针对传统疲劳寿命预估算法精度低且适用性窄的问题,结合工程结构件的实际特点确定了对疲劳寿命估算精度造成影响的主要因素,将影响因素量化为具体的修正因子,并在此基础上提出了一种基于多因素修正的结构件疲劳寿命预估方法.然后应用修正后的算法对实例构件的疲劳寿命进行估算,并将估算结果与应用局部应力-应变法估算的结果及台架疲劳试验结果进行对比.结果表明,修正后的算法能够实现一般大型结构件疲劳寿命的准确估算,是一类预测精度高、实施方便且具有广泛工程应用前景的疲劳寿命估算方法.

由于抗蛇行减振器在服役过程中发生故障会严重威胁到列车的运行安全,提出一种基于卷积神经网络的抗蛇行减振器故障诊断方法。采集的阻尼力信号通过短时傅里叶变换得到时频图谱,并将其划分为训练集和测试集;然后将训练集输入卷积神经网络模型中,进行训练样本信号的特征提取工作,通过前向传播和反向传播方式得到卷积神经网络的具体模型,并通过多次迭代更新网络参数;最后,将训练好的模型用于测试集,获得蛇行减振器故障诊断的准确率。为了验证

为了准确描述滚动轴承性能退化的动态过程，结合深度学习强大特征提取能力的优势，提出了一种新型深度自编码和最小量化误差方法相结合的滚动轴承全寿命健康评估方法.用深度自编码模型对原始特征进行压缩提取，将压缩特征按趋势进行排序，选取趋势大的特征运用最小量化误差方法构建健康指标.针对基于一个度量的评价准则常具有偏差的问题，提出基于遗传算法的融合评价准则.2组实例分析结果表明，用该方法构建的健康指标的趋势值、单调性值、鲁棒性值、融合评价准则值都大于单层的自编码模型(AE)和传统的PCA降维方法，第1个实例中，该方法构建的健康指标融合评价准则值比PCA，AE方法分别增加了13.30%，3.17%；第2个实例中，该方法构建的健康指标融合评价准则值比PCA，AE方法分别增加了9.68%，3.85%.基于遗传算法的融合评价准则比单一的评...