提示：點擊上方"機械工程學報"↑關注我吧
摘要：隨著科學技術的發展和生產工藝的進步,當代設備日益朝著大型化、複雜化、自動化以及智能化方向發展。為保障設備安全性與可靠性,剩餘壽命（Remaining useful life,RUL）預測技術受到了普遍關注,同時得到了廣泛應用。傳統的統計數據驅動方法受模型的選擇影響明顯,而機器學習具有強大的數據處理能力,並且無需確切的物理模型和專家先驗知識,因而機器學習在剩餘壽命預測領域表現出了廣闊的應用前景。鑑於此,詳細分析和闡述了基於機器學習的設備剩餘壽命預測方法。根據機器學習模型結構的深度,將其分為基於淺層機器學習的方法和基於深度學習的方法。同時疏理了每類方法的發展分支與研究現狀,並且總結了相應的優勢和缺點,最後探討了基於機器學習的剩餘壽命預測方法的未來研究方向。
摘要：機械故障智能診斷是大數據驅動下保障裝備安全運行的重要手段。為準確識別裝備的健康狀態,智能診斷需要依靠充足的可用監測數據訓練智能診斷模型。而在工程實際中,機械裝備的可用數據稀缺,導致訓練的智能診斷模型對裝備健康狀態的識別精度低,制約了機械故障智能診斷的工程應用。鑑於實驗室環境中獲取的裝備可用數據充足,即數據的典型故障信息豐富、健康標記信息充足,且此類數據與工程實際裝備的監測數據間存在相關的故障信息,提出機械裝備故障的深度遷移診斷方法,將實驗室環境中積累的故障診斷知識遷移應用於工程實際裝備。首先構建領域共享的深度殘差網絡,從源自不同機械裝備的監測數據中提取遷移故障特徵;然後在深度殘差網絡的訓練過程中施加領域適配正則項約束,形成深度遷移診斷模型。通過實驗室滾動軸承與機車軸承的遷移診斷試驗對提出方法進行驗證,試驗結果表明:提出方法能夠運用實驗室滾動軸承的故障診斷知識,識別出機車軸承的健康狀態。
題目：數字孿生驅動的裝配工藝設計現狀及關鍵實現技術研究作者：郭飛燕，劉檢華，鄒方，翟雨農，王仲奇，李少卓摘要：基於製造過程中的全數字量協調傳遞方式,通過"虛實融合、以虛控實"的手段,對數字孿生模型驅動的航空產品裝配工藝優化-反饋-改進環機制進行了研究。分析了裝配單元劃分/求解/評價、孿生工藝模型構建、以及裝配精度閉環控制等方面的技術內涵,闡述了國內外的研究現狀及存在問題;考慮虛擬空間的設計與物理空間的裝配等因素約束,提出數字孿生在裝配工藝設計中的三項關鍵技術:①基於"面向裝配設計"（DFA）的裝配工藝規劃與評價;②考慮真實物理拓撲關係的孿生工藝模型動態構建與分析;③面向裝配現場的工藝優化—反饋—改進環機制構建,並給出具體的解決途徑,從而拓展基於模型的製造技術內涵,將數字孿生落地應用,實現產品研發生產的閉環優化決策及產品研製模式的改變,提高裝配準確性/一致性及裝配效率。
題目：基於經驗模態分解和深度卷積神經網絡的行星齒輪箱故障診斷方法摘要：行星齒輪箱振動信號具有非平穩特性,需要一定的先驗知識和診斷專業知識設計和解釋特徵從而實現故障診斷。為了實現行星齒輪箱的智能診斷,提出一種基於經驗模態分解（Empirical mode decomposition,EMD）和深度卷積神經網絡（Deep convolutional neural network,DCNN）的智能故障診斷方法。首先對振動信號進行經驗模態分解得到內稟模式函數（Intrinsic mode function, IMF）;然後利用DCNN融合特徵信息明顯的IMF分量,並自動提取特徵;最後,將特徵用於分類器分類識別,從而實現行星齒輪箱故障診斷的自動化。試驗結果表明:該方法能準確、有效地對行星齒輪箱的工作狀態和故障類型進行分類。
題目：摩擦納米發電機在自驅動微系統研究中的現狀與展望摘要：摩擦納米發電機由王中林團隊2012年首次發明,是基於機械界面摩擦起電與靜電感應耦合效應的新能源技術,具有輕薄、柔性、選材廣的特點,可收集人體與環境中的微小機械能,不但是一個微能源產生的新方法,更是機械傳感的新途徑。詳述了摩擦納米發電的機理、特性與理論模型。介紹了幾種提高摩擦發電性能的微納製造方法。綜述了一系列基於摩擦電的微機械傳感器、執行器和自驅動微系統,及其在柔性機械、智能裝備和無線傳感等領域的應用研究。對摩擦電自驅動微系統目前存在的問題做出了分析與討論,展望了其未來的研究趨勢。
摘要：高溫度、快轉速、重載荷、大擾動和強衝擊的複雜運行工況使得飛行器關鍵機械部件不可避免地發生故障。飛行器的關鍵機械部件故障特徵往往具有微弱性、非線性、耦合性、不確定性以及因果關係複雜等特點。以"先進信號處理技術+特徵提取及選擇"為框架的傳統智能方法難以有效承擔飛行器故障檢測任務,深度學習作為智能故障診斷領域中的新起之秀,能自主挖掘隱藏於原始數據中的代表性診斷信息,直接建立原始數據與運行狀態間的精確映射聯繫,在很大程度上擺脫了對人工特徵設計與工程診斷經驗的依賴。介紹了深度置信網絡、卷積神經網絡、深度自動編碼機和循環神經網這四種主流深度學習模型的基本原理,總結了深度學習在故障診斷領域中最新研究現狀,描述了基於四種深度學習模型的故障診斷思路,並依次實現了其在機械部件智能診斷和預測中的應用。試驗結果表明深度學習方法能有效建立監測數據與關鍵機械部件健康狀態間的精確映射聯繫,實現準確的故障診斷和預測。
題目：大數據分析技術在新能源汽車行業的應用綜述——基於新能源汽車運行大數據摘要：為應對化石能源危機和環境汙染問題,新能源汽車技術的發展與應用引起廣泛重視。新能源汽車具有高信息化的特點和智能網聯化的發展趨勢,在日常運行中會產生大量行駛數據信息。利用海量多源異構數據進行安全預警與監管、車輛技術分析,是推動我國新能源汽車行業發展的關鍵。綜述了大數據分析技術在新能源汽車行業的應用情況,概述了大數據分析技術的基礎理論、發展歷程,介紹了新能源汽車國家監測與管理平臺的架構和功能,並著重闡述了新能源汽車大數據分析過程。分別從動力電池數據、汽車運行數據和充電數據的角度出發,分析了現有的研究方向和研究方法,列舉了部分研究成果和應用情況。最後,對當前新能源汽車大數據分析領域存在的問題和發展應用前景進行了總結和展望。
題目：XJTU-SY滾動軸承加速壽命試驗數據集解讀摘要：預測與健康管理對保障機械裝備安全服役、提高生產效率、增加經濟效益至關重要。高質量的全壽命周期數據是預測與健康管理領域的基礎性資源,這些數據承載著反映裝備服役性能完整退化過程與規律的關鍵信息。然而,由於數據獲取成本高、存儲與傳輸技術有待發展等原因,典型的全壽命周期數據極其匱乏,嚴重製約了機械裝備預測與健康管理技術的理論研究與工程應用。為解決上述難題,西安交通大學機械工程學院雷亞國教授團隊聯合浙江長興昇陽科技有限公司,選取工業場景中典型的關鍵部件——滾動軸承為試驗對象,開展了歷時兩年的滾動軸承加速壽命試驗,並將獲取的試驗數據——XJTU-SY滾動軸承加速壽命試驗數據集面向全球學者公開發布。該數據集共包含3種工況下15個滾動軸承的全壽命周期振動信號,採樣頻率高、數據量大、失效類型豐富、記錄信息詳細,既可為預測與健康管理領域提供新鮮的"數據血液",推動故障診斷與剩餘壽命預測等領域的算法研究,又可助力工業界智能化運維的"落地生根"。
摘要：點陣材料是一種超輕高強的高性能多孔材料,目前主要以等密度構建點陣結構體。在實際情況下,點陣材料的各部分承受著不同的載荷,等密度點陣材料存在性能不能充分發揮的問題。針對上述問題,將拓撲優化引入點陣材料設計中,提出一種基於均勻化方法的多尺度拓撲優化方法,實現了變密度點陣結構體的優化設計,可根據實際載荷設計出最優的變密度點陣結構體,以達到最優性能。以汽車連杆為例,與現有商業軟體HyperWorks採用的梁模型點陣優化方法進行對比驗證。結果表明,所提出方法優化所得連杆的輕量化效果更好,應力分布更合理。該方法生成的變密度點陣結構有著更優異的性能,更適合變密度點陣結構體的優化設計。
作者：姚建濤，陳新博，陳俊濤，張弘，李海利，趙永生摘要：基於自然界中彎曲蠕蟲的運動原理,借鑑其結構特點,設計一種雙腔結構的輪足式仿生蠕動軟體機器人,利用矽橡膠材料的超彈性特徵,通過在多氣囊結構中充氣擠壓變形使軟體機器人本體結構發生彎曲,周期性的充放氣實現軟體機器人的蠕動運動。引入輪足式設計,將軟體機器人軟體基體的蠕動運動轉變為車輪的旋轉運動,加快蠕動型機器人的運動速度,通過向軟體基體雙腔充入不同氣壓,實現大角度轉彎。分析了蠕動機器人周期性的直線運動和轉向運動過程,研究了機器人運動過程中的非線性力學特性,測試了軟體基體雙腔充氣狀態下變形量與氣壓的關係以及單腔狀態下轉彎角度與氣壓的關係,分析了軟體機器人的最快行進速度和最小轉彎半徑,確定了軟體機器人的運動性能。
編輯：李楠 校對：張強
JME學院簡介
JME學院是由《機械工程學報》編輯部2018年創建，以關注、陪伴青年學者成長為宗旨，努力探索學術傳播服務新模式。首任院長是中國機械工程學會監事會監事長、《機械工程學報》中英文兩刊主編宋天虎。
歡迎各位老師掃碼添加小助理-暖暖為好友，由小助理拉入JME學院官方群！
有一種合作叫做真誠，有一種發展可以無限，有一種夥伴可以互利共贏，願我們合作起來流連忘返，發展起來前景可觀。關於論文推薦、團隊介紹、圖書出版、學術直播、招聘信息、會議推廣等，請與我們聯繫。
感謝關注我們！我們《機械工程學報》編輯部將努力為您打造一個有態度、有深度、有溫度的學術媒體！版權聲明：
本文為《機械工程學報》編輯部原創內容，歡迎轉載，請聯繫授權！
在公眾號後臺留言需要轉載的文章題目及要轉載的公眾號ID以獲取授權!
商務合作：
聯繫人：暖暖
電話：010-88379909
E-mail：jme@cmes.org
網 址：http://www.cjmenet.com.cn
官方微信號：jmewechat
長按圖片，識別二維碼，關注我喲