列车车轮钢表面硬度的微磁定量检测方法

多功能微磁检测技术在铁磁性材料力学性能的无损表征中具有良好的应用前景。本文研究该技术对CL65、ER7车轮钢表面硬度的无损检测能力。首先，利用变异系数分析方法评价了多功能微磁仪器对车轮钢微磁参量的重复检测性能；其次，开展了标定实验，基于斯皮尔曼秩相关系数分析了微磁参量对车轮钢表面硬度的单调表征能力；最后，通过融合多项磁参量，建立了基于BP神经网络的车轮钢表面硬度的微磁定量预测模型。外部校验结果显示，BP神经网络模型对CL65、ER7车轮钢表面硬度的预测平均误差分别约为0.59%和1.22%。     

应力和组分占比对马氏体-铁素体双相钢中磁巴克豪森噪声的影响

磁巴克豪森噪声(MBN)技术在马氏体-铁素体双相钢的微观结构及应力无损评价与表征中具有巨大潜力.为探究拉应力和铁素体占比对磁巴克豪森噪声的影响规律及权重,在0?200MPa范围内实验测得了具有不同铁素体占比的双相钢MBN信号.重点分析了MBN蝶形曲线双峰峰值(分别代表马氏体和铁素体)在应力和铁素体占比两因素耦合条件下的...     

基于“AM-GoogLeNet+BP”联合数据驱动的混凝土细观模型压缩应力-应变曲线预测

本文结合GoogLeNet卷积神经网络和BP神经网络分别在图像数据挖掘和数据分析方面的良好性能,采用“AM-GoogLeNet+BP”联合数据驱动方法,对混凝土细观模型(含砂浆、骨料及孔隙)的单轴压缩应力-应变曲线进行了有效预测.通过引入力学参量对图像数据驱动的训练结果进行优化,从而提升了神经网络的物理可解释性.基于Python语言实现混凝土细观模型在Abaqus中的自动建模及细观图像生成过程,并将生成的细观图像数据库与相应的压缩应力-应变曲线作为训练数据集.在GoogLeNet中分别引入SENet, ECANet和CBAM三种代表性注意力机制并对三种注意力机制的性能进行对比和分析,以自适应方式提升神经网络对混凝土各相组分的分析能力,并以此得到混凝土细观模型的初步应力-应变预测曲线;将骨料体积分数、孔隙率及初步峰值应力等物理参量作为输入引入BP神经网络以改善峰值应力的预测精度,并与将物理参量直接引入卷积神经网络输入层的方法进行了对比,最后定量给出了骨料体积分数和孔隙率对峰值应力的影响权重.结果表明,对于不同骨料体积分数及孔隙率的混凝土细观模型,该方法均展现了较高的预测精度.本文采用的“...     

基于神经网络的间隙机构运动副磨损预测

应用BP神经网络建立了磨损率与接触应力、滑动速度和材料硬度之间的非线性关系模型,并对该网络模型进行了验证和测试,结果表明,训练良好的神经网络模型能够准确反映样本所蕴含的内在磨损规律,且具有较好的预测效果。基于非线性弹簧阻尼模型和修正的Coulomb摩擦力模型对含间隙曲柄滑块机构进行数值仿真分析,获得间隙机构运动副的接触应力和相对滑动速度,利用训练好的神经网络磨损模型对轴套的磨损进行迭代磨损预测分析,发现随着曲柄转数的增加,轴套表面一些特定位置处的磨损越来越严重,最终导致轴套表面出现非均匀磨损现象,其原因是间隙机构运转过程在一些特定位置处产生了较大接触应力和碰撞力。     

基于灰色BP神经网络的陀螺电机状态预测

陀螺电机状态直接影响惯导系统的精度和可靠性,对其进行预测是惯导系统性能评估和寿命预测的重要途径。利用灰色理论的建模预测方法对随机性较大的数据预测精度不高;BP神经网络模型的预测方法具有良好的非线性和自学习能力,但训练效率不高且训练效果受样本数影响较大,网络容易限于局部最小值。针对陀螺电机状态特征参数的特点,本文提出一种基于灰色BP神经网络的混合模型。该模型利用BP神经网络对灰色模型误差进行建模,模型输出返回灰色模型进行输入修正。利用灰色理论、BP神经网络以及混合模型对状态特征参数进行建模和预测,结果表明,混合模型的预测误差比灰色模型减小了约2／3,比神经网络减小了约1／3,证明了该模型的有效性。     

西二线管道腐蚀非开挖检测技术研究

针对埋地铁磁管道在非开挖条件下的腐蚀检测难题,对管道弱磁检测技术进行了工程应用验证.该技术利用弱磁检测仪对管道磁信号进行采集,通过分析磁信号曲线图波形特征,可以识别和定位腐蚀缺陷,同时可以根据腐蚀等级指标F值对腐蚀进行评价.首先根据磁信号dBx出现峰值并产生波动、dBy改变方向且过零点、同时dBz也出现峰值并产生波动的...     

优化BP神经网络的光纤陀螺温度漂移建模与补偿

光纤陀螺(FOG)温度漂移误差是影响其输出精度的主要误差源之一。针对基于传统BP神经网络FOG温度误差补偿方案适用性较差的问题,提出了优化预测数据的BP神经网络补偿算法,利用最优线性平滑技术以及滑动平均技术对神经网络待补偿数据进行预处理,可以有效减小FOG输出白噪声对温度漂移网络模型补偿精度的干扰,优化神经网络模型的补偿效果。使用FOG温度漂移实测数据对所提出的优化算法进行验证,结果表明利用本文提出的两种建模及补偿方案进行补偿后的FOG温度漂移数据标准差相比传统BP神经网络补偿方法减少50%以上。     

基于阵列MEMS磁传感器的测量与标定方法

针对MEMS磁传感器存在测量噪声大的问题,利用MEMS磁传感器体积小的特点,设计了阵列形式的MEMS磁传感器测量模块,减小了测量噪声对标定结果的影响。通过合理的硬件设计,实现同一时刻采集32个MEMS磁传感器信号。在硬件设计基础上,通过对阵列MEMS磁传感器建模与分析,设计了基于阵列MEMS磁传感器的标定方法。通过仿真及实物系统实验,验证了所提出方法的有效性。系统实验结果表明,采用阵列MEMS磁传感器标定结果的归一化模值标准差较单个磁传感器减小了70%。     

高温对砂岩宏细观损伤及BP神经网络单轴强度预测研究

为了研究高温后砂岩的力学特性和宏细观损伤变化,对高温作用后的砂岩进行单轴压缩试验、声波损伤检测、X射线衍射试验、扫描电镜试验,分析应力-应变曲线、峰值应力、峰值应变、弹性模量、质量损失率、X射线衍射成像和电镜扫描图像,得到砂岩的细观损伤变化对其单轴抗压强度的影响.利用BP神经网络模型对不同物理量进行训练,预测不同高温作...     

BP-Bagging模型在光纤陀螺温度补偿中的应用

为了消除光纤陀螺的温度效应并提高陀螺的精度,BP神经网络模型广泛的应用在光纤陀螺的零偏温度漂移辨识和补偿中。然而,单神经网络模型的泛化能力差,影响模型的预测结果。结合神经网络集成学习的思想,利用Bagging集成技术产生差异大、预测能力强的个体网络,提升模型的预测能力。建立光纤陀螺零偏温度的BP-Bagging模型,将其应用在温度补偿中。通过对某型光纤陀螺的零偏漂移数据进行仿真,结果表明:BP-Bagging模型相比线性回归模型、单BP神经网络模型的补偿效果更显著,有效改善了陀螺的零偏稳定性能。     

融合先验知识的混凝土侵彻深度试验数据异常点检测算法

为剔除混凝土侵彻深度试验数据异常点,提出了一种融合先验知识的异常检测算法。利用反向传播（back propagation, BP）神经网络模型拟合试验样本数据的分布,结合偏差指标筛选离群样本点,并通过经验算法评价模型异常检测性能。针对试验数据特点选择全量梯度下降结合动量优化方法,从而提高模型迭代训练的稳定性和效率,并且在构建模型过程中融合领域先验知识约束对样本数据的拟合,使得模型在训练过程中能反映附加特征的影响。结果表明,BP神经网络模型适合于刚性弹对混凝土侵彻试验数据异常点的检测,加入合理的领域先验知识可有效提高模型的检测精度。     

基于BP神经网络的V9-Cr4-Mo3高速钢冷轧辊磨损模型

利用自制轧辊模拟磨损试验机测试了6种不同碳含量的V9Cr4Mo3高速钢轧辊的磨损性能，利用BP神经网络建立了磨损量与碳含量和磨损时间的非线性关系模型．结果表明：良好训练的BP网络模型可以有效预测不同碳含量的V9Cr4Mo3高速钢轧辊的磨损性能．结果表明：碳含量约为2．58％时，高速钢基体组织主要为高硬度和高韧性的板条马氏体，可以有效抵御轧制过程中的疲劳和显微切削，耐磨性最佳；当碳含量过低时，高速钢基体为低硬度的铁素体，显微切削为轧辊的主要磨损机制，而碳含量过高时，其基体主要为韧性较差的片状马氏体，轧辊以疲劳磨损为主，二者均导致轧辊耐磨性下降．     

磁过滤真空弧源沉积技术制备C/C多层类金刚石膜及其摩擦磨损性能研究

采用磁过滤直流阴极真空弧源沉积技术在Si基体和GCr15基体表面制备了C/C多层DLC膜,通过X射线光电子能谱仪分析薄膜结构特征;用原子力显微镜观察C/C多层DLC膜的表面形貌;采用台阶仪测试薄膜厚度;利用纳米硬度仪测试薄膜纳米硬度;在销盘式摩擦磨损试验机上进行C/C多层DLC膜在大气下的摩擦性能评价,同时比较了单层DLC膜、TiN膜和C/C多层DLC膜的耐磨性能.结果表明:C/C多层DLC膜表面光滑、致密,厚度达0.7 μm,硬度高达68 GPa,与SiC球对摩时的摩擦系数为0.10左右,耐磨性明显优于单层DLC膜和TiN膜.     

基于Matlab和BP神经网络的爆破振动预测系统

爆破振动预测是一个复杂的非线性问题,可应用非线性功能强大的BP神经网络技术来解决,但由于其数值计算量大、可操作性不强等特点,在实际工程中应用困难。为了解决该问题,本文中将Matlab程序的强大计算能力与VB的友好界面相结合,利用ActiveX自动化技术和BP神经网络算法,开发得到爆破振速峰值预测系统。该预测系统可根据各工程实际情况选取影响爆破振动的主要因素作为输入参数,以预测爆破振速峰值。通过在北京市昌平线暗挖区间隧道工程中的应用表明:该预测系统在实际工程中使用方便,操作简单,预测精度高,人机交互界面友好。     

基于智能滤波技术的抗高过载陀螺信号处理方法

陀螺作为捷联惯性导航系统的关键传感器,其测量精度直接决定了整个系统的性能和精度指标。针对舰船高过载环境下捷联惯性导航系统陀螺输出信号出现畸变的问题,提出一种基于BP神经网络技术的陀螺信号智能模拟滤波方法。该方法根据系统加速度计输出值对舰船运动状态进行判断,当其输出小于设定阈值时,视为非过载环境,此时将陀螺输出用于导航计算并作为BP神经网络在线训练样本,以保证网络参数与当前舰船运动态势的一致性;否则视为进入高过载环境,并利用之前最新训练好的BP神经网络模拟当前陀螺信号输出,保证捷联惯性系统的平稳工作。采用智能模拟的优点是:数据并行计算速度快,不需要改变系统硬件条件。半物理仿真试验结果表明:该方法在加速度计输出为5⁵0g的高过载环境下,可有效改善陀螺输出信号出现畸变的问题,实现舰船运动状态的实时模拟。     

基于神经网络的无陀螺捷联惯导系统姿态预测

在无陀螺捷联惯导系统中,以工程问题为研究背景,针对以往解算载体角速度精度不高,导航误差随时间积累较快的问题,提出了基于信息融合理论的BP神经网络模型预测飞行体姿态的系统,并采用LM算法,提高学习速度.在研究了加速度传感器输出信号对飞行体姿态影响的基础上,将加速度计的输出信息作为输入变量,飞行体的实时三轴角速度作为目标信号建立网络模型.选取测试样本进行训练,得到较高精度的角速度输出,再运用四元数法解算姿态角,从一定程度上抑制了误差的积累.仿真结果表明该优化算法收敛速度快,对角速度的预测精度较高,并且合理选择及增加样本信息可以提高网络的泛化能力,为该系统走向工程实践提供了理论依据.     

铁磁材料单向应力无损检测实验研究

传统的四磁极磁测应力传感器不仅存在结构对称性差异,而且其难以保障检测输出信号零点值为零.引入标准补偿试件平衡待测试件的工况误差,实现环境变量的自动补偿;采取检测线圈同相串联接法,以线圈连接中间接点与电位器滑动点间的电压信号作输出,使零点值可调.实验结果表明,该方法实现了对电路零点值的准确调节,而且传感器的输出特性与理论推导结果呈线性吻合.因此,该传感器可以实现铁磁材料单向应力测试.     

基于BP神经网络的风电机组钢混组合式塔架结构频率预测

风电机组塔架结构固有频率设计是风力发电结构体系设计的基础。针对风电机组新型钢混组合式塔架（“混塔”）结构固有频率传统理论计算和有限元法计算的不足,提出了基于BP神经网络算法进行频率预测的新方法。首先,利用有限元计算和分析,确定了训练模型的特征量和标签;然后,利用32个有限元计算样本,基于BP神经网络算法训练了可用于混塔结构频率分析的模型。经验证,该方法对混塔的一阶频率预测误差仅约为0.1%,具有很高的准确性;利用不同的样本集训练的模型也能快速准确预测混塔一阶频率,说明算法具有高度的稳定性;该方法还可用于预测混塔的多阶频率,结果仍显示出高度的准确性。此外,与基于有限元的频率计算相比,该方法具有突出的计算效率。整体上,本文提出的基于BP神经网络的混塔结构固有频率预测新方法,具有高度的可行性、精准性和高效性,可为风力发电机组塔架结构体系设计提供重要的指导。     

冲击波测试系统低频特性与补偿方法研究

为提高冲击波超压峰值的测量精度,多数学者把重点集中在系统高频特性研究上,以拓宽带宽的方式提高峰值测试的准确性。冲击波另外两个主要参数正压作用时间、比冲量却和测试系统的低频特性息息相关。针对实爆中出现的不同传感器正压作用时间差异较大的问题,对冲击波信号进行了边际谱分析,获得了信号的低频特性。建立了一阶参数模型来表征低频特性,通过激波管试验数据获取了7种系统的低频模型参数。采用零极点配置法设计了低频补偿模型。结果表明:冲击波测试系统低频特性严重影响冲击波信号正压作用时间测试准确性,基于低频特性补偿的数据处理方法可以有效的提高冲击波信号正压作用时间、比冲量地测试精度。     

钢绞线中激励纵向模态的磁致伸缩型激励及接收器的选型

为在钢绞线中有效激励和接收纵向模态超声导波,对磁致伸缩型传感器的敏感元件螺线管的结构进行了优化,并进行了试验验证.首先,对利用磁致伸缩效应在钢绞线中激励及接收纵向模态超声导波的方法进行了分析,选用频率160kHz的L(0,1)纵向模态作为用于公称直径17.8mm的7芯钢绞线检测的导波.设计制作了激励该模态专用磁致伸缩型传感器.经过对结构和绕向不同的螺线管进行比较后,选取3段式螺线管作为磁致伸缩型传感器的敏感元件.为证实其检测能力,利用该传感器对钢绞线外围钢丝上的人工缺陷进行了检测,通过得到的实验信号可以很好确定缺陷位置.本文的研究为今后进一步检测钢绞线的健康状况奠定了基础.