數(shù)控機(jī)床滾動(dòng)軸承1058368編碼器DFS60E-S4CA00250滾動(dòng)軸承的具體結(jié)構(gòu)進(jìn)行分析,給出了軸承的退化類型;介紹軸承振動(dòng)產(chǎn)生的原因,通過(guò)對(duì)軸承振動(dòng)頻率進(jìn)行分析,對(duì)比自身運(yùn)行產(chǎn)生振動(dòng)和退化造成振動(dòng)的區(qū)別,為振動(dòng)信號(hào)可用于預(yù)測(cè)壽命提供理論依據(jù);總結(jié)出軸承性能的退化規(guī)律,給出軸承剩余壽命預(yù)測(cè)和故障預(yù)警的聯(lián)系。然后,針對(duì)滾動(dòng)軸承剩余壽命難預(yù)測(cè)的情況,在分析了軸承原始信號(hào)特征提取困難的基礎(chǔ)上,提出了降噪自編碼器信號(hào)預(yù)處理以及基于多尺度卷積神經(jīng)網(wǎng)絡(luò)的軸承剩余壽命預(yù)測(cè)方式。該方法首先使用降噪自編碼器對(duì)軸承原始振動(dòng)信號(hào)進(jìn)行編碼,然后將編碼結(jié)果依次經(jīng)過(guò)淺層特征提取模塊、深層特征提取模塊、數(shù)據(jù)融合模塊和輸出模塊這四部分進(jìn)行處理,后輸出預(yù)測(cè)的剩余壽命。同時(shí)提出了一種新型的改進(jìn)均方誤差作為網(wǎng)絡(luò)的損失函數(shù),取得了較好的效果。通過(guò)對(duì)軸承壽命預(yù)測(cè)實(shí)驗(yàn)的測(cè)試數(shù)據(jù)進(jìn)行預(yù)測(cè)分析,該方法能夠有效的預(yù)測(cè)軸承的剩余壽命。后,對(duì)軸承故障預(yù)警系統(tǒng)進(jìn)行了總體規(guī)劃,通過(guò)設(shè)計(jì)軟件和硬件對(duì)系統(tǒng)提供服務(wù)。硬件部分選取了型號(hào)為L(zhǎng)IS3DSH的加速度計(jì)采集軸承振動(dòng)信號(hào),緩存Redis模擬消息隊(duì)列以及InfluxDB數(shù)據(jù)庫(kù)對(duì)振動(dòng)信號(hào)進(jìn)行持久化。軟件部分通過(guò)Keras框架生成底層網(wǎng)絡(luò)模型,使用Java開(kāi)發(fā)系統(tǒng)的各個(gè)模塊,采用前后端分離的架構(gòu),實(shí)現(xiàn)了用戶登錄和管理、設(shè)備管理、權(quán)限控制、數(shù)據(jù)輸入、壽命分析和預(yù)警等功能。 業(yè)生產(chǎn)中的重要環(huán)節(jié),傳統(tǒng)播種機(jī)的排種器由地輪驅(qū)動(dòng),地輪打滑現(xiàn)象時(shí)有發(fā)生,對(duì)排種均勻性產(chǎn)生較大影響。黃淮海地區(qū)施行小麥玉米輪作和免耕播種的種植模式,增加了播種作業(yè)難度,地輪打滑現(xiàn)象更為明顯。為提高排種均勻性和系統(tǒng)的使用效率,本文設(shè)計(jì)了電控排種系統(tǒng),該系統(tǒng)具有排種控制、監(jiān)測(cè)功能,并具有單粒精播和精量條播兩種控制模式。系統(tǒng)由轉(zhuǎn)速檢測(cè)模塊、電機(jī)控制模塊、人機(jī)交互模塊、排種監(jiān)測(cè)模塊和RS-485通訊模塊組成。本文重點(diǎn)建立了播種作業(yè)速度、電機(jī)轉(zhuǎn)速、播種作業(yè)參數(shù)之間的數(shù)學(xué)關(guān)系模型,并運(yùn)用模糊PID控制方法實(shí)現(xiàn)了直流無(wú)刷電機(jī)轉(zhuǎn)速的閉環(huán)控制。通過(guò)Simulink仿真表明,與傳統(tǒng)PID控制方法相比,模糊PID控制方法的響應(yīng)時(shí)間縮短了 0.23s;通過(guò)電機(jī)轉(zhuǎn)速控制精度試驗(yàn)表明,與傳統(tǒng)PID控制方法相比,模糊PID控制方法的控制誤差減小了 2.47%。由Simulink仿真和試驗(yàn)得出模糊PID控制方法具有更好的控制性能。本文進(jìn)行了排種器試驗(yàn)臺(tái)對(duì)比試驗(yàn),與傳統(tǒng)機(jī)械式玉米排種器相比,電控排種系統(tǒng)的排種合格指數(shù)提高了 4.77%,重播指數(shù)降低了 1.96%,漏播指數(shù)降低了 2.81%,合格粒距變異系數(shù)降低了 5.06%,系統(tǒng)具有更好的排種效果;然后在土槽試驗(yàn)臺(tái)上對(duì)系統(tǒng)進(jìn)行播種試驗(yàn),試驗(yàn)結(jié)果表明系統(tǒng)的播種合格指數(shù)為96.74%、重播指數(shù)為2.15%、漏播指數(shù)為1.10%、合格粒距變異系數(shù)為16.24%,試驗(yàn)結(jié)果均滿足國(guó)標(biāo)要求,進(jìn)一步驗(yàn)證了系統(tǒng)具有良好的排種性能;后將系統(tǒng)應(yīng)用在實(shí)際播種作業(yè)中,完成田間播種試驗(yàn),試驗(yàn)結(jié)果表明系統(tǒng)的播種合格指數(shù)為84.21%,重播指數(shù)為2.63%,漏播指數(shù)為7.89%,合格粒距變異系數(shù)為22.15%,電控排種系統(tǒng)的實(shí)際工作性能較好。將電控排種系統(tǒng)應(yīng)用在玉米精量排種器中,并通過(guò)試驗(yàn)驗(yàn)證系統(tǒng)具有較快的響應(yīng)速度和較高的控制精度,在實(shí)際作業(yè)過(guò)程中可穩(wěn)定運(yùn)行,具有較好的可靠性和排種作業(yè)性能。數(shù)據(jù)驅(qū)動(dòng)方法,加速地震數(shù)據(jù)的處理流程,獲得更的地下介質(zhì)信息.卷積自編碼器方法在地震數(shù)據(jù)壓縮降維的同時(shí),利用數(shù)據(jù)的空間局部相關(guān)性自動(dòng)提取信號(hào)特征,避免數(shù)學(xué)物理模型的假設(shè)依賴.通過(guò)設(shè)計(jì)不同地質(zhì)模型的地下速度結(jié)構(gòu),利用波動(dòng)方程正演模擬構(gòu)建大量不同特征的地震數(shù)據(jù)訓(xùn)練集和測(cè)試集.與模型驅(qū)動(dòng)的地震隨機(jī)噪聲壓制和地震道插值方法不同,數(shù)據(jù)驅(qū)動(dòng)下的卷積自編碼器方法能夠從含隨機(jī)噪聲地震數(shù)據(jù)和地震道缺失數(shù)據(jù)中,直接識(shí)別和提取出其中的有效地震信號(hào),從而壓制隨機(jī)噪聲以及重建原始地震數(shù)據(jù),實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法的有效性.卷積自編碼器方法不需要人工閾值控制,具有更高的處理效率. 

數(shù)控機(jī)床滾動(dòng)軸承1058368編碼器DFS60E-S4CA00250  效緩解交通擁堵等諸多優(yōu)點(diǎn),在各大城市得到大量普及。但快速發(fā)展的同時(shí)也帶來(lái)了諸多弊病,主要體現(xiàn)在軌道和隧道變形。常規(guī)的檢測(cè)方法主要為手持檢測(cè)儀和大型軌檢車檢測(cè),手持檢測(cè)儀檢測(cè)效率低,且精度不高。大型軌檢車成本昂貴、體積龐大,且不便進(jìn)行上下線運(yùn)作。上述檢測(cè)方法所使用的傳感器采集到的信息之間進(jìn)行單獨(dú)、孤立地處理,導(dǎo)致了信息處理工作量的增加。各傳感器信息間的內(nèi)在聯(lián)系被割斷,丟失了信息組合后的內(nèi)部特征。各傳感器不能有效組合,造成了信息資源的浪費(fèi),甚至可能導(dǎo)致決策失誤。為解決上述問(wèn)題,故需要對(duì)多源傳感器數(shù)據(jù)進(jìn)行有效融合。本文通過(guò)在小型軌道檢測(cè)車上搭載多種傳感器,即慣性導(dǎo)航系統(tǒng)、激光雷達(dá)傳感器、激光位移傳感器、軸角編碼器和攝像頭,實(shí)現(xiàn)了對(duì)軌道及隧道的多維度檢測(cè)。系統(tǒng)采用PXI機(jī)箱實(shí)現(xiàn)了多傳感器數(shù)據(jù)采集的一致性,即提高了時(shí)間上的一致性和空間上的可延展性。單一傳感器在軌道和隧道的變形檢測(cè)中都有著自己的優(yōu)缺點(diǎn)。攝像頭的大挑戰(zhàn)具體體現(xiàn)在:沒(méi)有深度信息、視場(chǎng)角有限以及受外界條件的影響也較大。激光雷達(dá)傳感器的大挑戰(zhàn)具體體現(xiàn)在:感知范圍較近和角分辨有限。各傳感器信息數(shù)據(jù)進(jìn)行優(yōu)勢(shì)互補(bǔ)、取長(zhǎng)補(bǔ)短和有效融合,克服了單一傳感器的不確定性和局限性,得出更加軌道及隧道狀態(tài)信息。多傳感器融合的關(guān)鍵技術(shù)在于融合策略及相應(yīng)算法的選擇。本文通過(guò)采用卡爾曼濾波算法融合激光位移傳感器和慣性導(dǎo)航系統(tǒng)數(shù)據(jù),得出更加的軌道狀態(tài)信息;融合激光雷達(dá)傳感器和攝像頭數(shù)據(jù),得出更加的隧道狀態(tài)信息。交通行業(yè)的高速發(fā)展,各大城市的地鐵線路逐漸增加。由于地鐵客流量大、運(yùn)行時(shí)間長(zhǎng)的特點(diǎn),地鐵隧道的安全問(wèn)題就顯得尤為重要,需要對(duì)地鐵隧道進(jìn)行定期的形變檢測(cè)。針對(duì)傳統(tǒng)的人工檢測(cè)方式人力成本高、檢測(cè)周期長(zhǎng)、檢測(cè)精度低的特點(diǎn),設(shè)計(jì)了一款便攜式軌道檢測(cè)車,其裝載激光雷達(dá)對(duì)地鐵隧道進(jìn)行周期性的形變檢測(cè),此檢測(cè)技術(shù)精度高、成本低且主動(dòng)性強(qiáng)。本文針對(duì)軌道檢測(cè)車進(jìn)行介紹,以及對(duì)車載激光雷達(dá)掃描的地鐵隧道點(diǎn)云數(shù)據(jù)的處理及地鐵隧道形變分析展開(kāi)研究。具體內(nèi)容如下:對(duì)軌道檢測(cè)車主要構(gòu)成進(jìn)行介紹,包括車體及傳感器部分、數(shù)據(jù)采集部分以及數(shù)據(jù)處理部分。車載傳感器分別為激光雷達(dá)、慣性導(dǎo)航系統(tǒng)、2D激光位移傳感器以及編碼器,各傳感器相互配合,實(shí)現(xiàn)對(duì)地鐵隧道及軌道的檢測(cè)。車載激光雷達(dá)選用SICK LMS111型號(hào)的脈沖式激光雷達(dá),對(duì)地鐵隧道進(jìn)行非接觸式檢測(cè),掃描獲取點(diǎn)云數(shù)據(jù)的二維坐標(biāo),結(jié)合編碼器及慣性導(dǎo)航系統(tǒng)的信息,獲取第三維坐標(biāo)。對(duì)點(diǎn)云數(shù)據(jù)數(shù)據(jù)進(jìn)行預(yù)處理,提出基于統(tǒng)計(jì)特征的濾波算法、半徑濾波算法與雙邊濾波算法相結(jié)合的方法。結(jié)合使用基于統(tǒng)計(jì)特征的濾波算法與半徑濾波的算法對(duì)激光雷達(dá)掃描數(shù)據(jù)的大尺度噪聲進(jìn)行濾除,利用雙邊濾波的算法進(jìn)行小尺度噪聲的平滑處理。利用三次B樣條曲線擬合的算法對(duì)地鐵隧道斷面進(jìn)行二維曲線擬合,在Visual Studio 2015環(huán)境下利用PCL點(diǎn)云庫(kù)對(duì)所得到的點(diǎn)云數(shù)據(jù)進(jìn)行三維建模,得到地鐵隧道三維曲面的具體信息。針對(duì)地鐵隧道形變分析方法的研究,分別提出地鐵隧道整體形變分析方法及局部形變分析方法。結(jié)合隧道曲線及曲面的擬合結(jié)果,基于局部形變分析提出了一種基于小距離投影法（Minimum Distance Projection,MDP）的二維斷面及三維曲面的局部形變分析方法。在校內(nèi)100米試驗(yàn)線進(jìn)行現(xiàn)場(chǎng)隧道數(shù)據(jù)檢測(cè),經(jīng)過(guò)與實(shí)際情況的對(duì)比驗(yàn)證,選取的形變分析方法可有效判斷隧道形變與否以及得出具體形變量大小。