首页期刊导航|机电工程
期刊信息/Journal information
机电工程
机电工程

罗向阳

月刊

1001-4551

meem_contribute@163.com

0571-87041360 87239525

310009

浙江省杭州市大学路高官弄9号

机电工程/Journal Mechanical & Electrical Engineering Magazine北大核心CSTPCD
查看更多>> 《机电工程》杂志系:中国科技论文统计源期刊(中国科技核心期刊) ,创刊于1971年,由浙江大学与浙江省机电集团(原浙江省机械工业厅)联合主办,是一份在国内有较高影响力、历史悠久的机电技术领域的专业性科技期刊。以报道机械、仪表技术,机电一体化技术、自动化技术及其应用为特色。《机电工程》杂志是中国机械工程学会优秀期刊,《中国学术期刊(光盘版)检索与评价数据规范》(CAD-CJ)执行规范优秀期刊,浙江省精品科技期刊。 中国学术期刊影响因子年报-自然科学与工程技术2011版显示:复合影响因子为0.748,影响因子列机械工程学科第8位(总计86种)。
正式出版
收录年代

    农林作业机械静液压传动系统效率特性建模及减速比分析

    程准邢杰李文杰
    99-106页
    查看更多>>摘要:在目前农林作业机械静液压传动系统的设计阶段,存在对其实际效率特性考虑不足的问题,同时在效率特性建模时,由于参数变化范围未知也会导致其参数辨识困难.为了解决以上问题,对其匹配设计、效率特性模型参数辨识以及减速器传动比影响关系进行了研究.首先,针对某型林果采摘机械的"变量泵-定量马达"动力传动系统,基于整机于松软土路面行驶时的阻力特性,估算了需求功率,并匹配了变量泵和定量马达型号;然后,提出了一种决策变量自适应变化的改进蒙特卡罗(I-MCM)法,根据已选静液压系统的台架试验样本数据,采用参数辨识方法建立了静液压系统效率特性模型,同时将其与蒙特卡罗法和改进的粒子群算法进行了对比;最后,基于已建立的效率特性模型,分析了减速器传动比设计值对整机能耗的影响.研究结果表明:在参数变化范围不确定的情况下,I-MCM仍能有效实现参数辨识,且辨识后的模型误差为4.05%;静液压系统在整机使用过程中的效率特性受减速器传动比的影响,两者在传动比设计值的变化范围内呈反相关,最优设计值平均传动效率为81.45%,高出最劣设计值10.53%.该研究可为我国农林作业机械或工程机械特性评估及优化设计提供参考.

    林业机械机械传动系统改进蒙特卡罗法调速特性参数辨识液压系统选型

    融合Inception V1-CBAM-CNN的轴承剩余寿命预测模型

    余江鸿彭雄露刘涛杨文...
    107-114页
    查看更多>>摘要:针对现有的滚动轴承剩余寿命(RUL)预测方法精度低、轴承健康指标(HI)构建困难等问题,提出了一种基于卷积神经网络(CNN)并融合Inception V1模块和卷积注意力机制模块(CBAM)的滚动轴承RUL预测模型.首先,在CNN中添加了 CBAM机制,并进行了加权处理,在通道和空间维度对重要特征进行了强化,对次要特征进行了抑制,通过添加改进的InceptionV1模块,提高了CNN通道间信息交互水平,全面提取了退化特征;然后,进行了网络优化,采用全局最大池化(GMP)方法对模型进行了简化,采用Dropout和批量归一化(BN)方法,避免了过拟合,提高了精度,且克服了训练时出现的梯度消失问题;最后,对数据进行了处理,将降噪后的信号重组为三维张量,将其作为m,构建了退化标签,引入了评价指标,采用PHM2012轴承数据集进行了实验验证,在3种工况下将其与深度神经网络(DNN)、CNN方法、结合注意力机制的残差网络方法(ResNet)进行了对比.研究结果表明:该方法在变负载条件下的平均RMSE为0.033,较其他方法的RMSE值分别降低了 86%、78%和69%,在预测精度和泛化能力方面具有明显优势.

    滚动轴承剩余使用寿命InceptionV1模块卷积注意力机制模块卷积神经网络全局最大池化批量归一化

    基于仿真数据和子领域自适应的轴承故障网络诊断框架

    韩洁苏小平康正阳
    115-122页
    查看更多>>摘要:在实际工业环境中,往往缺乏相应工况的轴承故障数据用于模型训练,这限制了深度学习在工业场景中的应用.基于此,采用两种建模方式生成了轴承故障信号,将其用于训练模型,并利用深度子领域自适应方法,缩小了模拟信号和真实信号间的差异,提升了模型对真实信号的诊断精度.首先,采用数学建模和基于LS-DYNA的有限元仿真两种方式建立了轴承故障仿真模型,以获取与实际场景相同工况下的轴承故障仿真加速度信号;其次,针对仿真数据和真实数据存在差异的问题,利用子领域自适应方法得到了对齐仿真数据和实际数据的全局特征分布以及相关子领域的特征分布;最后,采用原始一维振动信号作为输入,在残差神经网络(ResNet)模型架构上完成了端到端的轴承故障分类工作;将德国帕德博恩大学采集到的轴承故障信号作为实验数据,对上述模型的有效性进行了验证.研究结果表明:相较于有限元仿真,数学建模生成的仿真信号能够较轻易地迁移到实际信号,在无标签数据场景下具有99.73%的轴承故障识别精度,体现了数学建模在无监督轴承故障诊断领域的广阔应用前景,是在真实工业系统和人工智能之间架起桥梁的关键技术.

    轴承故障数据数学建模LS-DYNA有限元仿真子领域自适应残差神经网络(ResNet)模型迁移学习能力

    基于MOBWO-MCKD的风机滚动轴承故障特征提取方法

    霍忠堂高建松张丁丁
    123-129页
    查看更多>>摘要:针对风力发电机轴承振动信号受强背景噪声及其他设备激励源影响,导致早期微弱故障特征不易提取这一问题,提出了一种基于多目标白鲸优化算法(MOBWO)优化的最大相关峰度反卷积(MCKD)风力发电机轴承故障特征提取方法.首先,采用MOBWO强大的全局及局部搜索能力优化了 MCKD关键参数,获取了最佳参数组合;其次,利用优化后的MCKD对原始信号进行了解卷积运算,消除了背景噪声及其他设备激励源的影响,突出了轴承周期性脉冲信号;然后对解卷积信号进行了包络谱分析,提取了轴承故障特征频率,并将其与理论计算故障特征频率值进行了诊断结果对比;最后,采用实际工程中采集到的风力发电机轴承内圈和外圈的故障数据,对MOBWO-MCKD方法的有效性进行了试验验证.研究结果表明:基于MOBWO-MCKD的故障特征提取方法能够有效地消除背景噪声及其他设备激励源的干扰;由内圈信号包络谱可得到的内圈故障频率为fR=125.87 Hz、2fIR=251.74 Hz;由外圈信号包络谱可得到的外圈故障频率为fOR=84.47Hz、2fOR=168.94Hz、3fOR=253.41 Hz.该特征提取方法可以为实际工程风力发电机轴承早期微弱故障特征提取研究提供一定的参考.

    风机轴承多目标白鲸优化算法最大相关峰度反卷积滚动轴承内圈轴承外圈包络分析

    基于贝叶斯优化的GRU网络轴承剩余使用寿命预测方法

    孟琳书张音旋张起王豪...
    130-136页
    查看更多>>摘要:传统的滚动轴承剩余使用寿命预测模型存在参数优化的困难.针对这一问题,笔者提出了一种基于贝叶斯优化的GRU网络滚动轴承剩余使用寿命预测方法,并进行了实验验证,即以PHM2012数据集为例,结合贝叶斯优化算法对基于Encoder-Decoder结构的门控循环单元(GRU)预测模型的多个超参数进行了优化.首先,对包含噪声的原始数据进行了小波包处理,从滚动轴承的振动机理和故障特征出发提取了时域特征,针对该时域特征进行了优化、筛选,并将其输入到模型中的编码器部分,进一步提取了更深层次的时序特征;其次,结合注意力机制与Encoder-Decoder结构,构造了双向GRU神经网络模型,在模型的高维超参数空间中采用贝叶斯优化方法搜索超参数,得到了最优的超参数组合,并在解码器中融入了线性变换,得到了滚动轴承的寿命预测值;最后,封装了全部模型构建、训练与使用过程,建立了基于贝叶斯优化的GRU网络滚动轴承寿命预测流程,并对方法的有效性进行了对比实验验证.研究结果表明:采用基于贝叶斯优化的GRU网络可以有效预测滚动轴承的剩余使用寿命,相比于其他3种方法的最优结果,基于贝叶斯优化的GRU网络的平均预测得分提高了 8.01%;基于贝叶斯优化的GRU网络对于真实寿命较短的轴承预测结果较为准确,而对于真实寿命较长的轴承则没有出现预测值大于真实值的情况,可以作为轴承临近失效阶段剩余使用寿命估计的参考.

    参数优化剩余使用寿命门控循环单元贝叶斯优化超参数调整注意力机制Encoder-Decoder结构

    基于抓持力补偿策略的变刚度软性手指结构优化与实验研究

    徐礼涛单晓微李雪菲
    137-148页
    查看更多>>摘要:针对以往研究主要关注对已有手指结构的参数进行优化,而缺乏根据所需抓持性能进行结构设计的问题,提出了一种基于抓持力补偿策略的变刚度软性手指结构的优化设计方法.首先,为了更加全面地评估软性手指的抓持性能,提出了三种评价指标;为使所提出的基本结构手指具有更早且线性变化的抓持力及更好的抓持稳定性,提出了一种利用变刚度机构特性补偿手指抓持力的设计策略,并基于该策略设计出了一种悬臂梁结构变刚度手指;然后,利用ANSYS有限元分析软件,使用多目标优化方法对悬臂梁结构变刚度手指进行了结构优化,分析了悬臂梁变刚度特性,并将优化后的手指与基本结构手指的抓持性能进行了对比;最后,利用测试平台进行了抓持性能试验,对仿真结果进行了验证.研究结果表明:与基本结构手指相比,基于抓持力补偿策略所得手指的抓持力响应点提前了 33.3%,抓持后期的抓持力变化线性拟合相关系数R2高达0.9997,抓持力方向角减小了约71.4%;抓持力实验结果与仿真结果相比,抓持力的误差最大值小于0.5N,抓持力方向角误差最大值小于4°,说明基于抓持力的补偿策略能够指导软性手指的设计,并有效提高手指的抓持性能.

    软性手指抓持性能抓持力响应补偿策略自适应悬臂梁结构变刚度手指ANSYS有限元分析

    基于数据库标签感知分片的制造过程测量数据分布式存储

    王佺珅张爱梅
    149-157页
    查看更多>>摘要:针对零件在线测量过程中多种测量仪器无法协同存储、仪器内数据查询聚合困难等问题,对多工序测量仪器集群的数据分布式存储和共享方法进行了研究.首先,在多个嵌入式测量仪器中,移植非关系型数据库集群对零件数据进行了分布式存储,简化了零件数据存储模型;然后,引入标签感知分片(tag-aware sharding),实现了零件不同工序测量数据的分类存储目的;最后,使用多个搭载嵌入式Linux系统的树莓派3B+开发板作为测量仪器系统平台,搭建了基于MongoDB数据库的在线测量分布式存储集群,通过大量测试数据验证了该集群在多节点存储时数据分布均匀、性能稳定;将存储集群与企业制造执行系统(MES)进行了对接,其可以实时监控分析零件测量数据,快速汇总所有测量节点内的工序数据并生成报表.研究结果表明:当集群中数据量达到7.2×105条时,单节点查询响应速度稳定在125 ms~208 ms范围内,相比哈希分片,其最高提升了 88.15%;多节点协同查询响应速度为1 308 ms,相比"升序键+搜索键"方案,其提升了了 61.64%;多个测量节点内,1 ×105个零件数据聚合统计仅需5 s左右.该存储集群可以监控零件生产情况,在减少零件制造误差、提高制造效率和质量方面具有重要作用.

    零件在线测量分布式数据存储标签感知分片MongoDB嵌入式测量仪器制造执行系统

    基于多尺度散布熵的磁声发射信号特征识别方法

    李梦俊沈功田沈永娜王强...
    158-165页
    查看更多>>摘要:在工程中对设备进行应力检测和微损伤检测时,采集磁声发射信号易受噪声干扰,同时其特征的提取也存在困难,为此,将变分模态分解与散布熵相结合,提出了一种基于自适应多尺度散布熵的磁声发射(MAE)信号特征识别方法.首先,设计搭建了检测实验平台,采集了 Q345钢静载拉伸实验中0 MPa~400 MPa应力状态下的MAE信号;然后,采用变分模态分解方法,对磁声发射信号进行了 自适应分解,生成了 一系列从低频到高频分布的本征模态函数(IMF)分量;其次,计算了每个本征模态函数分量的散布熵值,构建了 MAE信号的特征向量矩阵;最后,将特征向量矩阵输入到基于支持向量机建立的识别分类模型中,进行了信号的训练和识别.研究结果表明:使用基于自适应多尺度散布熵的磁声发射(MAE)信号特征识别方法,能够自适应地实现MAE信号的多尺度化目的,并且准确地识别出不同应力状态下的信号特征,分类识别准确率高达95.3704%,验证了该方法的有效性;说明基于自适应多尺度散布熵和多分类支持向量机的信号特征识别方法能够快速且有效地识别不同应力状态,在信号特征识别方面具有较好的应用潜力.

    磁声发射变分模态分解散布熵Q345钢信号特征识别本征模态函数

    数控机床几何误差单轴五次测量与辨识方法

    季泽平田春苗郭世杰唐术锋...
    166-174,182页
    查看更多>>摘要:针对数控机床几何误差项的准确测量与辨识问题,提出了一种基于激光干涉仪的机床空间几何误差单轴五次测量与辨识方法.首先,针对X、Y、Z轴分别设置了 一条测量线,测量了 3条划定线上除滚转误差外的其他15项几何误差,共计15次测量;然后,分析了转角误差对直线度误差以及直线度误差对定位误差的耦合影响,并建立了误差辨识方程组;最后,根据误差辨识方程组,得到了机床21项几何误差;并进行了单轴五次测量法的测量和辨识实验,并将所得结果与空间九线法测量辨识结果进行了对比分析.研究结果表明:单轴五次测量法与空间九线法测量辨识结果的空间误差向量最大偏差为1.93 μm,平均偏差为0.58 μm,该结果验证了单轴五次测量法是准确和有效的.该方法考虑了实际测量过程中的误差耦合情况,因此相比于空间九线法,该方法减少了测量线数与测量次数,简化了误差项的求解过程;同时,采用单轴运动方式可以有效避免其他轴对当前运动轴误差的影响.

    数控机床激光干涉仪空间几何误差单轴五次测量法误差耦合误差辨识

    基于LSTM-Adam的矿井提升机故障预警模型

    郭星燃李娟莉苗栋李博...
    175-182页
    查看更多>>摘要:针对不同作业环境下提升机特征参数的独特性难以充分贴合和故障预警难度大等问题,提出了一种基于长短期记忆神经网络(LSTM)和适应性矩估计算法(Adam)的矿井提升机故障预警模型.首先,对矿井提升机的工作原理和常见故障表现形式进行了分析,以LSTM神经网络为基础,建立了提升机特征参数预测模型,并结合Adam优化算法,对预测模型进行了训练和优化;然后,采用某矿提升机实际运行数据对所搭建的预测模型性能进行了验证;采用滑动加权均值法对预测残差进行了分析,得到了多个关键特征参数的合理预警阈值,并建立了提升机故障预警模型;最后,以提升机的制动系统故障为例,采用故障模拟实验对提升机故障预警模型的有效性进行了验证.研究结果表明:当预测模型的学习率为0.015时,其训练效果最优,预测模型的损失率可达到0.12%,且参数变化趋势能够得到更好的拟合;采用基于LSTM-Adam的矿井提升机预警模型可以对参数变化趋势进行准确预测,利用预测残差分析结果可以对提升机故障进行精确预警.

    起重机械矿井提升机故障预警长短期记忆神经网络适应性矩估计算法深度学习