变器双闭环控制（电
随着轨道交通快速扩张,城市公共交通体系愈发完善,但私家车保有量增速持续提升,公共交通占比仍然较低,城市道路拥堵等交通问题普遍存在,故有必要对居民的出行行为进行更准确地分析。以往多数研究中,出行方式选择模型通常将居住地周边的交通供给与建成环境视为外生变量,忽视了出行者选择居住地时对出行方式的偏好带来的居住自选择效应,可能导致模型结论的不准确,影响公共交通体系发展与相关交通政策的实施效果评价。本文以出
随着城市地下空间开发、利用的不断增多,基坑工程在规模、深度与难度上正经历着跨越式发展,总体呈现“深、大、复杂”的态势。在地下水丰富的地区,基坑工程的实施往往会涉及到降水和止水问题,因此,需要事先对基坑场地地下水分布、水文地质参数等特征进行深入了解、分析,为降、止水设计提供可靠依据。合理的基坑降、止水设计,可以保证土方顺利开挖、防止坑底突涌以及减少对周边环境的影响。本文以苏州市轨道交通S1号线祖冲之
离线深度强化学习算法将传统深度强化学习与离线学习两者相结合,是目前强化学习领域的研究热点之一。离线算法从一系列任务交互所得到的离线数据集中进行学习,该特点在机器人技术以及自动驾驶技术等领域有着极高应用价值。由于离线数据集样本通常无法包含所有的状态动作对,导致离线算法不可避免地出现动作值高估、模型偏差以及效果不稳定等情况。针对以上问题,本文主要做了以下三个方面工作:（1）权重自适应截断Q值方法。在类
永磁同步电机（PMSM）具有运行可靠、高功率密度和高效率等优点,在电气化交通等领域,尤其是新能源汽车和牵引列车方面,得到了广泛应用。然而PMSM多变量、非线性、强耦合的特性,使得传统电机控制策略很难灵活地适应众多的应用场合。为满足复杂的工况要求,电机系统往往要在非线性约束下精确地控制多个不同的目标,提高综合性能。在各种常见的电机智能控制策略中,模型预测控制（MPC）基于现代控制理论,原理简单直观,
公交优先是人口密集型城市交通可持续发展的有效路径,更是在“碳达峰、碳中和”背景下实现绿色出行的重要举措。然而,部分城市居民对常规公交的满意度逐年提升,但公交客运量却呈下降趋势。究其原因,在实际公交出行中存在居民出行意愿与行为不一致的情况,且已有研究表明不一致的出行者占全体出行者的近50%。本研究旨在研究不同出行特征居民的公交出行意愿影响因素差异,同时探索较高出行意愿人群的出行行为影响因素,为制定精
ChatGPT的爆火引发了国内外对人工智能与人类未来的大讨论，尤其是技术与教育的关联受到了广泛关注。相较于ChatGPT，GPT-4作为一种多模态预训练大模型已然超越前者，在通用人工智能（AGI）时代到来前具有更为重要的作用。通过对GPT-4历史发展的梳理，未来大学教学将迎来深刻变革，人工智能将呈现出全新的教育教学和学生培养视野。这些视野包括因材施教的未来图景、教育元宇宙的实践样态、课堂教学的创新