摘要:随着工业传感器的广泛部署和人工智能算法的快速发展,基于数据驱动的智能故障诊断技术已成为机械装备故障预测与健康管理（PHM）的关键部分和热点话题,然而,此类方法依赖于大量标记数据且对数据分布具有严格的一致性要求,导致相关方法在真实工业场景中的准确性和鲁棒性大幅下降。迁移学习作为应对数据分布不一致与小样本故障诊断问题的有效手段,得到了学术界与工业界的广泛关注,其通过将源域中学习到的知识迁移到目标域,显著提升了模型在目标域的泛化性能。为研究基于迁移学习的机械装备智能故障诊断方法的发展现状及其亟需解决的关键技术难题,对目前该领域的文献进行了分析与总结。首先,系统性梳理了机械装备智能故障诊断领域的国内、外研究进展与现状。其次,围绕迁移学习技术,分析对比各类迁移学习故障诊断方法的优势与局限性,从不同应用场景与行业关键技术问题出发,对迁移学习驱动的机械装备智能故障诊断技术进行了总结与评述。最后,探讨了相关热点问题并对技术瓶颈进行深入分析,指出了应对现有挑战的可能途径和未来发展趋势。 研究表明:迁移学习在机械装备智能故障诊断领域已引发广泛关注,但仍存在诸多技术难题亟需解决,随着人工智能技术的快速发展及本领域专家学者对迁移学习理论与应用研究的持续推进,可为机械装备智能故障诊断方法的开发提供坚实的理论与技术基础。

摘要:为应对空间碎片对在轨航天器的威胁,对柔性绳网捕获系统的四角自主机动单元增加了模块化对接系统,使其能够对接成一个组合拖曳航天器,便于后续拖拽离轨任务的实施,提高捕获成功率并有效防止了目标物的逃逸。首先,针对在轨捕获过程中柔性绳网带来的振动问题以及四角自主机动单元协同作动的难点,将高阶滑模算法与一致性编队协同策略结合,设计了一种新型控制方法。其次,对基于质量集中法的绳网捕获系统的动力学模型进行了单自由度仿真分析,比较了不同滑模算法与文中算法控制效果及燃料消耗情况。最后,确立了超螺旋滑模算法与领航—跟随者多智能体一致性方法结合的最优控制组合,并成功应用于全自由度的在轨捕获仿真中。仿真结果表明:二者结合设计的新型控制器能够在50 s内完成对目标物的在轨捕获,具备优异的鲁棒性与有效性；同时,四角的自主机动单元能够在捕获过程中保持姿态角波动不超过3°,充分满足自主机动单元对接系统工作的客观条件,并有效衔接了在轨捕获阶段与离轨拖曳阶段的过渡性研究。

摘要:为探究非对称结构倾斜入水过程空泡形态演化与弹道特性,针对不同非对称头型运动体入水开展实验研究。文中使用高速摄像技术对头部非对称运动体入水过程空泡演化与弹体位置进行记录。基于数字图像处理技术,提取不同头型非对称运动体的运动轨迹及姿态,对比分析头部形状与入水方式对入水空泡演化与弹道特性的影响。研究结果表明:头部非对称运动体入水空泡演化具有2次开空泡、2次喷溅、1次空泡附着、空泡融合、2次空泡溃灭等独特的空泡流动特性；运动体头部形状会严重影响入水空泡的演化和弹道特性；随着运动体头型从凸头形状向凹头形状转变,喷溅水幕的宽度、空泡的大小以及运动体的姿态角会逐渐增大。相反,2次空泡的闭合时间却逐渐减小。此外,当头部非对称运动体以反向方式入水时,其更易达到水平运动状态,运动体入水后达到水平运动状态的时间大幅减小,这一特性对实际工程应用具有指导意义。

摘要:为分析飞翼布局飞行器受到防空系统打击后的气动特性,采用风洞试验与数值模拟相结合的方法,对Re=1.47×10⁵条件下战损飞翼布局飞行器进行了风洞试验测力分析,并采用LES方法对部分工况流场特性进行了研究,揭示了战损孔导致飞翼布局飞行器滚转特性和侧向特性出现变化的原因。首先,通过风洞试验发现战损对飞翼布局飞行器的纵向气动特性影响较小,对飞翼布局飞行器的滚转气动特性和侧向气动特性影响较大。其次,迎角10°~30°范围内有战损情况下飞翼布局飞行器的滚转力矩系数明显比未战损情况下大,其中model2战损形式飞翼布局飞行器的滚转力矩系数和侧向力系数绝对值最大。model3~model5一类战损形式的飞行器在迎角10°~24°范围内其滚转力矩系数和侧向力系数绝对值随战损孔向梢弦方向移动而减小。最后,通过LES方法对飞翼布局飞行器流场进行高精度模拟发现:机翼下表面气流会经过战损孔流至上表面,诱导机翼被风区流动提前分离,从而导致飞翼布局飞行器机翼表面的非对称流动分离,引起飞行器滚转力矩系数和侧向力系数绝对值的增大。且战损孔越靠近根弦,其诱导出机翼背风区的流动分离面积越大,飞翼布局飞行器背风区非对称流动现象越明显。结果表明:通过对飞翼布局飞行器的尾涡进行分析发现战损孔会在其后方诱导出多个涡系,且各个涡系之间的距离较近并相互缠绕；随着战损孔向机翼的梢弦移动,战损孔诱导出的脱落涡也向梢弦移动,并与翼尖涡相互融合。

摘要:为解决支持向量机(SVM)在分类时通常含有大量的冗余样本,从而导致面对较大规模数据集时SVM计算复杂度受到限制的问题,提出一种局部密度最小不确定性的SVM样本选择算法。该方法对决策面影响较大的边界数据进行有效选择,通过提取可能含有支持向量的训练样本,降低计算开销,进而提高SVM性能。首先,计算训练样本的K互近邻个数与高斯核密度估计。其次,将K互近邻个数与高斯核密度估计进行加和得到每个样本点的K局部密度并获取密度矩阵。然后,利用局部密度不确定性平衡优化方法,将密度矩阵进行三值映射后使不确定性改变量达到最小时得到最优阈值,并划分密度矩阵为中心数据与边界数据。最后,提取边界数据并作为SVM的训练样本建立分类模型。结果表明:利用该方法在UCI数据集上与其他6种常用样本选择方法进行实验对比,以准确率、保存率作为性能指标,文中提出的算法可以迅速划分中心数据与边界数据并删除大量冗余的训练样本,有效降低SVM的训练负担的同时提高了分类性能。

摘要:为解决当前复杂、动态室内羽流环境中气源定位（OSL）效率低下和成功率不足的问题,尤其在湍流条件下机器人难以准确感知环境并实现有效导航的挑战,提出了一种基于深度强化学习的辅助价值与风导向的近端策略优化（AVW-PPO）算法。首先,在原始PPO算法的基础上引入辅助价值网络,以减少单一值网络的估计偏差,从而提升策略更新的稳定性与预测精度。其次,设计了一种风导向策略,将局部环境风场信息融入强化学习框架中的状态空间与奖励函数,使机器人能够更敏锐地感知羽流环境的动态变化,优化其决策路径,从而有效提高气源定位的效率。最后,通过构建二维环境中的气体扩散模型,在3种不同的湍流条件下对所提算法进行了测试。结果表明:相同环境条件下,AVW-PPO算法在平均搜索步数和成功率两个指标上均优于其他同类算法,且定位成功率超过99%。其中,风导向策略在提升搜索效率方面表现尤为突出,有助于减少机器人完成任务所需的时间。本研究为解决室内复杂湍流环境下的气源定位问题提供了新思路和新方法。

摘要:为解决室内环境下弱纹理场景中关键点特征稀疏、结构化场景中结构化特征应用不充分以及相机快速移动时关键帧容易跟踪失败的问题,提出了一种基于点线特征融合的双目视觉惯性SLAM方法。首先,基于EDlines线段提取方法,结合高斯图像金字塔实现多尺度线段的提取,以增强线段匹配的尺度不变性。同时,对不同尺度下的线段端点的不确定性进行建模,并结合平铺技术对线段的二进制描述符进行分块处理,从而加速线段匹配并提高线特征匹配的鲁棒性与效率。其次,优化惯性传感器的预积分模型,融合双目视觉的点特征重投影误差、线特征重投影误差以及惯性传感器的预积分约束,采用滑动窗口的非线性优化方法进行联合优化,以提高系统位姿估计精度。最后,文中在包含弱纹理、结构化以及相机快速移动等复杂环境的EuRoC数据集上进行实验。结果表明,VI-SLAM方法在EuRoC数据集上的相机轨迹均方根误差为0.031 m,平均误差为0.027 m,拥有更强的鲁棒性和更高的定位精度,尤其在弱纹理和相机快速运动场景中,定位精度优势显著。

摘要:为解决感应式无线电能传输中双向能量与信号同步传输系统存在的结构复杂、传输速率低、能量信号串扰等问题,提出了一种新型基于调幅调谐式的双向能信同传方法。文中通过改变逆变器移相全桥控制的移相角对正向信号进行调幅调制实现信号正向传输,采用改变副边谐振电容对反向信号进行调谐调制实现信号反向传输,从而使得线圈两端电流带有信号特征,并利用电流互感器将带有信号特征的电流信号通入解调电路中还原信号。首先,通过对电路结构进行理论推导分析；其次,采用Matlab/Simulink进行仿真分析并且验证理论分析的正确性；最后,根据仿真结果搭建了一个功率为120 W实验平台。结果表明:在功率为120 W的条件下,负载电压波动小于3%,电能传输对信号传输影响较小,可实现正向4 kbps、反向20 kbps的高速半双工传输,信号传输误码率为0.1%；仿真试验结果证明了该方法在感应式无线电能传输中能够有效实现双向能量与信号同步传输,具有较高传输速率和低误码率,可为无线电能传输系统设计提供参考。

摘要:为解决预定义参数化模型的特征匹配方法通用性较低且鲁棒性较差的问题,根据正确匹配和误匹配的空间分布具有显著差异的现象,提出一种局部密度差异引导的特征匹配(RFM-LoDD)算法。首先,将假定特征匹配转换为能够表征特征匹配性质的空间样本点,并引入概率距离计算样本点的局部密度。其次,在随机选取的40幅涉及不同变换模型的图像对上测试算法的最优参数设置,确定了具有全局最优的密度阈值和其他参数。最后,将样本点的局部密度与密度阈值进行比较,当样本点的局部密度大于密度阈值,则认为该样本点代表的假定匹配为正确匹配,否则,就认为其代表的假定匹配为误匹配。在代表图像对和公开数据集上进行的实验表明,RFM-LoDD算法在各种匹配场景下都能够保持良好的鲁棒性,特别是在内点率较低的Retina数据集和AdelaideRMF数据集上相比于先进的算法均取得了领先的F分数。此外,RFM-LoDD算法具有准线性的时间复杂度,在4个公开数据集上的平均运行时间约为40 ms,时间成本相比于经典的随机抽样一致性（RANSAC）算法降低了两个数量级。

摘要:为提高某型车辆承载轴在弯扭载荷下的疲劳寿命,针对承载轴材料TC11钛合金,建立了包含表面粗糙度与表层残余应力的微观有限元模型,基于临界平面法建立TC11弯扭疲劳寿命预测模型,研究表面粗糙度与轴向/周向残余应力对疲劳寿命的影响规律；分别使用车削与超声滚压工艺加工疲劳试样,对比两种工艺下试样的表面完整性,进行疲劳实验,验证预测模型准确性,并通过分析断口形貌研究断裂机理。研究表明:表面粗糙度和轴向残余压应力对寿命的影响显著,随着表面粗糙度S_a由1.6 μm下降至0.4 μm,寿命提高了135%；轴向残余压应力由100 MPa增大至400 MPa,寿命提高了123%,周向残余应力的影响较小。滚压试样具有更低的表面粗糙度、更高的加工硬化程度以及更高的表层轴向/周向残余压应力,疲劳寿命更高,建立的寿命预测模型可在25%的误差范围带内预测TC11弯扭寿命,为工艺优化提供理论依据。滚压后试样断口疲劳辉纹间距由0.8~0.9 μm减小至0.3~0.4 μm,裂纹扩展速率降低,在加工影响层主要断裂形式由沿晶断裂转变为穿晶断裂。

摘要:为系统全面地理解中斯托克斯数载粒子射流（MSPJ）的动力学特性,并验证泰勒流体粒子理论在更小粒子情况下的适用性,开展了中斯托克斯数载粒子射流速度演变实验分析。首先,搭建了粒子图像测速（PIV）实验台。其次,分别进行了6组不同初速度下的宏观大尺度与介观尺度测量实验。最后,进行了两种尺度下粒子的瞬时速度、平均速度和脉动速度的演化规律对比分析,并结合泰勒流体粒子理论模型对MSPJ速度衰减进行了预测和验证分析。结果表明:沿射流中心线的粒子平均速度衰减趋势与气相相似,呈现出先增大后减小的趋势；而由于壁面反弹的低速粒子与射流中心的高速粒子混合,粒子脉动速度的衰减显著不同,呈现出先减小后增大再减小的趋势。此外,喷嘴附近的粒子脉动速度场与平均速度场的分布存在显著差异,脉动速度场表现为中间速度较小、边缘及过渡区速度较大的分布特征,平均速度场则相反。泰勒流体粒子理论对MSPJ粒子速度衰减预测的最大累积误差为6.16%。重粒子的速度自相似性因明显的惯性效应而更快衰减。本研究能够为滑移速度、曳力及发动机油液喷雾等相关领域的进一步研究提供参考。

摘要:为解决复杂工业场景中滚动轴承复合故障数据难以采集所导致模型识别故障困难的问题,提出基于反馈对比生成的零样本滚动轴承复合故障诊断模型。首先,采用连续小波变换将振动信号转换为时频图,更好地保留故障的时频信息。其次,引入注意力引导ConvNeXt特征提取模块,利用通道和空间注意力机制强化故障特征的表征,消除无关信息干扰,增强故障特征的辨识性。然后,结合对抗训练和属性反馈对齐网络,确保生成的伪故障特征能够准确反映其对应的故障属性信息,实现高质量的故障特征生成。同时引入对比学习模块,生成接近正样本但远离其他样本的故障特征,进一步提高特征生成器的性能和特征的辨别力。最后,通过计算伪故障特征与未知复合故障特征的相似度,将相似度最高的类别标签作为未知复合故障标签,实现对未知复合故障的诊断。结果表明:加入注意力机制的特征提取网络相比其他网络,诊断精度提升8.42%；相比仅使用WGAN-GP生成模块,诊断精度提升14.67%；与其他模型相比,文中所提模型在故障诊断准确率上显著提高28.67%,从而验证了所提模型的有效性与优越性,为机械设备的智能维护提供了一种全新的解决方案。

摘要:为识别螺旋轴流泵内流致噪声声源位置并分析非定常流场对流致噪声的影响,文中结合计算流体力学和声学有限元法对泵内流致噪声进行了数值模拟分析。首先,基于ANSYS CFX软件,采用剪切应力输运（SST）模型对泵内三维非定常流动进行模拟,获取泵内流场的压力脉动特性。其次,将固体壁面处压力脉动作为激励源,基于LMS Virtual Lab软件并采用FW-H方程对泵内声场进行数值计算,重点分析了流致噪声频域特性以及不同部件和区域对噪声的贡献,以识别声源位置。最后,结合时域信号相关性及相干性理论,对叶片表面压力脉动信号的时空关联性进行深入分析,揭示关键声源区域的流动特性及其对噪声的贡献机理。结果表明:与导叶下游相比,叶轮上游的流致噪声更大,随频率衰减更慢,噪声贡献量最高的频带位于0~3 000 Hz范围内,声压级最大峰值出现在叶片通过频率处；旋转声源在此处总声压级比静止声源高25.4 dB,其中,叶片吸力面比压力面产生更大的噪声,其前50%弦长区域对噪声贡献量更大；对叶片吸力面不同位置处压力脉动信号的时空关联性分析表明,此区域的压力脉动主要来源于此处的附面层分离。

摘要:针对刀尖点频响函数受机床主轴位置、主轴转速和刀具参数的影响较大的难点,为快速准确地获取机床刀尖点频响函数,文中引入迁移学习提出了一种基于少量试验样本来获取不同刀具参数的旋转刀尖频响函数预测模型的方法。首先,生成机床主轴位置和转速的正交规划表,基于空运行自激励法和卷积神经网络（CNN）算法,建立与机床加工位置和主轴转速相关的刀尖频响函数预测模型。其次,考虑刀具伸长量、直径和种类等参数的影响,利用少量的相关数据样本,基于迁移学习训练出不同刀具工况的刀尖频响函数预测模型。最后,基于加工中心VMC80IV开展了锤击实验和空运行自激励实验,采用实验数据对预测模型进行训练,以各阶次模态参数为模型输出值,通过模态叠加法重构出刀尖点频响函数,并对比模型预测值和实际测量值。结果表明,对于不同刀具工况下的旋转刀尖频响函数预测模型,各阶次固有频率的预测误差不超过2%,阻尼比的预测误差不超过5%,验证了该预测模型的有效性和准确性。

摘要:利用电动汽车(EV)的移动储能特性参与建筑能源系统调度,已逐渐成为推动建筑领域迈向绿色低碳发展的重要举措之一,能够有效提升建筑的能源利用效率,同时降低建筑的运行成本。针对大型光伏建筑一体化(BIPV)公共建筑,提出一种考虑EV接入的BIPV建筑能源系统双层优化配置及调度方法。首先,利用高斯混合分布模型对电动汽车的日常出行行为进行拟合,构建基于公共建筑的EV出行规律模型。其次,为同时求解出系统的配置和调度结果,建立双层优化模型,在上层中以系统年规划成本最小为优化目标得到配置结果,在下层中以系统日运行成本最小为优化目标得到电力负荷调度结果。最后,给出双层优化模型求解方法,选取某大学校园内办公建筑采暖季的典型日天气负荷数据进行算例分析。结果表明:按照求解结果对建筑能源系统进行配置与调度能够有效提高光伏利用率,延长储能设备使用寿命。并且在系统中通过对比使用不同配置形式的储能方案发现,仅利用EV储能在长短期经济性上更具优势,能够实现良好的系统运行性能。

摘要:为研究机器学习在海上结构物运动预报的发展现状及其亟需解决的关键问题,文中对近10年来海洋工程领域针对海上结构物运动预报的研究进行了全面的论述。随着海上结构物运动预报的需求不断扩大,基于流体力学理论的传统预测方法在预报精度与预报实时性上不能同时满足实际应用需求,而机器学习方法的出现,使精确预测未来时刻的运动响应并依据该响应实现结构物的超前控制成为现实。文中基于预报方法的建模原理将其分为统计回归方法、一般神经网络方法、智能神经网络方法与混合预测方法4类,并对4类方法进行了全面的回顾、分析和综合。最后,分析了当前存在的不足与问题,并从预报方法、框架以及数据集等方面给出了未来发展方向,可为船舶、海上平台等海上结构物运动预测领域的发展提供参考。研究表明:机器学习在海上结构物运动预报领域的研究尚处于相对初始阶段,仍有许多技术难题亟需解决,但随着AI大模型的大力发展与本领域研究学者对机器学习研究的不断深入,可为本领域特色预报方法的开发提供坚实基础。