关键词： 车架   拓扑优化   拓扑灵敏度   多工况优化  

摘要： 车架轻量化设计对提高整车性能具有重要意义，文章应用免组装三维帕累托（Pareto）算法对运动型多用途汽车（SUV）车架进行拓扑优化概念设计。为了提高拓扑优化在实际工程应用中的速度，该方法将免组装有限元法与基于拓扑灵敏度的拓扑优化算法结合，使用一致的体素单元划分网格，用压缩共轭梯度法加速有限元求解速度，得到应力和应变场，从而获得拓扑灵敏度场，用来控制结构拓扑变化。先对车架弯曲工况、扭转工况分别进行单目标拓扑优化，获得了清晰的传力路径和材料分布，了解车架各部位对弯曲刚度和扭转刚度的影响，然后通过弯扭组合多工况拓扑优化获得车架概念结构，为后续的轻量化设计提供了理论参考依据。通过该方法和HyperWorks软件的对比，各工况下都得到了相近的拓扑优化结果，证明了此方法在获得最优拓扑方面的有效性；该方法的计算时间相比HyperWorks显著降低，表明此方法在解决大型拓扑优化问题时具有显著时间优势。

关键词： 球形夹杂   球形基体   接触   有限元   弹性临界压痕量  

摘要： 为了准确预测含夹杂结构的接触力学性质，建立了含球形夹杂的球体与刚性平面接触的有限元模型。在有限元模型中，具有轴对称特征的球形夹杂和球形基体分别简化为二分之一圆和四分之一圆，球形夹杂与球形基体之间不发生相对运动。球形夹杂和球形基体被分别定义为弹性体和弹塑性体，球形夹杂为硬夹杂，即球形夹杂与球形基体弹性模量的比值被规定为大于等于1。通过对有限元模型的求解，研究了夹杂与基体的弹性模量之比、无量纲夹杂半径、无量纲夹杂深度对球形基体接触力学行为的影响，拟合出球形基体的弹性临界压痕量、弹性接触载荷、弹性接触压力峰值与球形夹杂物理参数之间的解析表达式。研究结果表明：球形夹杂与球形基体弹性模量的比值介于1和1.2之间，无量纲夹杂深度小于0.21，夹杂的弹性效应强于夹杂与球形基体的应力不匹配效应，夹杂的存在提高了球形基体的弹性临界压痕量；球形夹杂与球形基体弹性模量的比值大于1.4，无量纲夹杂深度小于等于3.5，应力不匹配效应强于夹杂的弹性效应，导致基体过早发生屈服，缩小球形基体的弹性变形范围；无量纲夹杂深度大于3.5，夹杂位于球形基体接触变形区域之外，故不影响球形基体的接触力学行为。

关键词： 直流输电系统   电流源换流器   直流故障   控制作用   故障电流计算   故障清除  

摘要： 主动换相型电流源换流器(actively commutated converter，ACC)不存在换相失败且具备黑启动和交直流故障穿越能力，适用于构建新型直流输电系统。但是，ACC阀交流出口处存在换相电容，故障后其电压在滤波电感和交流系统馈入能量作用下的耦合暂态行为以及控制系统作用下阀换相引起的电路结构变化均会对直流故障电流造成影响，现有方法缺乏ACC-HVDC直流故障精确定量分析能力，不利于系统规划和保护设计。针对上述问题，提出一种基于全阶段统一时域简化模型的ACC-HVDC直流故障电流解析方法，考虑交流系统作用下LC滤波环节的状态变化及直流控制器和锁相环对换流器故障后桥臂换相时刻的影响，能够有效提升计算精确度。首先，建立ACC交流侧电容和电感的稳态频域模型；其次，推导故障后直流电流全阶段统一时域简化模型，剖析其发展机理；再次，基于故障后换相电容、滤波电感和控制系统的暂态解析模型分析桥臂开关状态的变化规律，获取换相特征系数，实现直流故障电流计算；最后，搭建PSCAD电磁暂态模型，对比验证所提方法的准确性。

关键词： 故障诊断   小样本   无阈值递归图   线性可变卷积核   卷积神经网络   交叉熵损失函数  

摘要： 针对滚动轴承在小样本条件下诊断精度低的问题，提出一种基于频域无阈值递归图与自适应线性可变卷积神经网络（frequency domain thresholdless recurrence plot-adaptive linear deformable convolutional neural network, FDTRP-ALDCNN）的滚动轴承故障诊断方法。首先，使用快速傅里叶变换（fast fourier transform, FFT）将一维时域信号转为频域信号，并与无阈值递归图（thresholdless recurrence plot, TRP）相结合，以有效构建初始特征，提高模型输入质量。其次，采用线性可变卷积核（linear deformable convolutional kernel, LDConv）替换卷积神经网络中方形卷积核，从而能够根据采样数据的分布来调整卷积核形状，准确获取空间信息中的关键特征，提高小样本数据的利用率。再次，设计自适应交叉熵（adaptive cross entropy, ACE）损失函数，来根据样本分类损失自适应调整分类器对难分与易分样本的拟合程度，增强难分样本损失在整体分类损失中的显著性，进一步提高小样本下的模型诊断精度。最后，采用CWRU滚动轴承数据集对所提方法进行三组仿真验证。对比仿真的结果表明，所提模型在不同小样本数量下均有较高的诊断准确率，最高可达到99.82%。而对两组不平衡数据集的泛化性分析可知，本模型的诊断准确率分别达到98.56%与99.3%，泛化能力优于其他模型，且具有良好的稳定性。并通过消融实验验证了FFT、LDConv与ACE损失函数对提高故障诊断精度的有效性。综上所述，所提方法能够有效诊断出小样本轴承故障，具有较高的实际应用价值。

关键词： 电缆故障   可扩展化诊断   知识蒸馏   注意力机制   深度卷积神经网络   人工智能  

摘要： 现有基于人工智能的电缆故障诊断方法缺乏处理故障动态差异化发展的能力，其不能适应新的故障场景，无法随着时间的推移增强诊断能力。鉴于此，本文在深度卷积神经网络（deep convolutional neural network，DCNN）的基础上，融合知识蒸馏与注意力机制提出一种电缆故障可扩展化诊断方法(DCNN with knowledge distillation and attention，DCNN-KD-A)。引入知识蒸馏思想，保留DCNN模型对原有故障的诊断信息，同时利用新增故障的分类损失对模型进行拓展修正，使其具备故障可扩展化诊断的能力。为避免模型训练中的灾难性遗忘问题，重新构建了相适应的故障分类器。为应对知识蒸馏中的信息损耗与改变，利用注意力机制增强模型的特征凝练作用，提升其可扩展化诊断精度。通过实测与仿真数据进行实验，实验结果验证了本文所提方法的有效性和可行性。

关键词： 滚动轴承   故障诊断   深度学习   WGAN   LightNet  

摘要： 深度学习应用于轴承故障诊断时存在着样本稀缺和模型复杂的问题，对此进行了研究并提出一种结合数据增广模块AugModule和轻量级分类网络LightNet的故障诊断方法。采用STFT将设备的一维振动信号转换为二维时频图，并通过引入谱归一化和AdaptiveMix改进的WGAN扩充数据集，扩充后的数据集输入到LightNet网络进行图像分类。LightNet基于ShufflenetV2改进，使用Scconv提升精度，采用SMU激活函数替代Relu，提出Channel rate和Channel crossing策略优化性能，并重新设置每个Stage中的Block堆叠数目，以实现准确率和效率的最佳平衡。经实验测试，该方法在减少模型参数的同时，具有较高的准确率和实际工程意义。

关键词： 连带晚点   铁路运输   旅客转线换乘   列车运行调整   启发式算法  

摘要： 针对线路故障影响下考虑转线换乘的列车运行调整问题，以线路故障触发的列车连带总晚点时间最短与由此引发的转线换乘失败客流数最少为双重目标，构建铁路线路故障影响下的列车运行调整优化模型。鉴于模型为大规模混合整数规划模型，设计基于高斯游走的改进粒子群求解策略。以京广高铁上行方向部分区段和郑徐高铁下行方向部分区段构成的路网构建测试场景，并运用IPS&GW算法对不同列车运行恢复策略下的列车运行调整优化模型进行求解。结果表明，相较策略I，故障扰动时长为10～30min之间波动时，策略II、III、IV所产生的列车连带晚点时间分别下降82.5%～86.6%、70.5%～81.49%、55.8%～58.7%，滞留旅客总数分别下降28.3%～39.1%、57.3%～61.9%、88.4%～89.4%；且在不同扰动情景下均能通过增加一定的列车总晚点时间来换取换乘失败旅客数量的明显减少。将本文所提出的IPS&GW算法与传统PSO算法进行对比，验证了前者在目标函数收敛速度方面表现出优势，从而切实有效恢复列车图定运行要求、减少换乘枢纽站滞留旅客数量。

关键词： 发动机气门   特征提取   和声搜索算法   参数优化   故障诊断  

摘要： 为了进一步提高通过自适应方法获取最优SAE网络超参数的能力，引进和声搜索算法(HS)来实现对网络超参数优化的功能，并成功应用于发动机气门间隙异常故障诊断领域。对SAE前三层节点丢弃比例以及隐含层节点数进行设置，确保HS-SAE模型具备良好泛化性能。采用实验方式测试发动机测试不同气门运行状态故障。研究结果表明：相对于最初信号，采用域包络方法有效去除背景噪声带来的波动性，SAE方法在未预处理下保持原始信号参数，联合参数试验诊断正确率提高到99.5%，得到具有最佳匹配性超参数。HS-SAE算法在多数小样本测试中优于其它算法，达到较高精度控制性能，HS-SAE算法对气门间隙异常故障的诊断可以实现较高准确性。该研究有助于提高发动机的异常识别能力，也可 拓宽到其它的机械领域。

关键词： 电力变压器   短间隙电弧   模式识别   深度可分离卷积神经网络   联合检测  

摘要： 短间隙油中电弧放电易造成设备损坏，甚至引发火灾和爆炸事故，对其开展故障诊断对于维护电力系统安全稳定运行具有重要意义。由于油中电弧放电演变速度快，传统基于单一信号进行的故障诊断方法存在诊断准确率低、诊断不及时等问题。为了解决上述问题，该文提出一种基于多物理量的油中短间隙电弧放电故障模式快速识别方法。首先，搭建一套可同时采集放电多物理特征信号的实验平台，获取并分析了各物理量的时域信号和频谱图；其次，在多物理时域信号的基础上，利用S变换生成对应时频图谱；然后，提出一种改进的深度可分离卷积神经网络模型，利用该模型开展基于多物理量联合的放电故障模式识别。结果表明：相比于仅利用单一信号，该文提出的多物理量联合检测的方法具有更高的识别准确率；与传统辨识模型相比，通过优化DSCNN网络框架，降低了参数规模和推理时间，有助于提高故障诊断速度，防止油中电弧放电发展到更为严重的阶段。

关键词： 飞机ASS   故障模式与影响分析   AMESim建模   故障仿真   故障分析  

摘要： 主动侧杆是一种新型飞机操纵杆，在遭遇故障时，主动侧杆力反馈不准确，轻则导致飞行员对飞行状态的感知出现偏差，重则导致驾驶杆抖动、打手，严重影响飞行安全。主动侧杆实时性能监测可在故障明显影响操纵性能前给出预警，具有十分重大的意义。充分研究主动侧杆发生故障时的特征，分析对系统产生的影响，是实现性能监测前亟待解决的问题。为解决该问题，构建了主动侧杆的AMESim模型，基于主动侧杆的故障模式与影响分析与故障树分析的方法得到潜在的几类关键故障，讨论了故障影响主动侧杆性能的方式，并在模型中实现关键故障注入，获取关键故障的相关状态量信息，分析故障特征与状态量变化特点，为主动侧杆故障诊断工作开展提供了理论基础。