摘要:针对机械设备的异常数据难以获取和传统异常检测方法容易误报的问题，提出了一种基于深度对比一类分类的无监督异常检测框架，用于检测轴承等关键部件产生异常的时间点。所提出的框架分为2部分。第1部分，针对深度一类分类方法的分布未知与模型坍缩问题，提出一种改进的深度对比一类分类损失，修改了相似度度量方式，并添加了增强样本对之间的相似度约束。在训练过程中，选取4种备选的数据增强方案进行实验和分析，并选取了最佳的数据增强组合，使模型学习得到了更加均匀的正常数据分布。第2部分，采用极值理论在检测过程中不断拟合分布尾部的极值分布，动态更新异常样本阈值进而避免误报。最后，在辛辛那提轴承寿命数据集上验证了提出的异常检测框架在特征分布的均匀性、异常样本的分类准确性与故障起始点检测的精准性方面都具有优越性。

摘要:针对机载重型悬臂体的瞬态和稳态抑振问题，提出了基于机械手的主被动分阶段抑振方法。由于机械手动态能力有限，在瞬态阶段，振动时间短振幅大，故采用机械手固定抱夹的被动减振方式；在稳态阶段，振动为周期性小振幅，故采用机械手多臂协同的主动抑振方式。首先，将机械手被动抱夹状态下的悬臂体等效为弹性支撑悬臂梁模型，通过分段构建弹性支撑边界条件，以脉冲激励的形式引入弹性力，获得被动减振模型；其次，在模态空间的基础上得到柔性基础下的振动模型，进一步提出了基于减振因子的主动抑振算法；最后，搭建了小机械手实验平台，将弯矩作为评价减振率的指标。实验结果表明，将主动抑振算法应用到实验平台中，理论与实验的抑振效果仅相差3.4%，验证了主动抑振算法的正确性。

摘要:基于行星轮系作为自动变速器（automatic transmissions，简称AT）动力传递的核心部件，在传动效率、传动比范围和承载能力方面具有明显优势，提出了基于循环功率流的变速器行星轮系效率分析方法。首先，基于超图理论和变速器动力传递路线图，建立4排行星轮系的三角形超图；其次，基于行星轮系自旋转理论，建立齿轮啮合摩擦损失和轴承摩擦损失模型，以及变速器2挡位的转速、转矩矩阵；最后，分析了在无损失和考虑2种损失状态下2挡位节点功率和传动比以及其他挡位的循环功率和效率，并对9挡位自动变速器（nine-speed AT， 简称9AT）的输出行星排进行实验验证。实验结果表明：考虑2种损失状态下，3挡位行星轮系的动力传递齿圈输出功率损失最大，约占该齿圈总输出功率的16%；4挡位的循环功率与输入功率的比值增加最大，增大了4%；不同转速和转矩下效率的最大误差为4.62%。可见，采用所提出方法能够准确有效地得到变速器工作时的功率损失和效率。

摘要:为了准确感知探针接触，降低探针损坏更换频率，设计并制作了一种基于压电效应的力感知探针。利用有限元软件优化设计压电厚膜感知层的结构尺寸，并基于电流体喷印工艺完成曲面共形压电厚膜的制备。搭建力感知探针标定系统，分析推导出灵敏度公式，并计算不同接触速度下的接触力。测得在0.2 mm/s的接触速度下，力感知探针的灵敏度达到744.203 pC/N，非线性误差为4.26%。实验结果表明，该力感知探针具有占用空间小、结构简单和灵敏度高的特点，在防止探针接触变形、感知接触力等方面有广阔的应用前景。

摘要:为了解决一阶权重算子对于频率快变的信号难以准确提取信号特征的问题，在现有的l1范数正则项稀疏求解模型的基础上，提出了瞬时频率加权的稀疏时频分析理论。首先，建立稀疏时频表示模型和l1正则项加权策略；其次，推导广义瞬时频率估计显式表达式，并将通过其构建l1范数的权重算子；然后，采用快速迭代收缩阈值算法求解时频稀疏结果；最后，通过多分量的数值仿真信号和转子碰摩故障实验信号验证了该方法的有效性。实验结果表明，该方法能够得到高聚集性和准确性的时频分布，并可以准确识别出由碰摩故障导致的转子瞬时频率周期性波动。

摘要:针对汽车低速制动时的蠕动颤振表现主要依靠人工主观评价，存在成本高、耗时长、易受人员主观性影响等问题，提出了一种基于机器学习模型的智能评价方法。首先，研究并提取了颤振信号的特征；其次，采用支持向量机（support vector machine，简称SVM）和K近邻算法（K nearest neighbors，简称KNN）2种机器学习模型进行制动颤振的智能评价；然后，提出基于概率密度特征的特征排序与筛选算法，将特征从39维筛选至11维，以提高机器学习模型的准确率；最后，通过对比试验发现，经过特征筛选后的训练机器学习模型SVM和KNN的准确率分别从72.5%和68.75%提升到了86.25%和87.5%。试验结果表明，提出的特征提取和基于概率密度的特征筛选方法在对蠕动颤振评价上具有较高的有效性。

摘要:基于轮轨系统摩擦耦合振动会引发车轮多边形和钢轨波磨的问题，以高速铁路长大坡道直线区段作为研究对象，建立了高速铁路轮轨系统的有限元模型，研究长大坡道直线区段轮轨系统的摩擦耦合振动特性，阐明了车轮多边形和钢轨波磨的耦合特性。研究结果表明：高速铁路长大坡道区段趋于饱和的轮轨蠕滑力，容易诱导轮轨系统的摩擦耦合振动，从而引发具有频率相关性的车轮多边形和钢轨波磨；具有频率相关性的车轮多边形和钢轨波磨均会加剧轮轨系统的摩擦耦合振动，其中车轮多边形的影响更为明显；无频率相关性的车轮多边形和钢轨波磨相互作用时，并未体现出相互促进的关系，且实际情况中难以出现完全吻合的具有频率相关性的车轮多边形和钢轨波磨，因此二者在后续发展中关联性较弱。

摘要:针对随机因素和微弱信号初相位影响的问题，构造了强噪声背景下检测谐波微弱信号频率、相位的方差曲线周期识别法。首先，基于随机Melnikov函数和系统关于相位分岔图的周期特性，初步提出周期识别法；其次，论证分岔图和方差曲线具有一致性，进一步将周期识别法优化为方差曲线周期识别法；然后，基于频谱泄露最小原则，设计自适应离散傅里叶变换数据处理方法来解决由方差曲线不光滑而引起的结果不准确问题；最后，采用二次检测来解决检测系统中策动力信号与被测信号存在频差而导致动力学转迁的不明显问题。仿真结果表明，该方法不受被测信号初相位影响，可识别淹没在强噪声中的微弱信号，被识别信号的信噪比可低达-74.96 dB。列车轴箱轴承故障实验中获得的方差曲线周期现象清晰，也表明了该方法的工程实用性。

摘要:为了对脱轨系数进行准确而高效的在线监测，基于长短时记忆（long short-term memory，简称LSTM）网络算法，对脱轨系数间接测量问题展开研究。首先，选取实测地铁车辆上易测得的物理信号作为输入，研究不同输入信号与脱轨系数的相关性；其次，建立网络模型的样本数据集并对脱轨系数划分相应标签，通过网络训练实现标签的准确划分；最后，筛选标签中脱轨系数临近安全限值的样本数据作为网络的输入，实现脱轨系数具体数值的间接测量，并在另一条试验线路上验证了该方法的有效性。研究结果表明：将轴箱横、垂向振动加速度信号、车体摇头角速度信号、一系悬挂垂向压缩位移量以及车辆运行速度全部作为网络输入信号，进行脱轨系数间接测量的效果最好；基于LSTM方法可以有效地对脱轨系数标签进行分类，且能够对危险区域内脱轨系数进行精确测量，满足实际线路上脱轨系数间接测量及评价的要求。该研究成果有助于地铁车辆长期运营时脱轨系数间接测量以及安全监测等。

摘要:为了提高辨识稳定图中真实模态的准确性与自动化程度，首先，从稳定点定义方式的角度论述了聚类算法效果欠佳的原因，并采用异阶系统非等权重的定义方式输出稳定点；其次，基于数据挖掘思想，采用改进的辨识聚类结构的有序点（ordering points to identify the clustering structure，简称OPTICS）算法自动清洗稳定点集，通过遍历性搜索的方式确定输入参数；然后，提出结合度矩阵去噪的自适应局部密度谱聚类（local density adaptive spectral clustering，简称SC-DA）算法分析稳定点集，并以簇中值作为模态参数的代表值，实现模态参数的自动化识别；最后，将含有密集模态的外滩大桥作为识别对象进行试验验证。试验结果表明：所提出方法具有较高的精度，与频域分解（frequency domain decomposition，简称FDD）法的频率结果最大相差仅为0.012 3 Hz，且在线识别的准确率达到82.86%，显著高于基于层次聚类的自动识别方法，实现了无人工干预下模态参数的自动、准确识别，具有一定的工程应用前景。

摘要:针对薄壁筒切削加工过程中的多频颤振复杂现象，提出一种在线监测声压信号小波包能量相对熵的薄壁筒切削状态识别方法。以不同状态对应主振动频率以及能量分布不同作为颤振依据，首先，通过小波包分解得到切削过程中声压信号能量概率分布；其次，以机床空载时的信号能量概率分布作为参考分布；最后，建立小波包能量分布相对熵指标来监测薄壁筒零件的切削状态。切削振动试验结果表明：随着加工状态的恶化，小波包能量相对熵值明显增大；在主振动频率发生跳跃的位置，相对熵值也会发生突变；相比于传统的频谱监测方法，所提出方法表现出更快的响应速度，能够对多频颤振状态进行准确判别。

摘要:针对滚动轴承在强背景噪声下造成故障特征不易识别的问题，提出一种以1.5维谱加权谐噪比（weighted harmonic-to-noise ratio，简称WHNR）为评价指标的自适应级联变分模态分解（cascaded variational mode decomposition，简称CVMD）特征增强方法。首先，基于不同故障特征频率计算1.5维谱下的最大WHNR来确定CVMD惩罚因子及分解层数；其次，利用1.5维谱对分解结果解调分析，进一步抑制噪声干扰，突出故障特征，最终提高特征辨识度，实现滚动轴承的故障特征增强；最后，通过仿真信号和滚动轴承故障实验，证明了该方法在强背景噪声情况下的优良去噪能力，能够增强微弱故障特征并抑制无关分量。

摘要:针对深度学习方法未明确学习变量间关系结构、系统异常难以准确检测的问题，提出一种深度图网络驱动的核电系统多级异常检测方法。首先，利用无监督图对比学习方法挖掘系统变量时间序列间相关性，构建与核电系统物理结构匹配的可解释性图结构；其次，基于变分图自编码器重构系统图结构，以重构误差来表征系统运行状态，从系统层面防止非线性突发行为带来的安全性问题；然后，通过半监督图卷积节点分类模型识别系统内部各变量运行状态，实现测点级异常检测；最后，以PCTranACP100仿真机2种基准事故工况数据、国内某核电机组循环水系统监测数据来验证提出方法的有效性。结果表明，系统级异常检测准确率达到93%，86%和90%，证明所提出方法能够准确检测出系统异常情况，可降低电厂单一仪表异常触发的非计划停机概率。

摘要:针对传统辛几何模态分解（symplectic geometry mode decomposition， 简称SGMD）方法因嵌入维数选择依靠经验公式，导致出现信号模态混叠和过度分解的问题，提出了一种改进的辛几何模态分解（improved symplectic geometry mode decomposition， 简称ISGMD）方法。首先，通过计算原始信号的功率谱密度得到最大主峰的频率并设定嵌入维数区间，根据峭度准则筛选分解后的辛几何分量（symplectic geometry component， 简称SGC），得到每个嵌入维数对应的最优SGC；其次，引入模态混叠指数、过分解指数与峭度指标的综合评估目标值函数，选择最优嵌入维数；然后，利用拉马努金周期变换（ramanujan periodic transform， 简称RPT）方法进行微弱故障特征增强；最后，通过仿真信号及风机滚动轴承实验数据，并与经验模态分解和局部均值分解等方法进行对比，验证了所提出滚动轴承故障诊断方法的有效性。

摘要:核电机组中机械设备的振动会传递到与其相连的管路中，容易发生管路失效与气体泄露等事故，传统管路减振装置因管路布置复杂，存在安装困难和减振效果不理想等问题。针对上述情况，设计了一种结构简单且质量可调的二重动力吸振器（double dynamic vibration absorber，简称DDVA）。首先，根据机组管路实际参数对该动力吸振器进行参数设计，通过定点理论，以位移振幅比为参考对动力吸振器不断迭代优化，确定了DDVA的最优刚度与最优阻尼；其次，通过有限元仿真验证管路添加DDVA后的吸振效果，并与单个动力吸振器（single dynamic vibration absorber，简称SDVA）的吸振效果进行比对；最后，通过台架试验对DDVA吸振效果进行了试验验证。结果表明，DDVA将管路共振频率下的径向振动加速度降低了65%以上，吸振效果达到9 dB以上，这对于管路的吸振设计具有一定的工程指导意义。

摘要:针对多柔性梁耦合系统的振动特性以及主动控制问题，设计并建立了实验平台。为了得到准确的模型，提出了一种基于小波变换和灰狼寻优算法的实验辨识方法，对有限元模型进行修正。为实现振动快速抑制，设计了基于最小参数学习法的径向基网络反步滑模控制（radial basis function network backstepping slide mode control，简称RBF-BSSMC）算法。实验结果表明，相比于比例微分（proportional-derivative，简称PD）控制，RBF-BSSMC算法可以实现快速振动抑制，特别是小幅值振动。

摘要:针对柔性薄壁轴承在谐波减速器中的损伤问题，提出了一种基于振动检测的故障诊断及寿命试验方法，以研究柔性薄壁轴承的失效机理。首先，分析了柔性薄壁轴承在谐波减速器中的受载方式及其运动学特性，揭示了其在承载过程中内圈、外圈及滚动体的受力特点和损伤易发部位；其次，设计了用于检测柔性薄壁轴承故障的试验机，通过振动信号监测轴承的健康状态；然后，推导了柔性薄壁轴承中具有椭圆特性的内圈、外圈及滚动体的故障特征频率求解模型，确定了柔性薄壁轴承的故障特征频率表现为一区间范围内的变动值；最后，通过柔性薄壁轴承寿命试验确定了其疲劳特性，获得合适的概率修正系数。试验结果表明，柔性薄壁轴承的概率修正系数K_a在0.15~0.2范围内较为合适，并且与普通轴承具有固定的故障特征频率不同，柔性薄壁轴承的故障特征频率在一定范围内波动，有效支持了故障特征的早期检测和准确诊断。

摘要:为研究芯层为具有负泊松比特性的复合材料夹层板类结构的声振特性，提出了一种可靠的数值仿真方法，笔者运用模型试验对比数值计算的方式对其声振特性进行研究。首先，对碳/玻混杂纤维面板进行模态测试，结合多层次修正技术得到较为准确的面板材料参数；其次，对芯层填充橡胶进行试样单轴压缩试验，得到橡胶在Mooney-Rivilin本构模型下的相关参数；最后，对复合材料夹层板进行空气（水）中强迫振动和水中声辐射试验，得到振动加速度级和辐射声压级的响应。试验与数值仿真结果吻合良好，验证了提出的数值模型的合理性和计算方法的可靠性，为此类复合材料夹层结构的声振特性研究和预报提供了一种可靠的数值仿真方法。

摘要:针对行星齿轮箱特征提取困难的问题，提出一种基于精细时移加权多尺度模糊熵（refined time-shift weighted multiscale fuzzy entropy，简称RTSWMFE）、改进监督型几何和统计保持流形嵌入（improved supervised geometry and statistics-preserving manifold embedding，简称IS-GSE）和白骨顶优化算法支持向量机（coot optimization algorithm support vector machine，简称COOT-SVM）的行星齿轮箱故障诊断方法。首先，利用RTSWMFE提取高维故障特征信息；其次，采用IS-GSE对高维特征进行降维，提取出敏感、低维的特征；最后，将低维特征输入COOT-SVM中进行识别分类。行星齿轮箱故障诊断实验结果表明：IS-GSE方法采用余弦相似度与欧式距离相结合的距离度量方式，并融入监督学习思想，降维效果较佳；COOT-SVM方法对经RTSWMFE和IS-GSE二次提取的故障特征识别精度达到100%。

摘要:目前的深度学习方法在故障诊断领域中没有考虑数据之间的相互依赖关系，从而忽略了数据彼此之间的空间特征。针对此问题，提出一种基于图卷积神经网络（graph convolutional neural networks，简称GCN）模型的轴向柱塞泵故障诊断方法。首先，将轴向柱塞泵各类故障状态的原始信号进行预处理，构建具有标签的数据集；其次，使用欧式距离判定数据集中各个样本彼此之间的特征相似度，通过相似度对比的方法将数据集转化为图结构数据；然后，使用GCN自适应学习图结构数据中的节点特征和节点与节点彼此之间的空间特征，确定GCN模型的参数；最后，对测试样本进行故障状态识别，并分析该模型在不同工况下的性能表现。结果表明，该模型结构稳定，可以在不同工况下保持良好的泛化性能。

摘要:针对同时识别动载荷位置和大小中的矩阵病态问题，以及将反问题转化为正向识别的最值问题，采用自适应算法和非线性规划对遗传算法（genetic algorithm， 简称GA）进行改进，将改进后的混合算法用于求解最值问题，得到动载荷参数。首先，建立频域识别模型，把理论值与测量值的差值的二范数最小化作为优化目标函数；其次，将该目标函数作为混合算法的评价函数来识别动载荷参数；最后，进行简支梁动载荷识别的仿真和实验，对比了正向识别和逆系统法，讨论了非线性规划代数和噪音对混合算法的影响。研究结果表明：正向识别避免了矩阵求逆病态问题；相比遗传算法和自适应遗传算法，所提出算法可同时更准确和稳定地识别多个动载荷参数，且抗噪性更强。

摘要:针对设备工况变化导致基于深度学习（deep learning，简称DL）的故障诊断性能退化的问题，提出采用因果表示网络（causal representation net，简称CRNet）用于在变工况下实现高性能故障诊断，即域泛化（domain generalization，简称DG）故障诊断。首先，假设DG的结构因果模型，并基于此模型和独立因果机制（independent causal model，简称ICM）原理，得到因果驱动的诊断需求来消除特征间的关联；其次，利用随机傅里叶特征（random Fourier features，简称RFF）将模型提取的特征映射到高维空间，再利用高维空间中的特征构造衡量特征间关联的协方差矩阵，以矩阵非对角值为目标，学习一组权重对样本加权，消除特征间的广义关联；最后，以梯度为引导，屏蔽部分高梯度特征，增强特征包含的诊断信息。锥齿轮传动实验台的实验结果表明，CRNet具备最优的DG性能。

摘要:为了实现高频印制电路板（printed circuit board，简称PCB）线圈阵列探头对碳纤维增强树脂（carbon fiber reinforced polymer，简称CFRP）复合材料缺陷的涡流检测，提出一种通过将PCB线圈连接不同电缆线以提高深层缺陷检测灵敏度的方法。首先，分析高频PCB阵列线圈的结构参数对磁感应强度和阻抗特性的影响，并确定线圈的内外径和线径尺寸等参数；其次，建立仿真模型，研究线圈的层数、线径对阻抗谐振频率的影响，并利用阻抗分析仪测量PCB线圈以及线圈连接不同类型同轴电缆接头（bayonet nut connector，简称BNC）电缆线时的阻抗。实验表明，电缆线的寄生电容与谐振频率呈负相关关系，较长的电缆线可提高对深层缺陷的检测能力；最后，建立CFRP检测实验平台，发现当高频PCB阵列线圈在连接不同BNC电缆线时，能够有效检测深层缺陷。该研究为通过调整连接PCB线圈的电阻-电感-电容分支电路参数来提高深层缺陷检测精度提供了参考。

摘要:钛合金由于导热率低，在磨削过程中工件表面容易产生烧伤或裂纹。采用图像法进行在线表面烧伤识别时，受到磨削液等现场因素的影响，采集的工件图像存在运动模糊或者目标区域被遮挡等现象，影响深度学习模型的识别效果。针对现场图像受损的问题，采用对偶学习和跳跃连接的方法，设计生成对抗网络的生成器、判别器和损失函数，对细节信息进行修复，重建退化图像。试验结果表明，经过重建的钛合金磨削现场图像的峰值信噪比（peak signal to noise ratio，简称PSNR）平均值达到25以上，结构相似度（structural similarity，简称SSIM）平均值达到0.77以上。采用基于模型微调的方法对重建后图像进行烧伤识别，准确率达到90%以上。

摘要:为了提高分布式光纤传感器监测结构动态响应的精度并提高损伤诊断的准确性，运用长短期记忆神经网络，建立布里渊增益谱-频率数据关系模型，确定布里渊光时域分析技术中振幅传输模式扫描的固定频率。基于分布式光纤振动传感信息沿光纤密集分布特点，通过计算应变传递率梯度，提出了基于分布式动应变传递率梯度的损伤指标。不同损伤程度的悬臂梁分布式光纤振动传感实验表明，该方法能够实现结构损伤位置的诊断，且对毫米级裂纹仍有较强的敏感性。

摘要:针对动车组设备中滚动轴承故障预测实时性不强的问题，提出了基于增强节点更新的宽度神经网络方法。首先，采用宽度神经网络的方法对预处理之后的滚动轴承原始振动数据进行模型训练；其次，在训练过程中通过增加增强节点进行权值更新；最后，使用宽度网络对设置滑动窗口的数据进行预测并输出最终结果。动车组模拟实验台采集的滚动轴承故障数据的实验结果表明：模型训练时间得以缩短，预测时间控制在30 ms以内，达到实际工业设备预测要求；与传统深度学习相比，基于增强节点更新的宽度神经网络其预测准确性得以保障，且预测实时性优于其他方法。

摘要:针对声学多普勒剖面流速仪（acoustic Doppler current profilers，简称ADCP）波浪三要素（波向、波高和波周期）计量校准技术难题，提出了造波水槽和水下实验平台的计量检测方法。首先，设计波向、波高和波周期计量标准器；然后，以美国TRDI公司V20型和挪威Nortek仪器为例，开展ADCP波浪参数水动力环境计量校准实验研究。实验结果表明，波高、波周期和波向数据最大示值误差分别为-0.09 m，0.6 s和4°，满足国家相关技术标准要求。波高扩展不确定度为0.04 m，依据计量学理论，认为本校准方法可行。本研究成果对ADCP波浪参数计量校准工作具有一定指导意义。