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MIBBPSO-SDAE的液压系统故障诊断

    郑坤张达
    207-215页
    查看更多>>摘要：为了监测液压系统的故障状态,需要安装多种传感器,采集的数据庞大且复杂,通过多特征计算可以得到多种特征.为了使诊断更加准确,提出一种MIBBPSO-SDAE的故障诊断方法.基于互信息的粒子群(MIBBPSO)特征选择方法以及标签相关性的蜂群初始化策略,利用特征和类标签之间的相关性来加速收敛;利用 2 个局部搜索算子增强算法的利用性能;使用一种自适应翻转变异算子找出最优的特征子集.然后将筛选出的特征子集进行数据融合,输入到经过训练的堆叠降噪自编码器(SDAE)的模型中进行故障诊断.结果表明:MIBBPSO-SDAE方法对柱塞泵、冷却器、节流阀以及蓄能器 4 种元件的诊断准确率分别为 99.5%、100%、96.52%和 98.1%,能够较准确地识别故障类型.

    液压系统堆叠降噪自编码器(SDAE)基于互信息的粒子群(MIBBPSO)特征选择故障诊断

      原文链接:
    • 万方数据
    • 维普

    基于轻量化模型结合DA与TL的轴承故障诊断

    邓兴超张清华朱冠华邓立伟...
    216-223页
    查看更多>>摘要：为了在计算量有限的平台上实现对轴承故障的准确和实时诊断,提出一种基于轻量化Mobilenet V3 模型结合数据增强和迁移学习技术的轴承故障诊断方法.将一维振动信号通过连续小波变换转换为二维时频图,以更好地揭示信号的时频特性;采用数据增强技术对时频图进行图像增强,并将它作为网络模型的输入,进一步提高模型的鲁棒性和泛化性能;最后,通过迁移学习调整网络模型,有效减少模型的训练迭代次数,提高诊断精度.采用所提方法在凯斯西储大学数据集上进行了实验验证.实验结果表明:所提方法在源域下达到了 100%的诊断精度,诊断时间为 41.3 ms,模型大小为16.3 MB,相比同类型中最优的网络模型,其精度提高了 0.437%;在不同信噪比的噪声下,平均诊断精度仍达到97.406%;在跨域实验中,平均准确率达到了 98.188%,比同水平中最优的模型提高了 1.563%.综合考虑诊断精度、诊断时间、模型大小、抗噪性和泛化性等指标,所提方法可以实现对轴承故障的准确诊断和实时响应.

    故障诊断数据增强迁移学习轻量化

      原文链接:
    • 万方数据
    • 维普

    基于CNN-SE-LSTM和多传感器数据的轴向柱塞泵故障诊断

    唐宏宾龚杨春董晋阳陈思源...
    224-232页
    查看更多>>摘要：轴向柱塞泵是液压系统中的核心部件,其状态监测和故障诊断是保证液压系统安全可靠运行的关键.然而,由于轴向柱塞泵结构复杂,工作环境恶劣,采集的信号中往往夹杂着强烈的噪声,利用单传感器数据监测其健康状态往往达不到预期效果.为此,提出一种基于通道注意力机制的卷积神经网络-长短期记忆网络(CNN-LSTM)和多传感器数据(MSD)的轴向柱塞泵故障诊断方法.改进CNN中卷积核的尺寸来优化CNN-LSTM结构参数,提高模型抗噪性能,并引入通道注意力机制模块SENet提升模型的表征能力,然后将 2 个不同位置的振动传感器数据进行数据端通道融合作为输入,最后将融合后的数据输入改进CNN-SE-LSTM中并通过Softmax层输出诊断结果.实验结果表明:在不添加噪声的情况下,所提方法故障诊断准确率达 100%,具有较好的准确性和快速性;在不同信噪比的噪声干扰下,所提方法相比多层感知器(MLP)、首层宽卷积核深度卷积神经网络(WDCNN)等模型具有更高的故障诊断准确率,鲁棒性更好.

    轴向柱塞泵故障诊断CNN-LSTM多传感器数据抗噪声

      原文链接:
    • 万方数据
    • 维普

    基于压力载荷谱的挖掘机行走液压系统液压泵异常检测方法

    佟哲周阳顾飞朱兴龙...
    233-239页
    查看更多>>摘要：针对矿用挖掘机液压泵运行环境复杂、振动信号难以识别的问题,提出一种基于压力载荷谱的挖掘机行走液压系统液压泵的异常检测方法.根据挖掘机行走工作特点划分行走液压系统典型工况;筛选行走液压系统液压泵出口压力、先导阀压力、发动机转速及扭矩百分比作为压力载荷谱,并进行数据清洗、插值对齐以及平滑滤波;最后,基于压力载荷谱和LSTM网络建立液压泵异常检测模型,利用模型分别对泵 1、2 的出口压力进行预测,采用滑动余弦相似性度量技术对预测结果进行差异性评估,结合评估结果与 1δ准则以实现矿用挖掘机行走液压泵异常检测.实验结果表明:所提方法能够实现对液压泵的异常检测,可以对矿用挖掘机行走液压泵故障进行提前预警.

    载荷谱液压泵出口压力异常检测行走液压系统

      原文链接:
    • 万方数据
    • 维普

    小样本下基于递归图和迁移学习的轴承故障诊断

    冯国红王宏恩刁鹏飞张润泽...
    240-248页
    查看更多>>摘要：针对实际工程中故障振动信号数据分布不同、数据量小的问题,提出一种基于卷积神经网络进行迁移学习的滚动轴承诊断方法.利用递归图对滚动轴承的一维时序数据进行图像转换,得到二维图像下的源域数据和目标域数据;将源域数据输入到添加ECA注意力机制的ResNet网络中进行预训练,得到预训练权重;将预训练权重迁移至模型当中,用少量样本进行训练,以验证集准确率为基准,获取此时的训练权重,并保存至目标模型中,最后将测试集数据输入到此时的模型进行验证.结果表明:所提方法能够在目标域仅有少量训练样本的情况下,达到较高的故障识别准确率,且具有较强的鲁棒性能和泛化性能.

    故障诊断深度学习递归图迁移学习

      原文链接:
    • 万方数据
    • 维普