【摘 要】
：
滚动轴承作为当代机械设备中的主要的组成部分,对机器的安全起着举足轻重的作用。因此,对其进行必要的障诊断研究显得就有十分重要的意义。常见的智能故障诊断研究步骤为:信号采集、特征提取以及分类识别。其中,特征提取以及分类识别作为智能故障诊断的关键环节。滚动轴承受实际工作环境的影响,其振动信号特征呈现非线性、非平稳等特点。由于传统的特征提取方法如:时域分析法、频域分析法以及时频域分析法对于复杂故障特征提取
论文部分内容阅读
滚动轴承作为当代机械设备中的主要的组成部分,对机器的安全起着举足轻重的作用。因此,对其进行必要的障诊断研究显得就有十分重要的意义。常见的智能故障诊断研究步骤为:信号采集、特征提取以及分类识别。其中,特征提取以及分类识别作为智能故障诊断的关键环节。滚动轴承受实际工作环境的影响,其振动信号特征呈现非线性、非平稳等特点。由于传统的特征提取方法如:时域分析法、频域分析法以及时频域分析法对于复杂故障特征提取的效果不佳,因此选择合适的故障特征提取方法就显得尤为重要。由于目前常用的故障诊断技术都存在一定的缺陷,不能很好的实现滚动轴承故障诊断。因此,在实际的工程应用中选择合适的故障特征提取方法显得尤为的重要。本文主要从以下几个方面展开论述。合适的故障特征提取方法不仅可以准确的提取故障特征,同时还对最终的故障分类识别的准确率有决定性的影响。针对上述问题,对滚动轴承的故障的振动信号特征以及故障分类识别进行研究。具体研究内容如下:（1）由于滚动轴承在实际的工作过程中受到非线性的影响导致其振动信号特征呈现非线性以及非平稳的特点,而传统的故障诊断特征提取方法在处理复杂的振动信号特征的效果往往并不理想。因此,本文提出一种基于改进蝙蝠优化算法（Improved Bat Optimization Algorithm,IBA）的自适应变分模态分解（Variational Mode Decomposition,VMD）故障特征提取方法。VMD算法的弊端是在对振动信号分解前需要预先设定其关键的参数组合,传统的试凑法、单目标优化法在确定本征模态分解个数k和惩罚因子并不能得到最优的参数组合,自动化程度程度不高,应用受到了严格的限制。因此,本文提出基于IBA对VMD进行自适应寻优获得最优参数组合,然后代入VMD算法中进行故障特征提取。（2）故障特征提取结束得到故障特征参数,引入支持向量机（Support Vector Machine,SVM）构建故障的分类识别模型。在SVM中,核函数g以及惩罚因子C作为关键的参数组合对最终的故障分类识别的准确率有至关重要的影响。因此,本文使用IBA对SVM的关键参数组合自适应寻优,构建基于IBA优化的SVM故障分类识别模型。通过实验分析,并与其它的故障分类识别模型进行对比,验证本文提出的故障分类识别模型在准确率和稳定性方面有明显的优越性。（3）针对滚动轴承运动状态验证问题,提出了一种基于IBA的自适应VMD-SVM的滚动轴承故障诊断方法,并应用于实验室实例。
其他文献
刚柔耦合并联机构作为机构研究中的新型课题,凭借刚性机构与柔性机构的优势融合,弥补了传统刚性笨重与柔性机构支撑性差的劣势。本文依据国内外肘关节助力机构以及刚柔耦合并联机构的研究现状,针对人群在提升重物中无法提供足够的力量,对可依附于人体的助力装置的迫切需求。在分析肘关节结构和运动特性的基础上,提出了一种刚柔耦合的可穿戴式肘关节助力机构,通过绑缚带的固定,使肘、肩相互配合提升物体,起到减轻人体产生的大
目前空间曲面零件打磨主要由人工完成,存在工作环境差、打磨效率低,且零件表面质量均一性差等问题。在自动化打磨领域,应用较广的打磨机器人为串联机器人。串联机器人具有结构简单、控制便捷等优点,但因其重复定位精度低、刚度低,不适用于较大的精密零件打磨。少自由度的并联机器人因具有重复定位精度高、刚度高、结构紧凑、易于控制的特点,在机器人加工行业得到广泛关注。但是相对串联机器人,其工作空间小,不适用于大尺寸零
主轴承是柴油机的重要摩擦副之一,其工作状况会影响柴油机的安全性和耐久性。伴随使用需求的提高,柴油机爆发压力增大,转速升高,输出功率增加,导致主轴承所受动载荷变大,轴承润滑状态恶化。表面形貌结构对接触表面的摩擦磨损特性有显著影响,合理控制主轴承表面形貌结构可以改善轴承的润滑状态和提高柴油机的可靠性。因此,本文以柴油机主轴承为研究对象,基于轴承润滑理论,计入轴颈倾斜、轴承表面弹性变形和表面粗糙度的因素
本文提出一种新型的（2-CRS-PU）＆R混联式踝关节康复机构,相较于目前常见的康复设备,该机构的制造成本更低、精度更高、康复性能更优异,可满足患者的日常康复需求。本论文主要从以下几个方面对踝关节康复机构进行研究:1.对踝关节康复机构的构型进行设计。在分析踝关节生理结构与运动机理的基础上,根据康复机构设计原则与构型综合原理,设计了一种基于（2-CRS-PU）＆R混联机构的踝关节康复机构,该机构的自
超声振动磨料流加工是一种通过工具头振动驱使磨料流场冲蚀工件表面实现材料去除的方法。大量研究表明,受超声扰动影响,磨料流在脉冲与壁面挤压作用下会形成漩涡微团,随横向压力与剪切力的不断增大,最终形成湍流。湍流涡附近的磨料受流场脉动的影响,会在各个方向上产生附加脉冲速度,使运动规律趋于复杂。此外,磨料的碰撞及无规则运动会反作用于湍流,使其进一步发生演化。由此可知,超声磨料流场具有很强的随机性、不可预测性
随着外骨骼技术日新月异的发展,对外骨骼和人体之间的运动融合性要求越来越高,以满足外骨骼的安全性要求,舒适性要求和工作效率要求。但是由于人机耦合模型的复杂性以及膝关节的复杂性等问题,外骨骼机构和人体关节之间的运动融合问题依然有待解决。本文从人体关节和外骨骼运动轴线对齐的角度出发,根据膝关节的运动学特点,设计了一种基于并联机构和绳驱共轭曲面的膝关节外骨骼。首先,利用螺旋理论对机构进行了运动学分析,验证
随着人工智能（artificial intelligence，AI）技术的快速发展，基于深度学习（deep learning，DL）和机器学习的AI技术在医学领域上的应用受到了广泛的关注。AI在眼科的应用也逐渐向更全面更深入的层次发展，通过角膜断层扫描、光学相干断层扫描、裂隙灯图像等技术，AI在对角膜病变、结膜病变、白内障、青光眼等眼部疾病的诊断和治疗方面都表现出了良好的性能。然而AI在眼科的应用
生物骨的最外层是由高强度和硬度的皮质骨组成,它承担了机体所承受的大部分负荷。对骨组织的切削和修正是骨科手术中难度最大的部分。由于生物骨材料本身导热性能较差,切削热积聚造成骨组织发生热损伤,严重影响骨组织的自愈能力。本文采用目前唯一一种冷加工手段——磨料水射流技术——开展皮质骨的切削实验,重点研究其切削过程的热性能相关问题。实验使用具有生物相容性的氯化钠晶体颗粒作为磨料,即避免传统矿物磨料对生物组织
近年来，眼科人工智能（artificial intelligence，AI）迅猛发展，眼底影像因易获取及其丰富的生物信息成为研究热点，眼底影像的AI分析在眼底影像分析中的应用不断深入、拓展。目前，关于糖尿病性视网膜病变（diabetic retinopathy，DR）、年龄相关性黄斑变性（age-related macular degeneration，AMD）、青光眼等常见眼底疾病的临床筛查、诊
近年来随着人口老龄化的发展、人群用眼方式的改变，现有的眼科医疗资源正越来越难以满足日渐增长的医疗需求，亟需新型的诊疗模式予以补足。眼科人工智能作为眼科领域的新兴元素，在眼病的筛查诊断中发展迅速，主要表现为“眼部图像数据+人工智能”的模式。近年来，随着该模式在白内障、青光眼、糖尿病性视网膜病变（diabetic retinopathy，DR）等常见病中研究的深入，相关技术日渐成熟，表现出了较大的应用