首页期刊导航|机床与液压
期刊信息/Journal information
机床与液压
机床与液压

闵新和

半月刊

1001-3881

jcy@gmeri.com;jybjb@163.net

020-32385312

510700

广州市黄埔区茅岗路828号

机床与液压/Journal Machine Tool & Hydraulics北大核心CSTPCD
查看更多>>本杂志是国内外公开发行，中文核心科技期刊，中国期刊光盘版源刊，《中国学术期刊文摘》源刊，我国科技论文统计分析用刊。主要介绍液压、气动和控制技术，及其在工厂生产制造、机电工程设计、工程机械中的应用情况；同时也介绍设备使用维修和技术改造、开发方面的最新科研生产成果。此外，本刊还经常报道机电行业技术有关领域的专题综述，技术讲座，国内外发展动态及最新信息。内容坚持理论与实际、普及与提高、国内与国外相结合的原则，具有新颖性、先进性和实用性。是科研院所和企事业单位宣传企业形象的理想窗口，读者是遍布全国的科研、工程技术人员，工厂的技术人员，设备管理、维修人员，企业管理干部，经营促销人员，大专院校师生等。
正式出版
收录年代

    基于马氏聚类和前馈神经网络的风力机故障诊断

    胡新雨郁海彭何智韩伟...
    217-223页
    查看更多>>摘要：通过建立数据驱动的故障预测模型,可以将故障状态从正常状态中分离出来,进而实现对风力发电机故障的精确诊断.为此,提出一种基于马氏聚类和前馈神经网络的风力机故障诊断策略,通过马氏距离评估实现数据聚类以及正常数据和异常数据的分离;然后以前馈神经网络为基础,根据工程经验构建风力发电机、齿轮箱和发电机3种预测模型;最后利用实验样机数据对所提出的故障预测策略进行验证.实验结果表明:所提的风力机故障预测策略可以有效识别风力机输出功率异常、齿轮箱温度异常和发电机温度异常,进而有利于合理地安排维修计划.

    风力发电机数据驱动马氏距离聚类前馈神经网络故障预测诊断

      原文链接:
    • 万方数据
    • 维普

    基于时间卷积网络的机床齿轮箱轴承剩余寿命预测

    姜广君段政伟穆东明杨金森...
    224-230页
    查看更多>>摘要：基于深度神经网络的RUL预测模型结构比较复杂,不能很好地满足中长期预测任务的要求.为了更好地利用时间信息,设计一种基于时间卷积网络(TCN)的轴承RUL预测模型.以振动信号的频谱特征作为输入,利用因果膨胀卷积结构提取频域特征并捕获长期依赖,从而实现对轴承准确的RUL预测.为了进一步说明所提方法的优越性,将所提方法与卷积神经网络(CNN)、门控循环单元(GRU)进行了对比.结果表明:所提出的TCN模型的RUL预测精度优于其他现有方法,具有较高的精度.

    机床齿轮箱轴承时间卷积网络时间序列剩余寿命预测

      原文链接:
    • 万方数据
    • 维普

    基于SSA-VMD和SVM的滚珠丝杠副故障诊断

    左乾君陈国华毛杰张帅伟...
    231-238页
    查看更多>>摘要：针对滚珠丝杠副故障特征提取困难的问题,提出一种基于麻雀搜索算法优化变分模态分解算法(SSA-VMD)结合支持向量机(SVM)的滚珠丝杠副故障诊断方法.以最小包络熵作为SSA的适应度函数,对VMD参数进行自主寻优;运用IMF能量值对分解信号进行筛选重构,去除噪声和无关成分的干扰;最后提取重构信号的8类时域特征参数和5类频域特征参数作为特征向量集,导人SVM进行故障识别模型的训练.通过搭建滚珠丝杠副故障诊断实验平台采集振动信号,分别采用SSA-VMD、VMD、EMD方法进行信号分解提取故障特征.实验结果表明:与VMD和EMD相比,SSA-VMD能针对不同的信号自主选择最优的VMD参数进行信号分解,能准确识别滚珠丝杠副故障类型,证明了基于SSA-VMD的滚珠丝杠副故障诊断的可行性和准确性.

    滚珠丝杠副变分模态分解(VMD)麻雀搜索算法(SSA)故障诊断

      原文链接:
    • 万方数据
    • 维普

    某重型数控机床可靠性建模及评估研究

    陈红霞李宏悦包斯日古楞郭春成...
    239-243页
    查看更多>>摘要：与传统的机床相比,重型数控机床存在结构复杂、故障溯源困难、样本少、数据不足等缺点,因此对它进行可靠性研究比较困难.针对这一问题,分析某厂TH系列重型数控机床的故障数据,利用威布尔分布函数建立某重型数控机床的可靠性模型;为了获得更高的拟合精度,采用最小二乘线性回归分析法、极大似然估计法和灰色模型估计法3种方法来进行参数估计并选取最优值.通过K-S检验证明了以极大似然估计法所建立模型的威布尔分布拟合误差最小、精度最高;以极大似然估计出的模型作为可靠性评估模型,通过计算得到此系列重型数控机床的观测值与点估计值分别为298.155 0、298.675 9 h,二者基本相等,证明了模型的正确性.

    重型数控机床可靠性建模可靠性评估K-S检验

      原文链接:
    • 万方数据
    • 维普

    基于数据驱动和本体建模的数控机床主轴故障诊断与推理

    徐丹丹张帝
    244-252页
    查看更多>>摘要：针对目前数控机床主轴系统故障诊断存在方法单一及智能化程度低的问题,提出基于数据驱动和本体建模的机床主轴故障诊断与推理方法.采用EMD对传感器采集的蕴含故障特征的原始信号进行数据处理与分析,提取原始统计特征,在此基础上,构建DBN-RF诊断模型实现深度特征自适应挖掘与故障模式识别.利用Protégé5.1工具结合领域知识构建机床主轴故障本体知识库,将DBN-RF诊断模型的故障辨识结果与本体知识库中的实例进行语义映射,实现故障知识推理,获得故障原因和故障解决策略.基于采集的不同工况下轴承故障数据验证了 DBN-RF诊断模型的有效性,最高故障诊断平均准确率可达92.93％;构建实例验证了本体知识库的可重用性和推理功能;最后,设计开发了数控机床主轴健康管理服务系统,实现主轴系统状态实时感知和故障诊断与推理.

    数控机床故障诊断与推理数据驱动本体知识库

      原文链接:
    • 万方数据
    • 维普