关键词： 齿轮箱   滚动轴承   齿轮   故障诊断   鲸鱼算法   支持向量机  

摘要： 齿轮箱在实际生产和机械传动系统中有着极其重要的地位,其中滚动轴承和齿轮作为齿轮箱正常运转的关键部件,决定着生产能否完整安全运行。由于实际运行的复杂工况,滚动轴承和齿轮经常会发生故障。并且在真实生产中,传感器采集的数据集往往是正常数据远大于故障数据,分类器常常会为了要提高识别率,将数量少的故障数据识别为正常数据。为了避免这个问题,本文选择齿轮箱中的滚动轴承和齿轮作为研究对象,对非均衡齿轮箱故障数据集进行研究。主要研究内容如下: (1)针对实际工况中齿轮箱故障数据集非均衡问题,即故障数据远小于正常数据问题,本文提出利用SMOTE过采样方法结合主成分分析法(PCA)和t-SNE可视化预处理非均衡数据集。首先利用西储大学的滚动轴承故障数据集和东南大学的齿轮故障数据集构造出各类故障的非均衡数据集,接着对构建好的数据集进行SMOTE过采样,使数据集均衡,最后采用PCA和t-SNE将均衡过的数据集进行特征降维并可视化,该方法已在上述两个数据集中得到仿真实验验证的可行性。 (2)针对传统的鲸鱼优化算法中的收敛因子是线性收敛问题,本文提出了融合模拟退火和自适应变异策略改进的鲸鱼优化算法。该算法在初始化种群阶段引入了反向学习机制,并将非线性收敛因子和动态惯性权重结合来调节种群前期的全局寻优和后期局部精确寻优的能力。为了体现该改进算法的收敛优越性,利用CEC2005函数和GWO、WOA、PSO、GA四种算法进行收敛性对比测试,测试发现改进后的鲸鱼优化算法(IWOA)收敛性最优。因此将利用该算法来改进支持向量机中需要优化的两个超参数c和g,并和GA、PSO、WOA和IWOA四种算法分别进行参数寻优,找到最优组合,对比实验分析得出IWOA优化过的SVM分类器的故障诊断结果最好。 (3)针对特征向量选取的问题,本文提出平均影响值算法(MIV),将其对(1)中已经处理完毕的特征向量进行计算排序,按从大到小的方式排序,选出影响力排序前四的特征向量作为最终的齿轮箱故障模型的特征向量,形成本文最终的MIV-IWOA-SVM齿轮箱故障诊断模型。实验验证发现该故障诊断模型精确度均高于其他的故障诊断模型。

摘要： 兰香萱四川省武胜县沿口初级中学校：小青是班上的怪人，平素总穿着那身洗得发白的校服，用着奇怪的金属水壶。那水壶绿皮圆肚，有着藏青色的编织带，活像刚从博物馆逃回来。我总觉得，她是故意通过这个水壶彰显自己的与众不同，博取老师的好感，我内心颇为不满。

关键词： 故障诊断   马尔可夫转移场   深度卷积生成对抗网络   改进EfficientNet   齿轮箱  

摘要： 为解决齿轮箱故障诊断过程中因样本分布不均衡导致的模型泛化性能不足和识别准确度不高的问题，提出基于MTF-DCGAN和改进EfficientNet网络的故障诊断方法。根据马尔可夫转移场(MTF)图像编码原理将收集的一维振动信号转换成二维可视化图像，按比例划分训练集和测试集；将训练集数据与随机向量输入至深度卷积生成对抗网络(DCGAN)模型中，交替训练生成器和判别器直至实现纳什均衡，生成与原始样本特征相似的新增样本，以此扩充故障数据集；最后，对EfficientNet的MBConv模块数量和激活函数进行改进，并将原始样本及增广后的样本集导入改进后的EfficientNet中进行特征提取，实现齿轮箱故障的识别与分类。结果表明：所提方法显著提高了样本不均衡情况下齿轮箱故障的诊断准确率，具有维度变换简单和模型参数量小的优势，加快了收敛速率。

关键词： 行星齿轮箱   故障诊断   卷积神经网络   样本扩充   迁移学习  

摘要： 行星齿轮箱因传动效率高、传动比大和结构紧凑等特点而得到广泛应用。但因振动、噪声和动载荷等,导致故障发生风险相对较高。因此,开展行星齿轮箱的故障诊断研究,对提升设备运行的安全性具有重要意义。目前,行星齿轮箱定工况故障诊断模型,网络结构较为简单、数据单一,导致故障特征提取不够全面,诊断精度不高。此外,行星齿轮箱跨工况故障诊断研究中,微调迁移模型因微调样本数量有限,易出现过拟合、稳定性下降。因此,本文以行星齿轮箱的关键零部件——齿轮和轴承为研究对象,从模态特征融合、网络结构优化、多源传感器信息融合、微调样本扩充四个方面深入研究,旨在提高故障诊断模型的性能。本文的主要研究内容如下: 1、提出一种模态特征融合与CNN的故障诊断方法。首先,利用FFT方法和CWT方法,提取频域模态信号与时频域模态信号。随后,将模态信号输入到对应的CNN网络,提取模态浅层特征并拼接融合。最终,通过CNN完成行星齿轮箱故障状态识别。该方法解决了单一模态数据,导致故障信息表达不完整、模型泛化性能不足及诊断精度不高。具体而言,时域和时频域模态特征融合,相较于时域、时频域模态,损失分别降低了3.26%和8.97%,精度分别提升了0.94%和3.18%;频域和时频域模态特征融合,相较于频域、时频域模态,损失分别降低了17.96%和6.94%,精度分别提升了4.13%和2.60%;时频模态融合性能最佳,相较于时域、频域模态,损失分别降低了4.01%和20.74%,精度分别提升了1.27%和5.04%。 2、构建一种基于CNN和LSTM的故障诊断模型,并融合CAM和Self-Attent ion以优化网络结构。该方法利用LSTM提取与故障相关的时序特征,结合CAM和Self-Attention,选择性地聚焦于与故障密切相关的重要信息。有效解决网络结构简单,造成模型难以获取复杂、深层特征表示。该模型损失及精度,相较于移除CAM、同时移除CAM和Self-Attention,模型损失值分别降低了4.992%和8.975%;精度值分别提高了1.03%和2.19%。 3、搭建一种基于多源传感器时频统计特征融合与CNN的故障诊断模型。具体而言,提取多源传感器信号的时域和频域统计特征,将其拼接融合,生成高维综合特征表示。随后,将融合后的特征输入CNN进行故障诊断。该方法旨在利用多源传感器数据的优势,解决因单一传感器数据,导致模型诊断精度低、容错能力不足。该模型的损失及精度分别为1.71%和99.57%,相较于其它传感器组合,损失值降低了1.03%-42.73%,精度值提升了0.47%-13.88%。 4、生成一定长度的随机噪声序列,替换原始样本中的部分数据点,以扩充微调样本数量。结合第三章(CNN-LSTM融合CAM和Self-Attention故障诊断模型)和第四章(多源传感器时频统计特征融合与CNN的故障诊断模型)定工况故障诊断模型,构建适用于跨工况故障诊断的迁移学习模型。该方法结合CNN-LSTM融合CAM和Self-Attention故障诊断模型,跨工况故障诊断损失及精度分别为1.75%和99.40%,相较于不做模型迁移与微调、迁移后不做微调样本扩充,损失分别降低了18.47%和8.05%;精度分别提升了7.09%和1.78%;该方法结合多源传感器时频统计特征融合与CNN的故障诊断模型,跨工况故障诊断损失及精度分别为0.81%和99.80%,相较于不做模型迁移与微调、迁移后不做微调样本扩充,损失分别降低了12.25%和10.37%;精度分别提升了2.11%和2.54%。

关键词： 采煤机   齿轮传动系统   试验装置   负载加载系统  

摘要： 分析了采煤机齿轮传动系统常见失效形式及监测手段。研制了基于试验平台升降系统、齿轮传动模拟系统、负载加载系统的采煤机齿轮传动系统综合试验装置。基于以太网和现场总线建立了试验装置传感网络，设计了多接口兼容的传感数据采集系统。开发了试验装置控制台，实现了试验平台升降系统、齿轮传动模拟系统、负载加载系统和传感采集系统的集成控制，实现了试验数据的集中存储和显示。测试运转试验表明，该试验装置稳定可靠，可用于后续采煤机齿轮传动系统相关试验。

关键词： 齿轮箱   故障诊断   格拉姆角场   多向传感器   注意力机制  

摘要： 针对单个传感器故障诊断中信息不足引起齿轮箱诊断准确度降低的问题，提出了一种结合注意力机制的多传感器数据融合方法，用于提高齿轮箱故障诊断的效果。首先，依据振动信号对随机脉冲的敏感性，采用综合悬崖熵度量作为权重标准，对多向传感器采集的振动信号进行融合，从而实现了信息的互补与有效融合。然后，构建了一种基于2DCNN的轻量级CA-GAPNet故障诊断模型，将融合后的信号转换为GAF图像，作为模型的输入，最终实现了齿轮箱故障的高效诊断。实验结果表明，与单一传感器和其他常用算法相比，所提方法在齿轮箱故障诊断中展现了更为优越的诊断性能。

关键词： 减速机   齿轮轴   失效分析   维修方法  

摘要： 为提高减速机输入端齿轮轴的使用寿命和维修效率，采用失效分析与常见维修方法相结合的研究方法，分析了设计缺陷、加工误差、材料问题及使用不当等失效原因，研究了焊补修复、镶套修复和零件更换等维修技术。结果表明，通过优化设计、精确加工和合理选材，可以有效延长齿轮轴的使用寿命，提升设备的可靠性与运行效率。

关键词： 跨域故障诊断   域自适应   深度神经网络   特征迁移   相关性保持   齿轮箱  

摘要： 齿轮箱跨域故障诊断是设备健康管理与维护领域的研究热点。针对该问题，提出了一种相关性保持机制(CPM)用于增强深度域自适应(DDA)模型的跨域诊断能力，其利用同类样本的关联性引导特征分布对齐，从而提高跨域诊断准确性。首先，受随机近邻嵌入算法启发，CPM基于高斯条件概率密度函数衡量数据关联性，并基于相对熵构建相关性保持的正则化项；然后，将CPM及DDA模块嵌入深度神经网络的训练过程，并通过梯度训练实现特征分布对齐。不同工况下的齿轮箱跨域故障诊断实验表明文中所提方法的平均准确率能达到90.4%;消融性分析验证了所提方法中各正则化项对域自适应的有效性；参数敏感性分析表明该方法对超参数设置弱敏感。

摘要： 蓝色封面上，是一位神情专注的工人。随手翻开一页，插画中是一双宽大粗糙、骨节分明、布满老茧的手。这双手的主人叫郑志明，他是一名平凡的钳工，也是一位不凡的大国工匠。由广西美术出版社出版的纪实绘本《大国工匠郑志明》，乘着一缕春风，向新时代的工匠精神致以最崇高的敬意。这部绘本讲述了郑志明的人生蜕变之路。他出身平凡，孩童时期，在父亲和哥哥的影响下爱上手工制作。