【摘 要】
：
随着现代化水平的不断提高,车辆朝着智能化的方向发展,对车辆关键零部件开展状态监测与故障诊断是实现车辆智能化的重要途径和内在需求。作为车辆系统传递功率的关键部件以及车辆运维的重要对象,齿轮箱在传递动力的同时,还要承受较强的载荷冲击,极易发生故障,其发生故障将会对整个车辆系统造成严重的后果甚至人员伤亡。因此,研究车辆齿轮箱的状态监测和故障诊断,对确保其安全且可靠运行具有非常重要的现实意义。由于齿轮箱系
论文部分内容阅读
随着现代化水平的不断提高,车辆朝着智能化的方向发展,对车辆关键零部件开展状态监测与故障诊断是实现车辆智能化的重要途径和内在需求。作为车辆系统传递功率的关键部件以及车辆运维的重要对象,齿轮箱在传递动力的同时,还要承受较强的载荷冲击,极易发生故障,其发生故障将会对整个车辆系统造成严重的后果甚至人员伤亡。因此,研究车辆齿轮箱的状态监测和故障诊断,对确保其安全且可靠运行具有非常重要的现实意义。由于齿轮箱系统所在的工作环境十分复杂,采集到的齿轮箱振动信号中往往包含了较强的噪声成分,多个响应分量的混叠以及背景噪声的干扰大大增加了故障特征提取的难度。因此,需要开发有效的信号分析技术,才能从复杂的信号中提取出与齿轮箱状态特征信息相关的成分。本文以实现齿轮箱多源振动信号特征的精确提取为主要目标,基于稀疏分解方法在齿轮箱故障诊断中的应用研究,研究了非凸正则化多源稀疏分解方法的齿轮箱故障特征提取方法。主要研究内容如下:（1）广义平滑对数正则化稀疏分解方法及其在轴承故障特征提取中的应用。分析了常见的几种非凸罚函数的特点,并基于广义极小极大凹（Generalized minmax-concave,GMC）罚函数的构建方法,在传统对数罚函数的基础上设计了广义平滑对数罚函数,应用于稀疏分解模型中。针对传统L1范数等凸正则化函数幅值低估以及GMC罚函数在强背景噪声下提取精度不足等问题,为了提升轴承故障特征提取的精度和准确性,研究基于广义平滑对数正则化稀疏分解方法。仿真和工程实验分析验证了所提方法在故障特征精确提取方面的优越性和轴承故障诊断方面的可靠性。（2）紧框架下非凸多源稀疏分解方法及其在齿轮箱故障诊断中的应用。研究调Q小波变换（Tunable-Q Wavelet Transform,TQWT）来构造稀疏分解字典,该变换满足紧框架条件且不涉及高维矩阵求逆运算,可以高效快速求解,并通过调节调Q小波参数,可以分别生成与故障特征成分相匹配的字典。构造了齿轮箱多源稀疏表示模型,将本文所提出的广义平滑对数非凸罚函数应用到多源稀疏分解模型中,最后利用优化算法获得了非凸多源稀疏分解算法,仿真与工程实验信号处理验证了所提方法在齿轮箱故障特征提取中的适用性和优越性。（3）平衡模型下非凸罚函数稀疏分解方法及其在齿轮箱故障诊断中的应用。振动信号稀疏分解模型中大多数都是基于综合稀疏分解模型,而基于分析和平衡的稀疏分解模型研究较少。为了验证平衡模型在故障特征提取中的性能,并从提高齿轮箱故障特征提取的准确性这一目标出发,提出了基于反正切非凸罚函数平衡、综合和分析的稀疏分解算法,并应用于齿轮箱故障特征提取。最后通过仿真和工程实验验证了所提的平衡模型下非凸罚函数稀疏分解方法在齿轮箱故障特征提取中具有优异性能。通过本文研究,实现了从强背景噪声的齿轮箱故障信号中,准确地提取出关键特征信息,为进一步的齿轮箱故障严重性评估提供一种可行的方法,并且对提升车辆系统的智能运维水平具有重要的理论和现实意义。
其他文献
永磁同步电机具有体积小、效率高、转矩惯量比高和可靠性强等优点,如今被广泛应用于航空航天、新能源汽车、高精伺服系统、轨道交通牵引系统等领域。传统的永磁同步电机控制策略矢量控制和直接转矩控制,依赖离线调节的PI控制器,难以满足高实时性和高性能要求的场合。近年来,随着电力电子技术、控制理论的快速发展,模型预测控制理论与高频电力电子器件相结合,在交流电机传动领域得到了广泛的研究。本文首先分析了模型预测控制
为了满足现代工业生产力发展的要求,旋转机械系统愈发大型化和复杂化。作为旋转机械的核心部件,滚动轴承长期高转速、强负载工作,故容易故障并造成经济损失,甚至人员伤亡。故障诊断技术有助于避免这类事故的发生,因此,机械系统关键部件故障诊断研究具有重要的社会意义和经济价值。以深度学习为代表的现代故障诊断方法近年来得到国内外学者的广泛关注,但是深度学习模型的建立需要足量的有标签数据,并且假定训练数据和测试数据
当前,直流牵引供电系统普遍应用于多列车地铁系统中。在多列车动态运行过程中,再生制动功率的不同分配情况直接影响系统的能量损耗和供电安全。多列车地铁系统的能量损耗较大,如何实现系统节能一直是国内外研究的热点。另外,线路中常常出现过高的钢轨电位和杂散电流,不仅威胁到了乘客的人身安全及轨旁设备运行安全,还会对线路周边的埋地金属管线造成严重的电化学腐蚀。因此,亟需研究牵引变电所的输出特性和时刻表参数优化方法
＜正＞网络世界有一句流行语：“你永远不知道在网络里,和你聊天的是一个人还是一条狗。”意思是虚拟世界中人们的身份具有很强的隐匿性。随着人工智能的发展,这句话有了新的版本：“你永远不知道在网络里,和你聊天的是一个人还是一个机器人。”尤其是ChatGPT等聊天机器人的出现,更是让人们真切地体会到人机难辨。
ChatGPT是一个智能机器人聊天程序，它缺少创造性思维，也缺少情感体验和道德判断，它可以改变教育形式，但改变不了教育本质。未来教育不是排斥ChatGPT，而是拥抱ChatGPT，走向人机协同。ChatGPT具有快速获取信息、处理大量文本数据、个性化学习、实时反馈等优势，为教师备课、学生学习等提供便利和帮助，但可能出现过度关注知识教学、忽略学生批判性思考、引发学术作弊、忽视情感体验和人的片面发展等
滚动轴承是机械设备的重要组成部分之一,由于长期在高载荷、高转速的工作坏境下工作,会因为磨损和疲劳而受到损坏,其损坏可能会导致传动系统无法运转,以致整个机械设备无法工作。所以,对滚动轴承进行及时的故障诊断能够保证机械设备的安全运行。在工程实际中,滚动轴承长期处于正常运行状态,发生故障时应立即停机进行更换,所以能够采集到的正常样本会比故障样本多得多,导致轴承各类别健康状态数据之间不平衡,即类不平衡问题
为了满足产能需求,在规模化集成化的工业生产带来的压力下,机械设备往往长时间工作于重载、高速、高温高压的环境中。在这样的环境中,轴承等关键部件易产生疲劳、积累微小病灶、发生性能退化甚至引起整个机械系统的失效。因此,为了保障机械系统可靠安全地运行,对轴承进行运行健康状态识别至关重要。传统的故障模式识别方法通过信号处理,人为地进行时域、频域或时频域分析,但受机械系统结构、干扰成分等因素影响,分析的速度与
[背景]精神分裂症作为临床常见的、发病原因未明的、慢性迁延性的一种重性精神疾病,其思维、感知觉、情感、意志行为、认知功能、人格等多方面的障碍和其精神行为活动及周围环境的不协调性为主要的临床特征,全世界大约1%的人口受到严重影响。随着精神分裂症病情的演变和发展,阳性症状逐渐改善,阴性症状逐渐突出,常出现生活被动懒散、社会功能逐渐衰退、认知功能受损等症状,有较高的致残率、自杀率,大多数精神分裂症患者需
＜正＞面对新的技术进步，人们常常习惯于用随兴想象来代替技术思考。当下对ChatGPT的评论，情形也不例外。人们对之进行的随兴想象，已经引起两极反应：一极是极端乐观的想象，认为它将取代人类不胜其烦的一般智力活动，推动人类展开呈现其高超智慧的创造性智力活动；另一极是极端悲观的想象，认为其开启了人类的末日之路，终将从根本上损害人类的生存与发展前景。其实，这不符合该项语言大模型的技术开放初衷。从技术的角度
学生素养的培育依赖教师素养的提升，培育教师素养的校本教研可以从四个方面建构：一是确立立德树人价值观，提高教师的育人素养；二是营造民主平等合作氛围，增强教师的人际素养；三是研究具有校本特色的问题，形成教师的组织素养；四是规范校本教研，培育教师的专业素养。