摘要:时变线性方程的快速求解在工程计算和机器人控制中具有重要意义，但现有零化神经网络通常面临收敛速度慢和对噪声敏感的问题。对此，提出了一种具有噪声抑制能力的预定义时间收敛的零化神经网络（predefined-time convergent noise-suppressing zeroing neural network，简称PTC-NS-ZNN）模型。首先，设计了一种基于模糊逻辑的参数调节机制，使激活函数可随误差变化自适应调整非线性增益，从而增强系统的瞬态性能并提高稳态精度；其次，从理论上分析了所提模型的稳定性、预定义时间收敛性及抗噪性能，证明了其在给定时间上界内可实现全局收敛，并具备有界噪声抑制能力；然后，在无噪声及多种经典噪声干扰环境下进行了数值仿真对比实验，发现相较于现有模型，PTC-NS-ZNN模型具有更快的收敛速度和更强的抗干扰能力；最后，将所提出模型应用于双机械臂轨迹规划，实验结果验证了其在不同环境下的高精度与实用性。研究结果表明，PTC-NS-ZNN模型在数值仿真和物理实验中均展现出显著优势，具有良好的工程应用潜力。

摘要:针对城市地铁安全运行状态监测问题，提出了基于隧道壁动力响应反推轨道结构动力参数来识别地铁运行状态的方法。首先，针对马蹄形和圆形隧道，分别测试地铁行驶中隧道壁的动力响应；其次，建立马蹄形和圆形隧道-轨道基础有限元模型，对测试工况进行模拟以校验有限元模型的准确性；然后，利用有限元模型研究不同类型隧道、道床和峰期激振力对地铁运行状态识别效果的影响；最后，通过变参数分析，研究地铁浮置板弹簧隔振器发生不同损伤数量、程度和位置对隧道壁动态响应的影响规律。结果表明：相比马蹄形隧道，圆形隧道壁加速度峰值提高了79.0%；采用浮置板道床可降低加速度峰值达57.5%；不同时段隧道壁加速度响应表现出明显差异，高峰期时隧道壁加速度响应较大。该研究在工程上可对隧道壁监测地铁运行状态提供参考。

摘要:针对变转速轴承进行故障诊断时，阶频谱相关（order-frequency spectral correlation， 简称OFSC）方法需要转速作为必要信息的问题，提出了基于广义瞬态压缩变换（generalized transient-squeezing transform，简称GTST）的无转速阶频谱分析方法。首先，通过时频变换构建振动信号包络的时频图，利用广义瞬态压缩提高时频图的能量集中；其次，结合脊线提取振动信号的瞬时频率，从而推断转速信息；然后，利用所得的转速信息和振动信号进行阶频谱相关和增强包络谱（enhanced envelope order spectrum，简称EEOS）分析；最后，通过仿真和实验验证了该方法的准确性和可靠性。

摘要:针对声发射技术用于混凝土结构损伤监测时如何选取波导杆的问题，基于声发射波在波导杆中传播的基本理论，提出了波导杆材料选择的阻抗匹配原则以及波导杆的优化选择方法。首先，基于COMSOL Multiphysics多物理场仿真软件，建立了二维有限元模型，讨论声发射波由混凝土结构传播至不同波导材料发生的信号衰减，验证阻抗匹配原则的正确性；然后，选用4种不同材料、6种不同直径、7种不同长度的圆杆作为波导杆，对比分析不同波导杆参数对传导混凝土损伤声发射信号的影响，获取不同参数下波导杆的导波特性。结果表明：波导杆材料的阻抗与混凝土的阻抗越接近，声信号传递到波导杆时衰减越小；声信号在合金材料波导杆中传播的频散现象明显弱于钢材材料波导杆；声信号在波导杆中传播时幅值呈指数衰减规律。该研究揭示了波导杆参数对声信号传播的影响规律，为声发射技术应用于恶劣环境中钢筋混凝土结构的损伤监测提供参考。

摘要:针对实测爆炸冲击波信号中包含大量噪声信号，对试验结果分析及弹药爆炸毁伤威力评估造成一定影响等问题，提出了一种基于自适应噪声完备经验模态分解（complete ensemble empirical mode decomposition with adaptive noise，简称CEEMDAN）和改进的小波阈值（improved wavelet threshold，简称IWT）的冲击波信号联合降噪方法。首先，将待处理信号通过CEEMDAN进行模态分解，得到系列本征模态分量（intrinsic mode functions，简称IMFs）；其次，对传统的小波阈值方法进行改进，通过计算各分量每层分解并重构后的信号信噪比（signal noise ratio，简称SNR），定量确定最佳分解层数以提高降噪精度；然后，利用IWT对含噪的IMFs进行阈值降噪处理并重构，进而实现信号降噪；最后，对CEEMDAN-IWT方法的降噪性能开展相关试验验证。研究结果表明：相比于经验模态分解（empirical mode decomposition， 简称EMD）、小波阈值、CEEMDAN等方法，采用CEEMDAN-IWT方法降噪后，信号信噪比分别提高了32.18、6.85和22.19 dB，且均方根误差最低；降噪前后冲击波正压作用时间与比冲量的最大相对偏差分别为1.31%和0.86%，峰值上升最大滞后时间为0.002 ms，各表征参量在降噪前后的偏差值明显低于其他降噪方法。可见，CEEMDAN-IWT方法在有效去除噪声信号的同时，能够最大程度地保留原始信号特征信息，降噪效果优于其他降噪方法，其计算效率可满足工程测试中对批量数据的处理要求。

摘要:针对高精度的微小转动惯量测量需求，提出基于非接触式电磁恒力的扭摆式转动惯量测量方法，并研制了相应的测量装置。首先，通过引入无摩擦弹性部件、设计涡流阻尼器以及高精度系统响应采集，研制了一种扭摆式转动惯量测量系统；其次，深入分析了测量装置在恒力作用下的系统响应极值特性，实现了扭转刚度系数和阻尼比的高精度识别，建立了转动惯量与恒力以及极值特性之间的数学模型，有效解决了阻尼对转动惯量测量的影响；然后，针对实际测量所需的高精度恒力，提出了一种线圈与永磁铁组合型电磁力源，并通过高精度电子天平和最小二乘法拟合获得了其电磁力驱动方程；最后，对所提出方法的有效性和高精度进行了实验验证。通过对测量装置在空载和搭载条件下分别多次施加相同恒力和不同恒力，结合转动惯量叠加原理获得了待测件的转动惯量，并将测量值与理论值进行比较，获得的相对误差分别为1.643%和1.529%。

摘要:针对传统盲孔法仅能够测量钻孔深度范围内残余应力均值的缺陷问题，采用逐层钻孔法对14根不同焊接方式和径厚比的Q520高强焊接圆钢管进行纵向残余应力测试。基于实测数据，得到了高强焊接圆钢管截面纵向拉、压残余应力的数值大小、纵向残余应力分布模式以及在钻孔深度范围内的变化规律，研究了埋弧焊（submerged arc welding，简称SAW）、高频焊（high-frequence welding，简称HFW）以及不同径厚比对截面纵向残余应力分布的影响。试验结果表明：纵向残余应力在钻孔深度范围内逐层减小，尤其在焊缝影响区内变化更加明显，远离焊缝影响区，变化逐渐减小；相较于高频焊，埋弧焊对圆钢管截面最大纵向残余应力影响较大，埋弧焊接钢管最大纵向残余拉应力接近钢材屈服强度；改变径厚比，对圆钢管截面最大纵向残余应力的影响有限。

摘要:针对发动机剩余使用寿命（remaining useful life，简称RUL）间接预测时失效阈值难以准确设置、直接预测时监测数据与RUL之间复杂映射关系难以建立的问题，提出了一种改进的发动机RUL直接预测方案。首先，为降低监测数据中的噪声干扰，在多传感器数据融合阶段引入滑动平均滤波对一维健康指标进行降噪以提升数据质量；其次，为改善退化模式特征的提取效果，提出指数函数与二次多项式函数混合交替的优化策略，通过相关向量机模型学习得到退化模式特征与RUL之间的直接映射关系，实现数据驱动的发动机RUL在线直接预测；最后，基于航空发动机的仿真数据集对提出方案的有效性进行验证。结果表明，所提出的直接预测方案无需设置失效阈值或估计未知的健康状态，能够显著提升发动机RUL预测精度，其均方根误差和Score评分函数指标值均有明显降低，有助于避免发动机服役后期的滞后预测问题。

摘要:针对极端环境下的大型望远镜会面临各种无法提前预测的故障和异常情况，提出一种基于优化扩展孤立森林（extended isolation forest，简称EIF）的非预期故障诊断方法。首先，通过特征选择算法ReliefF和最大相关最小冗余（maximum relevance and minimum redundancy，简称mRMR）算法对原始数据集进行特征优选；其次，采用蜣螂优化算法（dung beetle optimizer，简称DBO）为EIF算法选择合适参数，构建最佳故障诊断模型；最后，将该模型应用于大型望远镜非预期故障诊断。结果表明：DBO-EIF算法故障诊断准确率达到了98.7%，并在F1值、Kappa系数等性能指标上明显优于单类支持向量机（one-class support vector machine，简称OCSVM）、局部离群因子（local outlier factor，简称LOF）等传统异常检测算法。基于故障诊断及自愈半实物仿真平台证明了DBO-EIF算法在非预期故障诊断工程应用中的可行性，为保证大型望远镜驱动系统在极端环境下的可靠性和稳定性提供了一种有效的解决方案。

摘要:针对高转速、高温升、大载荷等持续复杂的工况波动引起的航空发动机高速轴承故障诊断问题，提出了一种新型的深度图迁移学习算法，以及波动工况下基于图迁移卷积网络（graph transfer convolutional networks， 简称GTCNs）的航空发动机高速轴承故障智能诊断方法。首先，利用阶比分析对波动工况下航空发动机高速轴承振动信号进行重采样，将其转化为阶次谱信号作为目标域与源域数据集；其次，采用训练好的一维图卷积网络（one-dimensional graph convolutional networks， 简称1dGCNs）作为特征提取器，对其高层敏感特征计算其动态多核-最大均值散度（dynamic multiple kernel-maximum mean discrepancy， 简称DMKMMD ）距离，同时匹配高层与低层特征的边缘分布差异；然后，将对齐后的特征输入到分类器softmax中进行智能故障诊断；最后，在航空发动机高速轴承故障数据上验证了所提方法的有效性与先进性。结果表明，该方法具有更高的诊断准确率与鲁棒性，可以消除大波动工况下健康状态样本分布的差异性，提高诊断可迁移性。

摘要:将谱幅值调制（spectral amplitude modulation，简称SAM）技术与编码器信号相结合，提出一种基于加权谱幅值调制（weight spectral amplitude modulation，简称WSAM）的滚动轴承故障瞬时角速度（instantaneous angular speed，简称IAS）信号特征提取方法。首先，采用前向差分法对编码器信号进行处理，将得到的IAS信号进行傅里叶变换（Fourier transform，简称FT），得到幅值和相位，保持相位不变，对幅值谱赋予不同的权重并进行傅里叶逆变换（inverse Fourier transform，简称IFT），得到一系列的修正信号；其次，通过构建频域能量比指标表征每个修正信号的故障信息丰富度；然后，基于频域能量比指标和自适应阈值设计一个权重函数；最后，由修正信号的平方包络谱和权重函数生成加权平方包络谱（weight squared envelope spectrum， 简称WSES），通过分析加权平方包络谱揭示滚动轴承故障特征，从而实现滚动轴承故障特征提取。仿真和实验也验证了所提方法的有效性。

摘要:针对目前基于超声导波的锚杆检测方法大多忽略锚杆表面肋结构影响的问题，研究肋结构影响下超声导波在锚杆中的传播特性，并提出一种基于能量比指标的锚杆缺陷检测方法。首先，利用半解析有限元方法研究肋结构对锚杆频散特性的影响，发现肋结构会使检测模态L（0，1）的群速度值略微减小；其次，研究肋结构对锚杆中超声导波传播特性的影响，发现肋结构会产生均匀的反射波，当缺陷较小时，缺陷的反射波容易被肋结构的反射波所淹没；然后，提出基于能量比指标的锚杆小缺陷检测方法；最后，基于仿真和实验的方法，采用能量比指标对锚杆进行检测。研究结果表明，超声导波的能量比指标能够明显分辨出正常以及深度为1 mm和2 mm的缺陷。这说明在肋结构影响下，基于超声导波能量比指标的锚杆缺陷检测方法是可行、有效的，为锚杆检测提供了一种新的方法和思路。

摘要:针对民机多层多钉连接结构中因组件不可拆卸、区域不可达导致的健康状态评估难题，以及现有研究对多层多钉边界下导波传播特性和损伤诊断关注不足的问题，笔者基于导波结构健康监测技术，提出了面向复杂多层连接结构的导波-高斯过程概率诊断方法，实现多层复杂连接结构裂纹的可靠诊断。首先，提出了基于导波最强反射区间特征的导波结构健康监测方法，建立了导波-高斯过程裂纹概率诊断模型；其次，以复杂多层长桁连接结构为研究对象，通过实验全面分析了复杂多层长桁连接结构中导波的传播特性，并据此提出了传感器布置准则；最后，开展了批量长桁连接结构的真实裂纹监测实验，进行了裂纹识别和裂纹长度定量化诊断验证。结果表明，本研究方法能够实现民机机身典型长桁连接区域的裂纹检测与定量化评估，裂纹损伤定量化诊断最大均方根误差不超过1.9 mm。

摘要:针对旋转机械高维故障数据集存在着冗余特征导致分类困难和故障识别率偏低的问题，提出一种将快速相关过滤（fast correlation-based filter， 简称FCBF）算法和改进粒子群优化（improved particle swarm optimization， 简称IPSO）算法相结合的故障敏感特征选择方法。首先，利用FCBF算法和数据集值域状况初步筛选特征，剔除与类别信息不相关的特征和冗余特征；其次，使用IPSO算法对筛选后的特征子集进行二次筛选，进一步剔除其中的冗余特征，得到有利于分类运算的低维敏感特征子集；最后，通过转子故障模拟数据集进行了实验验证。结果表明：该方法可有效剔除故障数据集中的不相关特征和冗余特征，利用IPSO算法对支持向量机（support vector machine， 简称SVM）参数C和σ进行的优化，达到了显著提高分类器辨识精度和运行效率的效果。本研究方法为降低旋转机械故障数据资源的规模提供了一种敏感特征筛选策略，并丰富了特征选择的基础理论。

摘要:针对长定子直线同步电机（long-stator linear synchronous motor，简称LSLSM）定子绕组匝间短路（stator winding inter-turn short circuit，简称ITSC）故障在强噪声与复杂工况下特征微弱，传统电机电流特性分析方法难以实现早期精准检测的问题，提出了一种基于迭代自适应多重同步压缩变换（iterative adaptive multiple synchronous compression of transform，简称IAMST）的时频分析方法，通过最优路径搜索与时频脊线压缩提升故障特征能量聚集性，实现LSLSM定子绕组故障的可靠识别。首先，建立常导高速磁浮机-电-磁耦合模型，揭示ITSC故障下d轴电流残差信号以二次谐波为主导的故障特征机理，并分析其对车辆牵引性能的影响；其次，提出IAMST算法，采用改进型Viterbi算法结合动态指数平滑预测，实现强噪声环境下瞬时频率（instantaneous frequency，简称IF）的精准初始化；然后，通过迭代压缩细化机制，将时频能量聚焦于真实IF脊线，克服传统方法的交叉干扰与噪声敏感性问题；最后，基于硬件在环（hardware-in-the-loop，简称HIL）平台开展故障注入实验。结果表明，IAMST方法为非平稳信号时频分析提供了一种抗噪性强、特征分辨率高的解决方案，为磁浮列车LSLSM定子绕组早期故障检测提供了可靠的技术支撑。

摘要:针对时变转速下现有代价函数在脊线提取中存在局限性、搜索区域选择对脊线提取误差较大的问题，基于动态路径规划原理与时频分析技术，提出了一种基于自适应代价函数及变带宽可迭代脊线提取方法。首先，根据信号在时频图上的亮度梯度，将脊线搜索区域自适应限制在窄带内，缩小提取范围并降低干扰影响；其次，构造融合峰值点幅值缩放与频率跳变惩罚因子的可调节代价函数，结合动态路径规划求解候选脊点的累计代价并完成最优路径回溯，实现单条脊线的精准提取；然后，采用在同一时频图内多次迭代的方式提取瞬时轴转频率、瞬时故障特征频率及其谐波等多条脊线；最后，利用提取脊线之间的平均比值与故障特征阶次进行匹配，从而实现故障诊断。研究结果表明：与现有流行方法比较，该方法在脊线提取准确度和抗噪上均有较高的性能，对于内圈故障和外圈故障脊线提取结果的平均误差分别为0.42%和0.2%，有效解决了时变转速下轴承故障脊线提取的精度与抗噪难题，为车辆轴箱轴承在复杂工况下的健康监测提供了高效、可靠的技术方案。

摘要:针对在线故障诊断中多源信息利用不足与模型识别精度不高的问题，提出了一种主成分分析（principal component analysis， 简称PCA）与残差注意力网络相结合的多传感器融合故障诊断方法（multi-sensor feature fusion residual attention network， 简称MSF-ResAttNet），以实现三相异步交流电动机的高精度诊断。首先，采集电动机在不同运行状态下的振动、电压及电流等多源信号；其次，利用PCA对同源传感器数据进行数据层融合，增强多源信息的关联性与稳定性；然后，将数据层融合后的特征输入结合多分支残差结构与通道-空间双重注意力机制（convolutional block attention module，简称CBAM）注意力模块的深度神经网络，实现对关键特征通道和空间位置的自适应提取与强化；最后，在电动机故障诊断实验平台上与卷积神经网络（convolutional neural network，简称CNN）、残差神经网络（residual neural network， 简称ResNet）、早期融合卷积神经网络（early fusion convolutional neural network，简称EF-CNN）及多传感器融合卷积神经网络（multi-sensor feature fusion convolutional neural network，简称MSF-CNN）进行对比，并在公开数据集KAIST上进行迁移测试。结果表明，MSF-ResAttNet在实验平台的诊断准确率为99.57%，在公开数据集KAIST测试的诊断准确率为98.86%，与其他方法相比均具有一定的优势，提升了电动机故障诊断的精度，具有较强的泛化能力。

摘要:针对覆冰输电导线舞动问题，基于概率密度演化法，提出了一种覆冰输电导线起舞概率分析方法。首先，建立了基于临界风速的覆冰输电导线起舞功能函数，结合具有3个平动自由度与1个扭转自由度的三结点索单元的有限元模型与李雅普诺夫稳定性定理，求解了覆冰输电导线起舞临界风速；其次，基于概率密度演化法，发展了一种覆冰输电导线起舞概率评估框架，并进行覆冰输电导线起舞概率的计算与分析；最后，获得了某单跨覆冰导线算例的起舞概率并进行了参数分析。分析结果表明：本研究方法可准确计算该单跨输电导线的起舞概率，在计算效率上相比拉丁超立方抽样-蒙特卡洛模拟法（Latin hypercube sampling-Monte Carlo simulation，简称LHS-MCS）具有显著优势；档距、初始水平张力与初始风攻角对该单跨输电导线的起舞概率影响较大。

摘要:针对电梯曳引系统运行过程中振动信号具有非线性和非平稳性、导致故障诊断精度较低的问题，提出了一种基于改进变分模态分解-遗传算法-核极限学习机（improved variational modal decomposition-genetic algorithm-kernel extreme learning machine，简称IVMD-GA-KELM）的电梯曳引系统故障诊断方法。首先，将动态时间规整算法与残余能量熵占比指标相结合，自适应确定变分模态分解（variational modal decomposition，简称VMD）的最优分解层数K和二次惩罚因子α；其次，采用VMD将所采集到的振动信号分解成多个固有模态分量（intrinsic mode functions，简称IMF），并根据最大峭度准则选取相应故障分量构建故障特征集；然后，采用遗传算法（genetic algorithm，简称GA）优化的核极限学习机（kernel extreme learning machine，简称KELM）对故障特征进行识别与分类；最后，进行故障注入试验以验证方法有效性。研究结果表明，所提出方法能够分析复杂的振动信号，对电梯曳引系统常见故障识别准确率达到96.67%，为电梯曳引系统的故障诊断提供了一种可行方法。

摘要:针对传统视觉测量技术在结构振动检测中存在的空间分辨率低、检测误差大等问题，根据激光的准直特性以及光杠杆原理，提出了在高耸结构上安装激光发射装置，将结构振动转换为小范围内激光光斑振动，利用相机近距离检测激光光斑的振动，从而实现对结构振动精确测量的方法。首先，通过简化模型构建了结构振动位移与激光光斑位移之间的对应关系，重点突出了激光光斑位移对结构振动位移的放大作用；其次，通过仿真对所提方法的精度进行分析；然后，通过实验对所提方法的鲁棒性进行验证；最后，通过实验室条件下的简单实验，将所提振动检测方法获得的时域信号与激光位移传感器获得的信号进行了比较，并将频域信号与加速度传感器获得的信号进行了比较。结果表明，所提方法将远距离成像转变为近距离成像，在不增加成本的前提下，有效提升了结构振动的视觉检测精度，降低了测量过程中对环境光的要求。

摘要:为了解决滚动轴承故障诊断过程中由于环境噪声干扰所导致的故障分类准确性较低的问题，提出一种基于改进型完全自适应噪声集合经验模态分解（improved complete ensemble empirical mode decomposition with adaptive noise， 简称ICEEMDAN）与小波包阈值去噪相结合的多阶段处理的轴承故障诊断方法。首先，对滚动轴承的原始振动信号应用ICEEMDAN方法将其分解为不同分量；其次，基于分解结果构建相关系数-多尺度排列熵（multi-scale permutation entropy， 简称MPE）筛选准则以划分高噪、低噪分量；然后，利用小波包阈值抑制高噪分量中的背景噪声，并与低噪分量进行重构；最后，对重构信号实施包络解调，提取出蕴含关键故障信息的特征信号，并建立故障特征能量图，实现对轴承故障类型的识别。为了验证所提出方法的有效性，分别采用滚动轴承外圈故障仿真数据、凯斯西储大学深沟球轴承实验台的故障数据和某型航空发动机三支点轴承试验平台的试验数据开展试验验证。试验结果表明，所提方法能够在复杂工况下准确识别滚动轴承的故障模式，对滚动轴承的智能运维具有重要的理论意义和工程实用价值。

摘要:针对传统的线性超声理论在钢-混凝土界面损伤检测中存在准确性低的问题，提出一种基于非线性超声调制理论的钢-混凝土界面损伤识别方法。首先，在钢管混凝土内部嵌入智能骨料以激发高频超声信号，同时利用外部电磁激振器施加低频振动，从而调制出在频域上具有非线性特征的超声信号；其次，在钢管外壁的3个不同位置粘贴传感器，用于接收并记录经过界面调制的响应信号；然后，利用万能试验机开展加载试验，诱导钢-混凝土界面产生不同程度的黏结失效，并定量分析界面裂缝扩展与损伤指标之间的变化规律；最后，通过对比分析验证该方法的有效性。结果表明：所提出的损伤指标随着裂缝的扩展呈现单调递增趋势，能够比传统的线性超声方法更准确地反映界面的损伤状况，为钢-混凝土组合结构的界面损伤检测提供了新的思路。

摘要:针对传统的小吸收同值核区（small univalue segment assimilating nucleus，简称SUSAN）算法对建筑物进行形变检测，存在计算量大、实时性较差和角点准确性低等问题，提出了一种SUSAN改进算法。首先，引入小波变化以及均值阈值计算，提高算法的检测速度；其次，通过精简像素点集的筛选，减少了检测时间；最后，对大楼建筑物进行了对比实验。结果表明，所提出的改进算法在检测白化严重的照片时，角点检测的正确率和检测率相比SUSAN算法提高了21.24%和11.70%，提升效果显著，同时对其他类型建筑物的角点检测效果也有一定提升。

摘要:针对桥梁拉索内部钢丝断裂难以量化的问题，基于自发漏磁检测技术，提出了拉索断丝轴向宽度定量识别方法。首先，建立了轴向自发漏磁信号量化参数，用以表征断丝数量；其次，开展了37丝平行钢丝拉索不同损伤情况下的自发漏磁检测试验；然后，分析了不同断丝轴向宽度、径向深度和环向宽度对磁信号的影响规律；最后，对比分析了所提方法与传统方法的识别精准度差异。结果表明：轴向宽度对磁信号的敏感性远小于环向宽度和径向深度，磁信号量化参数与断丝数量间具有良好的线性关系，拟合优度R²在0.971以上；采用所提出方法识别的断丝数量误差均在±0.47以内，断丝轴向宽度识别的最大相对误差为7.80%，此研究结果为拉索断丝损伤的定量识别提供了有益参考。

摘要:针对高铁线路的钢轨波磨问题，基于轨道结构振动理论，提出减缓钢轨波磨发展的方法。首先，通过现场实测某高速铁路线路钢轨波磨与轨道频率响应函数，开展了轮轴模态试验，建立了轮轨三维实体有限元模型，并验证模型准确性；其次，分析轮轨耦合系统动态特性与钢轨波磨的相关性。结果表明：钢轨波磨主要发生在曲线段低轨部分，其波长为165 mm，车速为250 km/h的车辆波磨频率为420 Hz；轮轨耦合条件下轨道系统钢轨横向Pinned-pinned模态频率为418 Hz，与波磨特征频率吻合；轮对在波磨特征频率附近的轴向响应大于径向响应，其车轮在418 Hz左右的一阶轴向弯曲模态与钢轨横向Pinned-pinned模态重叠形成多重共振，对激励和加快钢轨周期性波浪磨损的影响较大；轮轨耦合条件下钢轨横向Pinned-pinned频率随着轮轴质量的减少而增加，但影响较弱，而不同类型钢轨对横向Pinned-pinned共振频率的影响较大；在车轮轴固定情况下，改变钢轨参数可避免钢轨与轮轴系统模态重叠而发生共振现象，从而减缓波磨的发展。

摘要:为评估轴箱轴承性能退化状态，提出一种改进的自适应邻域局部线性嵌入方法（improved adaptive neighborhood locally linear embedding，简称IAN-LLE），用以准确评估轴箱轴承性能的退化趋势与严重程度。首先，利用余弦相似度（cosine similarity，简称CS）确定初始领域参数；其次，运用高斯核概率估计密度和流行曲率对初始领域参数进行修正；然后，构建融合退化指标（fusion degradation index，简称FDL），用以评估轴箱轴承的退化性能；最后，为验证该指标的有效性，分别开展轴承全寿命试验和轴箱轴承台架试验。结果表明：所提出的FDL具有较高的准确性，可用于评估轴箱轴承的性能变化。

摘要:针对计算机视觉的远距离结构振动识别技术在工程应用中存在的参数调节流程复杂、易受光照与环境干扰、稳定性和鲁棒性不足等问题，提出一种视觉与惯性测量数据融合的结构振动鲁棒监测方法。根据多源测量数据互补融合原理，将计算机视觉位移识别系统与惯性加速度传感系统集成于树莓派嵌入式计算平台，构建轻量化视觉-惯性联合监测系统。首先，分别获取结构同一测点的视觉位移与惯性加速度响应；其次，基于卡尔曼滤波的预测-更新机制，实现多速率测量数据融合；然后，在不同振动频率条件下，实现结构振动位移的鲁棒估计；最后，通过模型桥试验与现场实桥测试，对提出方法的有效性进行验证。结果表明：模型桥试验中，在行人激励及低频振动条件下，所提方法显著提升了移动端位移测量的稳定性，相较于单一视觉方法，位移误差可控制在3%左右；现场测试中，基于消费级相机的融合方案能够在实际桥梁运营条件下稳定识别结构振动响应。