精密内圆磨削过程建模与质量控制系统

根据建模速度及预报精度,重点分析了内圆磨削过程的时间序列AR(n)模型、离散勒让德多项式L(m,n)模型和用灰色系统理论对内圆磨削过程建模的可能性.计算机的模拟结果证明:AR(n)模型、L(m,n)模型和灰色模型GM(1,1)均可适于内圆磨削过程.在此基础上,设计了旨在提高轴承内圈加工质量和生产率的质量控制系统.     

基于LMD和AR模型的转子系统故障诊断方法

提出了基于局部均值分解(Local mean decomposition,简称LMD)和AR模型相结合的转子系统故障诊断方法.该方法先用LMD方法将转子振动信号分解成若干个瞬时频率具有物理意义的PF(Product function,简称PF)分量之和,然后对每一个PF分量建立AR模型,提取模型参数和残差方差作为故障特征向量,并以此作为神经网络分类器的输入来识别转子的工作状态和故障类型.与EMD方法的对比研究表明,这两种方法均能有效地应用于转子系统的故障诊断.但LMD方法信号分解后数据残差比EMD方法的小.     

计算机辅助提高内圆磨削质量

本文为了利用计算机实时控制和预报轴承内环加工误差,针对轴承内环磨削加工的精度和速度要求,建立了基于Marple算法的AR(n)模型,以及离散勒让德多项式模型.依此研制的微机动态统计控制系统用于现场试验,显著减少了轴承内环加工的返修品和废品.     

灰色系统与时序组合模型在高层建筑沉降预测中的应用

将高层建筑沉降监测数据视为具有确定性趋势的非平稳时间序列，运用灰色GM(1，1)模型提取其中的趋势项，用AR(n)模型表示随机残差项，利用灰色-时序组合模型进行沉降预测．算例结果表明，该组合模型具有较高的预测精度，是一种简单、实用的高层建筑沉降预测方法．     

基于马尔科夫滚动优化的锂电池寿命灰色预测研究

文章建立了一种电池容量的动态预测方法,提出了滚动优化GM(1,1)模型、残差修正滚动GM(1,1)模型和Markov残差修正滚动GM(1,1)预测模型。研究结果证明了3种模型具有极好的预测性能,只是残差GM(1,1)模型的精度比其他2个低一些。且发现在仅有4个数据点建立的残差修正滚动GM(1,1)模型与Markov残差修正滚动预测模型也有相当高的预测精度。通过预测不同电池在不同充放电条件及温度条件下的电容容量,验证了滚动优化模型的普遍适用性。     

利用AR模型和支持向量机的调速阀故障识别

提出一种基于时间序列的自回归(AR)模型和支持向量机故障识别方法.以液压调速阀的故障识别为例,利用采集到的调速阀体的振动信号建立AR模型;然后,将AR模型自回归系数和残差方差组成的特征向量输入到支持向量机.最后,通过支持向量机完成对调速阀的正常和各种故障工况的分类识别.实验结果和分析表明,识别率不仅与核函数的选取有关系...     

粗铜冶炼中铜锍品位的动态预测模式 —AR（p）与指数平滑最优组合法

提出了一种对铜锍品位进行预测的新方法 ,即以采集的现场数据为基础 ,采用系统辨识动态地建立了AR(p)模型与三次指数平滑模型 .AR(p)模型要求数据对象是平稳时间序列 ,而三次指数平滑模型的数据对象具有随机性 ,考虑到铜锍品位的波动性 ,将 2种模型按最小二乘原理 ,以组合预测误差平方和为目标函数 ,通过使误差平方和极小化来确定 2种预测方法的最优加权系数 ,建立了一种新的组合模型 ,其预测误差最小 .结果表明 ,在当时数据条件下 ,AR(p)与指数平滑组合模型比AR(p)与指数平滑模型单独使用时精确度都要高 ,这对指导生产具有实用意义 .     

基于GM(1,1)与AR模型的轨道不平顺状态预测

反映轨道几何状态变化的轨道几何检测数据是一个随时间变化的时间序列,具有随机性特点.本文将经过普遍适应性改进的灰色GM(1,1)与随机线性AR模型相结合,研究轨道水平不平顺状态在点、单元区段范围随时间变化趋势,并对GM(1,1)预测的残差进行修正,从轨道水平的几何状态变化的随机数据序列中找寻变化规律.用得到的几何状态变化模型分别对轨道的短期、中长期状态进行预测分析,预测结果表明模型是有效的,满足预定精度的要求.     

基于时序偏移双残差网络的窃电行为检测

针对窃电量小、窃电发生时间随机的窃电行为,提出一种基于时序偏移双残差网络(TS-Bi-ResNet)的窃电行为检测模型.将基础残差网络模型改进为双残差网络(bi-residual network,Bi-ResNet)模型,考虑到窃电行为发生时间的随机性,利用时序偏移(timing shift,TS)算法对用电数据预处理,使模型能够学习用电数据的时间因素特征,构成TS-Bi-ResNet模型.根据真实用电数据和窃电特征生成含有伪窃电数据的混合用电数据集,利用TS-Bi-ResNet模型学习其浅层特征和深层特征,进而执行窃电行为检测.仿真和实际运行结果表明,TS-Bi-ResNet模型可以有效检测窃电量小且窃电发生时间随机的窃电行为,其检测精度优于LSTM模型与残差网络(ResNet)模型.     

渗碳齿轮材料磨削残余应力研究

通过齿轮磨削模拟试验,并采用应力测定方法,探讨了砂轮、工艺及材料对磨削残余应力的影响。研究表明:与钢玉砂轮相比,用立方氮化硼砂轮磨削,表面多呈现压应力,表下呈现拉应力,但其峰值低且范围窄;工艺参数的影响:通常展成速度和磨削深度的显著程度比轴向速度的大;在相同磨削条件下,20CrMnMo和20Cr2Ni4A两种钢较17CrNiM06钢具有较宽的拉应力范围和较高的拉应力峰值.     

磨削速度和孔径比对砂轮强度与变形的影响分析

在弹性力学的基础上,建立了金属芯砂轮强度和变形的数学模型,探讨金属芯砂轮材质、内外径尺寸和磨削速度等参数对砂轮强度和变形的影响规律,得出砂轮的径向应力随着内孔与外圆半径尺寸比的增大而减小;圆周应力随着内孔与外圆半径尺寸比的增大而增大.径向位移的最大值随着内孔与外圆半径尺寸比的增大有一极小值.随着磨削速度的增大,钢制金属芯砂轮的圆周应力和径向位移的增大值高于铝合金制金属芯砂轮.     

精密数控曲线磨削中的砂轮法向跟踪建模及实验

针对传统数控曲线磨削存在的缺陷,提出了精密数控曲线磨削砂轮法向跟踪的新概念;通过保证曲线轮廓上磨削点处的法线经过砂轮的回转平面,实现了砂轮与工件之间的恒定点接触,从而提高了加工精度、实现了对任意复杂曲线轮廓的磨削加工.在分析砂轮与工件运动几何关系的基础上,建立了砂轮法向跟踪的数学模型,进而给出了法向跟踪的控制算法,并将该算法成功地应用于自行研制开发的MD9040型数字化曲线磨床.实验结果表明,砂轮法向跟踪的实现有效地提高了曲线磨削的加工精度.     

调速阀故障诊断的AR双谱定阶方法比较

为解决故障诊断中确定最优的自回归(AR)模型阶数的问题,运用最终预测误差(FPE)、阿凯克信息准则(AIC)、贝叶斯信息准则(BIC),以及奇异值分解(SVD)的切片法和Frobenius法共5种定阶方法对调速阀的故障进行自回归模型定阶实验.结果表明,FPE,AIC,BIC及SVD切片法确定的阶数较低,而用SVD Frobenius法确定的阶数较高.通过不同阶数、不同故障的调速阀故障诊断实验可知,用SVD Frobenius法建立的AR模型效果优于其他方法.     

SN弹性砂轮在数控车削加工中的应用与研究

在将数控车削加工和SN弹性砂轮抛磨技术溶于一体的实际应用中,通过减小数控车床的脉冲当量(即步进位移精度),弥补了数控车床位移精度较低的缺陷;通过特殊的循环程序结构设计,解决了SN弹性砂轮抛磨时不定次数的无进给量或微进给量的补磨磨削,保证了零件的加工精度．数控车床实例改造证明:数控车削加工附加 SN弹性砂轮,扩展了数控加工的应用范围和功能．     

基于神经网络的磨削砂轮状态的在线监测

利用声发射(AE)传感器和功率传感器为信号源,固定时间间隔内的声发射信号幅值增量累加及砂轮碰撞破碎时电机功率信号的陡变为砂轮状态识别的特征值,应用BP神经网络建立信号特征值与砂轮状态之间的非线性关系模型,可以为小批量、多品种产品磨削加工中砂轮状态的智能化在线监测提供准确有效的途径·测试结果证明了该系统的可行性,为磨削加工实现智能控制奠定了基础,并能为砂轮修整确定最佳的周期     

砂轮磨损机理及修整方法研究

磨削加工是现代高科技产品不可缺少的加工工艺过程。砂轮磨损的修整是恢复砂轮功能的重要手段。本文针对高速磨削砂轮修整用量对表面质量的影响,通过砂轮磨削加工过程的分析,阐述了砂轮磨损机理,在此基础上,结合实验,确定了修整磨损砂轮的有效方法,收到了令人满意的效果。     

新型点磨削砂轮磨削表面/亚表面质量研究

区别于传统外圆磨削,点磨削加工砂轮轴线与工件轴线不平行,而是存在倾斜角α.设计了一种带有粗磨区倾角θ的新型点磨削砂轮,这种砂轮具有磨除率大、磨削表面粗糙度小等优点.由于α和θ的存在,改变了砂轮-工件接触区的几何关系,磨削表面/亚表面质量也随之发生变化.采用制备的新型砂轮,磨削材料为QT700的工件,检测工件表面/亚表面的金相组织、加工硬化和残余应力.分析α,θ以及磨削参数对表面/亚表面质量的影响规律,给出获得最优表面/亚表面质量的工艺参数,可知新型点磨削砂轮能够提高工件表面/亚表面质量.