鴨脖自動(dòng)切割機(jī)設(shè)計(jì)

VII參考文獻(xiàn)1緒論1.1研究背景目前，對(duì)于鴨脖的加工，首先需要將鴨脖和鴨頭一起從鴨身脫離，然后再將鴨脖和鴨頭分開(kāi)，現(xiàn)有切鴨脖通常采用人工手切，在面對(duì)大型加工時(shí)，顯得費(fèi)時(shí)費(fèi)力，且切下來(lái)的鴨脖規(guī)格差異較大，即使有些加工廠采用專門(mén)的鴨脖切割機(jī)，而這些鴨脖切割機(jī)中裝料盤(pán)與底盤(pán)之間的間隙處容易藏污納垢，不方便清理，對(duì)于鴨脖的收集也不方便。本次設(shè)計(jì)提供一種用于切割鴨脖的切割設(shè)備，將鴨脖切成長(zhǎng)短相差不大的段狀，以提高生產(chǎn)效率。用鴨脖自動(dòng)切割機(jī)對(duì)鴨脖進(jìn)行切割可以有效將鴨脖切割成長(zhǎng)短相差不大的大小，這樣可以方便后續(xù)的稱重封裝。1.2國(guó)內(nèi)外鴨脖自動(dòng)切割機(jī)研究現(xiàn)狀1.2.1鴨脖自動(dòng)切割機(jī)下圖為鴨脖切割機(jī)。它包括工作臺(tái)、給料機(jī)、控制柜和固定底座。送料器包括一個(gè)提供動(dòng)力的送料電機(jī)和一個(gè)將鴨脖輸送到工作臺(tái)的送料帶。進(jìn)料帶的兩端與進(jìn)料器相連。進(jìn)給電機(jī)的輸出端連接其中一個(gè)進(jìn)給輪，控制柜和固定座安裝在工作臺(tái)上，氣缸安裝在固定座上，進(jìn)給電機(jī)和氣缸電連接到控制器柜體，輸出端與壓力機(jī)可拆卸連接。該裝置用于壓鴨脖，切割單元和送料盒可拆卸地安裝在工作臺(tái)上，對(duì)應(yīng)送料帶的輸出端。這是鴨脖式切割腔，接收盒位于切割腔的下端，切割塊位于壓塊的正下方，多個(gè)垂直排列的切割刀滑入切割腔。使用上圖，切割機(jī)可以切割鴨脖，接收箱可以用來(lái)收集掉出切割腔的鴨脖，送料器可以用來(lái)將鴨脖輸送到切割位置。同時(shí)，本實(shí)用新型只需通過(guò)氣缸向下推動(dòng)壓塊，使壓塊壓縮鴨脖，向下移動(dòng)時(shí)鴨脖被切斷。從而制作任何形狀的鴨脖可裁剪，通用性強(qiáng)。綜上所述，本實(shí)用新型包括以下至少一項(xiàng)有益技術(shù)效果：1、切刀可切割鴨脖，接收箱可用于收集掉出切割腔的鴨脖，可通過(guò)送料裝置將鴨脖輸送至鴨脖所在的切割腔.位于。本實(shí)用新型在切刀腔內(nèi)切刀時(shí)，只有壓塊被氣缸壓下，壓塊壓住鴨脖，鴨脖下移時(shí)被切開(kāi)。2、當(dāng)切割后需要調(diào)整鴨脖長(zhǎng)度時(shí)，只需通過(guò)設(shè)置通孔和設(shè)置柱來(lái)調(diào)整相鄰兩個(gè)切割刀片之間的距離即可。所以剪完后，可以調(diào)整鴨脖的長(zhǎng)度。3、安裝的弧形擋板能更好地匹配鴨脖的形狀，攔截鴨脖，進(jìn)一步防止鴨脖從工作臺(tái)上脫落。1、工作臺(tái)；2、送料裝置；21、送料電機(jī)；22、送料皮帶輪；23、送料皮帶；24、導(dǎo)向板；3、控制柜；4、固定座；41、氣缸；5、切割塊；51、切割腔；52、切刀；53、限位板；54、限位通孔；6、收料箱；71、定位柱；72、定位板；81、壓緊塊；82、壓緊柱；9、擋板圖1.1切鴨脖機(jī)1.2.2一種基于電子儀表的切鴨脖機(jī)裝置下圖為基于電子儀表的鴨脖切割機(jī)，全自動(dòng)鴨脖切割機(jī)，由鴨脖槽、輪轂、刀槽、皮帶輪主軸、進(jìn)口、大皮帶輪、大皮帶、電機(jī)、小皮帶、刀具組成.主軸、齒輪、倒檔、切割輪、切割刀片、支架、小皮帶輪、出料口、箱體、支腿。鴨頸槽沿輪轂軸向開(kāi)，鴨頸槽用于安裝全長(zhǎng)鴨脖。鴨頸槽全斷面沿經(jīng)向開(kāi)有數(shù)條環(huán)形切割槽，使切割輪上的刀片切入，主軸活動(dòng)裝在箱體上，輪轂隨主軸轉(zhuǎn)動(dòng)，相應(yīng)的切割輪固定在切割輪上。一排槽盤(pán)，刀軸與箱體和支架活動(dòng)聯(lián)接，切割盤(pán)隨切割輪轉(zhuǎn)動(dòng)，電機(jī)帶動(dòng)輪轂和切割輪轉(zhuǎn)動(dòng)。通過(guò)大小滑輪同時(shí)轉(zhuǎn)動(dòng)，換向輪的作用保證了鴨槽輪轂頸和切割輪在如圖所示相反方向轉(zhuǎn)動(dòng)，當(dāng)鴨頸插入鴨槽時(shí)從入口側(cè)的頸部，輪轂旋轉(zhuǎn)，同時(shí)切割輪旋轉(zhuǎn)。當(dāng)鴨脖旋轉(zhuǎn)到刀片位置時(shí)，鴨脖會(huì)被切割輪上的幾個(gè)切割刀片切割成合適的長(zhǎng)度，切割好的鴨脖會(huì)從盒子下方的出口流出，可以取出入鍋后。使用時(shí)，先啟動(dòng)機(jī)器，機(jī)器運(yùn)轉(zhuǎn)時(shí)，可將鴨脖從入口沿軸線插入鴨脖槽，然后用鍋將其連接到底部出線，然后關(guān)閉切割后的機(jī)器。圖1圖21為鴨脖槽，2為輪轂，3為切刀槽，4為槽輪主軸，5為入口，6為大皮帶輪，7為大皮帶，8為電動(dòng)機(jī)，9為小皮帶，10為切刀主軸，11為齒輪，12為換向齒輪，13為切刀輪，14為切刀片，15為支座，16為小皮帶輪，17為出口，18為箱體，19為支腳。1.3研究目標(biāo)及研究?jī)?nèi)容1.3.1研究目標(biāo)根據(jù)目前的市場(chǎng)上的鴨脖自動(dòng)切割機(jī)，設(shè)計(jì)一款具有高效率和兩個(gè)重要物理參數(shù)（適用率和高效率）都兼顧的鴨脖自動(dòng)切割機(jī)具有相當(dāng)大的挑戰(zhàn)，必須毫不動(dòng)搖的堅(jiān)持以實(shí)踐為主要理論思想，理論基礎(chǔ)為輔助，加上目前市場(chǎng)的機(jī)械裝置技術(shù)做支撐，課題主要以研究鴨脖自動(dòng)切割機(jī)為前提，本著以最大化的節(jié)省材料、成本低、安全簡(jiǎn)便、效率高的原則，著眼于鴨脖自動(dòng)切割機(jī)裝置的設(shè)計(jì)與研制，它滿足高適用率和自動(dòng)化的要求，降低了處理成本，同時(shí)降低了能耗，提高了效率。1.3.2研究?jī)?nèi)容依據(jù)目前的設(shè)計(jì)計(jì)劃和打算，著眼于鴨脖自動(dòng)切割機(jī)的設(shè)計(jì)與研制，力求設(shè)計(jì)一款高適用率和自動(dòng)化的要求，降低了處理成本，同時(shí)降低了能耗，提高了效率。研究的主要內(nèi)容主要分為以下幾個(gè)方面：根據(jù)調(diào)查結(jié)果制定出技術(shù)攻關(guān)。在初步調(diào)查和分析過(guò)程中，我們將在技術(shù)路徑上進(jìn)行技術(shù)突破，通過(guò)理論研究制定技術(shù)目標(biāo)，并通過(guò)理論分析該方案的可行性。參考以往的鴨脖自動(dòng)切割機(jī)技術(shù)關(guān)鍵思想，做出思維導(dǎo)圖然后逐項(xiàng)解決。根據(jù)調(diào)查結(jié)果制定出技術(shù)攻關(guān)。在初步調(diào)查和分析過(guò)程中，我們將在技術(shù)路徑上進(jìn)行技術(shù)突破，通過(guò)理論研究制定技術(shù)目標(biāo)，并通過(guò)理論分析該方案的可行性。參考以往的鴨脖自動(dòng)切割機(jī)技術(shù)關(guān)鍵思想，做出思維導(dǎo)圖然后逐項(xiàng)解決。鴨脖自動(dòng)切割機(jī)的結(jié)構(gòu)設(shè)計(jì)；根據(jù)前面理論思想合理設(shè)計(jì)機(jī)械裝置的，傳動(dòng)裝置，電器控制等，通過(guò)技術(shù)攻關(guān)，并根據(jù)樣機(jī)的實(shí)際情況進(jìn)行適當(dāng)?shù)母倪M(jìn)。本著節(jié)省材料、成本低廉、安全簡(jiǎn)易、高效率的五大原則繼續(xù)為產(chǎn)品做可行性方案。鴨脖自動(dòng)切割機(jī)的二維研究與設(shè)計(jì)；對(duì)鴨脖自動(dòng)切割機(jī)工作關(guān)鍵部件設(shè)計(jì)，通過(guò)各工作部件設(shè)計(jì),利用二維建模的方式將樣機(jī)呈現(xiàn)出來(lái)，通過(guò)建模的方式則可以直觀的看出樣機(jī)的整體結(jié)構(gòu)裝配方式，根據(jù)機(jī)體結(jié)構(gòu)，為以下設(shè)計(jì)提供科學(xué)和理論可行性依據(jù)。1.3.3研究方法通過(guò)查找文獻(xiàn)和其他參考資料，研究方法主要以借助互聯(lián)網(wǎng)和其他媒介為主，通過(guò)搜集方法為主要手段，著眼于解決切鴨脖機(jī)裝置的研究方法為主要目標(biāo)，主要方法主要分為以下幾個(gè)方面：文獻(xiàn)研究法：根據(jù)研究主題，通過(guò)搜索文檔獲取技術(shù)數(shù)據(jù)[4]，通過(guò)以往的研究成果分析出最佳技術(shù)方案。定量分析法：根據(jù)調(diào)查結(jié)果制定出技術(shù)攻關(guān)，依據(jù)工作原理制定出力學(xué)或者材料學(xué)分析論證。模擬法：通過(guò)使用3D建模平臺(tái)組裝零件[5]，創(chuàng)建類似的模型，然后用于研究機(jī)械模型的一些基本特征。2鴨脖自動(dòng)切割機(jī)總體方案確認(rèn)2.1方案分析通過(guò)調(diào)研發(fā)現(xiàn)市場(chǎng)有更多的鴨脖切割機(jī)，他們大多是通過(guò)圓形刀片進(jìn)行切割，這樣破壞了鴨脖的纖維組織，破壞了口感，市場(chǎng)上的鴨脖自動(dòng)切割機(jī)由于下面的傳送帶與刀架下落速度不一致，常常會(huì)堵塞出料口，也會(huì)出現(xiàn)肉切刀。為了解決以上的問(wèn)題，作用一個(gè)棘齒輪機(jī)構(gòu)就很好的解決了以上的問(wèn)題，放入鴨脖的時(shí)候下面的傳送帶開(kāi)始運(yùn)動(dòng)，通過(guò)與上面的抓鏈機(jī)構(gòu)，把鴨脖運(yùn)到刀架下面，當(dāng)?shù)都芟陆档臅r(shí)候傳送帶與抓鏈機(jī)構(gòu)都不運(yùn)動(dòng)，這樣都完成了切鴨脖的動(dòng)作，剁好的鴨脖會(huì)運(yùn)送到后方接接料筐中。圖2.1整體結(jié)構(gòu)三維圖2.2選擇電動(dòng)機(jī)（1）電動(dòng)機(jī)輸出功率由電動(dòng)機(jī)到輸出軸之間的總傳動(dòng)效率為： （2.1）式中——軸傳動(dòng)，由機(jī)械設(shè)計(jì)課程手冊(cè)查得其值為0.99；——軸承，由機(jī)械設(shè)計(jì)課程手冊(cè)查得其值為0.98；——電機(jī)與減速機(jī)間的傳動(dòng)，由機(jī)械設(shè)計(jì)課程手冊(cè)查得其值為0.98；——齒輪減速器的傳動(dòng)效率，由機(jī)械設(shè)計(jì)課程手冊(cè)查得其值為0.98。將，，，代入式（2.1）得傳動(dòng)總效率：考慮到每次投入鴨脖質(zhì)量取10kg,：圖2.2電機(jī)與切割刀片傳動(dòng)所以，負(fù)載重量為： （2.2）式中——投入鴨脖質(zhì)量取定為10；——重力加速度。將，代入式（2.2）得。按一般裝置平均運(yùn)行速度：取中間值：所需功率：取標(biāo)準(zhǔn)功率值：所以，電動(dòng)機(jī)工作時(shí)需要的輸出功率：選取電動(dòng)機(jī)額定功率，查《機(jī)械設(shè)計(jì)手冊(cè)》得Y系列三相異步電動(dòng)機(jī)技術(shù)數(shù)據(jù)：，選額定功率為1.0的電動(dòng)機(jī)。圖2.3電機(jī)尺寸圖表2.1電動(dòng)機(jī)尺寸中心高外形尺寸地腳安裝尺寸地腳螺栓孔直徑軸伸尺寸鍵部位尺寸HL×HDA×BKD×EF×G132475×315216×1401238×8010×332.3刀片的設(shè)計(jì)下圖為鴨脖自動(dòng)切割機(jī)的核心工作刀片部件所示，在整個(gè)工作過(guò)程中，刀具可謂起到了至關(guān)重要的地位，刀具采用的是廢料切刀，它是一種用于機(jī)械裝置加工的刀具，是一種切削工具，大部分刀具都是由機(jī)械設(shè)計(jì)制造出來(lái)的，由于機(jī)械在生產(chǎn)過(guò)程中使用的刀具通常用于切割金屬材料，因此術(shù)語(yǔ)“工具”通常被解釋為切割金屬的工具；樣本鴨脖從進(jìn)料口進(jìn)入鴨脖的工作區(qū)域內(nèi)，刀頭和電機(jī)使用固定螺釘相互連接，這樣能夠最大保證刀盤(pán)高速運(yùn)轉(zhuǎn)過(guò)程中不會(huì)因松動(dòng)而造成影響，廢料切刀的安裝高度與刀具的轉(zhuǎn)速有著密切關(guān)系，電機(jī)帶動(dòng)刀盤(pán)產(chǎn)生垂直向下運(yùn)動(dòng)，這時(shí)開(kāi)始從頂部的漏斗處投放鴨脖，落入傳送帶上，與裝有廢料切刀產(chǎn)生接觸和摩擦，樣本鴨脖在刀具上做不規(guī)則的運(yùn)動(dòng)，運(yùn)動(dòng)的刀片與樣本鴨脖的運(yùn)動(dòng)形成一定的速度差，各個(gè)鴨脖間相互擠壓和碰撞，反復(fù)的運(yùn)動(dòng)，這時(shí)的鴨脖會(huì)與鴨脖骨架分離，最終實(shí)現(xiàn)鴨脖的分離；在一開(kāi)始設(shè)計(jì)的時(shí)候本課題主要以研究鴨脖自動(dòng)切割機(jī)為前提，本著以最大化的節(jié)省材料、成本低、安全簡(jiǎn)便、效率高的原則，著眼于鴨脖自動(dòng)切割機(jī)的設(shè)計(jì)與研究，努力設(shè)計(jì)出適應(yīng)不同成熟度和尺寸的鴨脖自動(dòng)切割機(jī)，它滿足高脫殼率和低損率的要求，降低了處理成本，同時(shí)降低了能耗，提高了效率。圖2.4刀盤(pán)的結(jié)構(gòu)示意圖查閱機(jī)械設(shè)計(jì)教材等文獻(xiàn)得知：式中:Ra;鴨脖與刀片接觸時(shí)所受工作最小應(yīng)力點(diǎn)到刀盤(pán)中心的距離，由經(jīng)驗(yàn)值取值知，取為0.031,單位m;ρ;一刀盤(pán)材料的密度，單位g/cm;r;一刀盤(pán)定為中心圓孔的半徑，擬定0.0125，單位m;h;一刀盤(pán)的厚度，擬定0.003,單位m;m;刀盤(pán)質(zhì)量,單位kg;N;一電動(dòng)機(jī)需滿足的轉(zhuǎn)速，單位r/min;并帶入選取設(shè)計(jì)參數(shù)，經(jīng)計(jì)算得電動(dòng)機(jī)的最小轉(zhuǎn)速是1350r/min，根據(jù)圓軸扭轉(zhuǎn)時(shí)抗扭截面最大扭轉(zhuǎn)切應(yīng)力許用應(yīng)力公式:式中：τMAX:扭轉(zhuǎn)最大切應(yīng)力，單位為Mpa;TMAX:刀盤(pán)運(yùn)動(dòng)所受的最大扭矩，單位為Nm;Wt:抗扭截面系數(shù)，單位為Mpa;Ip:橫截面對(duì)轉(zhuǎn)軸圓心O點(diǎn)的極慣性矩，單位為m4;ρ:刀盤(pán)材料的密度，單位10*kg/m;D:計(jì)算緊固螺釘軸線所在位置的刀盤(pán)直徑，單位為m;d:定位中心圓刀盤(pán)直徑，單位為m;n:電動(dòng)機(jī)輸出轉(zhuǎn)速，單位為r/min;根據(jù)上面公式計(jì)算得到其大小為38.07N，刀片剝殼力的力學(xué)性能滿足其設(shè)計(jì)條件。2.4計(jì)算齒輪強(qiáng)度電機(jī)通過(guò)連接減速器將動(dòng)力運(yùn)輸給齒輪，齒輪帶動(dòng)曲柄機(jī)構(gòu)帶動(dòng)水平輪進(jìn)行水平搖擺，從而達(dá)到搖椅的目的，現(xiàn)對(duì)大小齒輪進(jìn)行設(shè)計(jì)和計(jì)算。2.4.1計(jì)算齒面接觸疲勞強(qiáng)度(1)選定上述公式中的各項(xiàng)參數(shù)值①選取載荷系數(shù)?②小齒輪的傳遞轉(zhuǎn)矩?③翻選《機(jī)械設(shè)計(jì)》表10-7REF_Ref21079\r\h[11],選用齒寬系數(shù)?④翻選《機(jī)械設(shè)計(jì)》圖10-20REF_Ref21079\r\h[11]得區(qū)域系數(shù)?⑤翻選《機(jī)械設(shè)計(jì)》表10-5REF_Ref21079\r\h[11]得彈性影響系數(shù)?⑥依據(jù)公式,可獲知接觸疲勞強(qiáng)度,為重合度系數(shù)則可以得到:⑦計(jì)算接觸疲勞許用應(yīng)力?翻選《機(jī)械設(shè)計(jì)》圖10-25(d)REF_Ref21079\r\h[11],可獲知小齒輪的接觸疲勞極限,大齒輪的接觸疲勞極限?現(xiàn)設(shè)可使用年限為20years(設(shè)每年使用天數(shù)為300day),每日運(yùn)作時(shí)間為12th,由公式可獲知齒輪的應(yīng)力循環(huán)次數(shù):大齒輪的應(yīng)力循環(huán)次數(shù)為:翻選《機(jī)械設(shè)計(jì)》圖10-23REF_Ref21079\r\h[11],可分別獲知大小齒輪的接觸疲勞壽命系數(shù)?選用失效的效率為1%,選用安全系數(shù)S=1,則兩者互相對(duì)比,選用其中數(shù)據(jù)較低的數(shù)值?則齒輪接觸疲勞許用應(yīng)力為: (2)計(jì)算小齒輪分度圓直徑2.4.2調(diào)整小齒輪分度圓直徑(1)實(shí)際載荷系數(shù)前的數(shù)據(jù)①圓周速度②齒寬(2)實(shí)際載荷系數(shù)翻選《機(jī)械設(shè)計(jì)》表10-2REF_Ref21079\r\h[11],可得使用系數(shù)翻選《機(jī)械設(shè)計(jì)》圖10-8REF_Ref21079\r\h[11],依據(jù)及7級(jí)精度,可得動(dòng)載系數(shù)?齒輪的圓周力:翻選《機(jī)械設(shè)計(jì)》表10-3REF_Ref21079\r\h[11],可得出齒間載荷分配系數(shù)?翻選《機(jī)械設(shè)計(jì)》表10-4REF_Ref21079\r\h[11],獲知所選精度為7級(jí)以及齒向載荷分布系數(shù)?由此,可得到實(shí)際載荷系數(shù):經(jīng)過(guò)演算,可得分度圓的直徑由此又可求出相對(duì)應(yīng)的模數(shù):2.4.3齒根彎曲強(qiáng)度計(jì)算(1)公式各參數(shù)值的確定①載荷系數(shù)?②由公式計(jì)算出齒輪的彎曲疲勞強(qiáng)度重合度系數(shù)為③計(jì)算翻選《機(jī)械設(shè)計(jì)》10-17REF_Ref21079\r\h[11],可分別得到小大齒輪的齒型系數(shù)?翻選《機(jī)械設(shè)計(jì)》圖10-18REF_Ref21079\r\h[11],可分別得到小大齒輪的應(yīng)力修正系數(shù)?翻選《機(jī)械設(shè)計(jì)》10-24cREF_Ref21079\r\h[11],可分別得到小齒輪的齒根彎曲疲勞強(qiáng)度極限以及?翻選《機(jī)械設(shè)計(jì)》10-22REF_Ref21079\r\h[11],可得到彎曲疲勞壽命系數(shù)取彎曲疲勞安全系數(shù),由公式計(jì)算得:因?yàn)樾↓X輪的比大齒輪的小,所以取(2)試算齒輪副模數(shù)(3-30)(3)調(diào)整齒輪模數(shù)①圓周速度②試算齒寬③試算寬高比b/h(4)計(jì)算在齒輪中實(shí)際載荷系數(shù)①根據(jù)已知圓周速度,7級(jí)精度,由得?②由公式可以得翻選《機(jī)械設(shè)計(jì)》表10-3REF_Ref21079\r\h[11],可以得到該齒輪齒間載荷分配系數(shù)?③翻選《機(jī)械設(shè)計(jì)》表10-4REF_Ref21079\r\h[11]用插值法可以得,結(jié)合查圖10-13,得到綜上可以演算得出實(shí)際載荷系數(shù)由公式,可以較為精確得出的模數(shù)把演算答案進(jìn)行相互比較,可知齒根彎曲疲勞強(qiáng)度模量,小于齒面上的接觸疲勞強(qiáng)度模量?而齒面上的接觸疲勞強(qiáng)度只是和齒輪的直徑有關(guān)?演算整合后可以獲知由彎曲疲勞強(qiáng)度得到的模數(shù),取?依靠這種方法所設(shè)計(jì)出來(lái)的小型齒輪,可以演算得到一個(gè)小型齒輪的齒數(shù)?取,則大齒輪齒數(shù)?2.4.4計(jì)算齒輪的幾何尺寸(1)分度圓直徑:(2)齒輪組的中心距:(3)齒輪寬度:小齒輪圖如圖2-5,大齒輪圖如圖2-6:圖2-5小齒輪圖圖2-6大齒輪圖2.4.5齒輪的強(qiáng)度校核(1)齒面接觸疲勞強(qiáng)度校核由于,得出小齒輪的齒面接觸疲勞強(qiáng)度?齒面接觸疲勞強(qiáng)度為:由上述設(shè)計(jì)可知,(即疲勞強(qiáng)度載荷系數(shù))?(即小齒輪傳遞的轉(zhuǎn)矩)?(即齒寬系數(shù))?(即區(qū)域系數(shù))?(即小齒輪的直徑)?(即的彈性影響系數(shù))?(即重合度系數(shù))?(即小大齒輪的傳動(dòng)比)?將上述數(shù)據(jù)帶入公式:由于齒面接觸疲勞強(qiáng)度小于許用齒面接觸疲勞強(qiáng)度,即即此齒輪彎的曲疲勞強(qiáng)度滿足標(biāo)準(zhǔn)需求?注:(對(duì)于減少齒輪的磨損消耗其正面作用)(2)齒根彎曲疲勞強(qiáng)度校核齒輪齒根彎曲疲勞強(qiáng)度由以上設(shè)計(jì)可知,(即彎曲疲勞強(qiáng)度載荷系數(shù))?(即小齒輪的傳遞轉(zhuǎn)矩)??(即大小齒輪的齒型系數(shù))?(即大小齒輪的應(yīng)力修正系數(shù))?(即彎曲疲勞強(qiáng)度重合度系數(shù))?(即齒寬系數(shù))?(即模數(shù))?(即大小齒輪的齒數(shù))?將上述數(shù)據(jù)分別帶入計(jì)算公式可得:則齒根彎曲疲勞強(qiáng)度滿足要求?2.4.6齒輪的設(shè)計(jì)結(jié)論由上述設(shè)計(jì)可知,小大齒輪的壓力角,齒輪間的中心距,齒輪齒寬?齒輪的齒數(shù)?齒輪的精度位于7級(jí),小齒輪選材為,大齒輪選材為?大齒輪與小齒輪的齒面抗接觸疲勞能力,以及齒根抗彎曲能力均滿足要求REF_Ref21343\r\h[10]?3鴨脖自動(dòng)切割機(jī)的傳動(dòng)系統(tǒng)設(shè)計(jì)3.1鴨脖自動(dòng)切割機(jī)傳動(dòng)方案確定在機(jī)械設(shè)計(jì)書(shū)中可以了解到傳動(dòng)的形式一般為帶傳動(dòng)、鏈傳動(dòng)和齒輪傳動(dòng)。每一個(gè)傳動(dòng)方案都有著不同的優(yōu)點(diǎn)與缺點(diǎn)。（1）帶傳動(dòng)的特點(diǎn)：1）皮帶具有良好的柔韌性，可以吸收運(yùn)動(dòng)部件傳遞的振動(dòng)。2）當(dāng)傳動(dòng)裝置過(guò)載時(shí)，皮帶會(huì)在皮帶輪上打滑，以保護(hù)傳動(dòng)部件。3）皮帶輪與皮帶輪之間會(huì)有一些彈性滑動(dòng)，不適合傳動(dòng)比要求嚴(yán)格的場(chǎng)合。4）帶輪在安裝時(shí)會(huì)選擇對(duì)帶進(jìn)行張緊來(lái)阻止帶與帶輪之間的彈性滑動(dòng)，不過(guò)這樣對(duì)帶造成很大的張緊力，加快帶的磨損，減短帶的壽命。結(jié)合以上帶傳動(dòng)的優(yōu)缺點(diǎn)，得到皮帶傳動(dòng)只適用于傳動(dòng)功率低的場(chǎng)合，而不適用于鴨脖自動(dòng)切割機(jī)等高傳動(dòng)功率的場(chǎng)合。（2）鏈傳動(dòng)的特點(diǎn)：1）鏈傳動(dòng)由鏈條和鏈輪組成，兩者之間基本沒(méi)有彈性變化，得到的傳動(dòng)比更可靠，適合鴨脖自動(dòng)切割機(jī)的要求；2）因?yàn)殒渹鲃?dòng)能夠在高低溫等惡劣環(huán)境下工作，所以它的使用范圍也比較廣泛。3）鏈傳動(dòng)與帶傳動(dòng)一樣，都能夠在中心距很長(zhǎng)的場(chǎng)合使用，而且安裝簡(jiǎn)單，維護(hù)也方便。根據(jù)鏈傳動(dòng)的特點(diǎn)，適用于對(duì)傳動(dòng)功率要求高，但對(duì)工作范圍要求低的場(chǎng)合。（3）齒輪傳動(dòng)的特點(diǎn)：1）和前兩者相比，齒輪傳動(dòng)的傳動(dòng)效率高達(dá)98%。2）工作空間緊湊，整體體積小，占用空間小。3）不過(guò)鴨脖自動(dòng)切割機(jī)的工作空間比較大，如果使用齒輪傳動(dòng)，需要很多齒輪傳動(dòng)組成才行，成本過(guò)大。結(jié)合以上三種傳動(dòng)方式的優(yōu)缺點(diǎn)，只有鏈傳動(dòng)適合鴨脖自動(dòng)切割機(jī)。3.2鏈傳動(dòng)敘述設(shè)計(jì)采用的鏈傳動(dòng)由鏈條、鏈輪、鏈輪軸等組成。鏈傳動(dòng)布置方案如下圖3.1，3.2所示：圖3.1鏈傳動(dòng)布置方案圖3.2鏈傳動(dòng)設(shè)計(jì)圖從上圖3.1，3.2中可以看出，鏈輪通過(guò)與軸承的過(guò)盈配合安裝在階梯鏈輪軸的兩端，軸承的軸向定位，內(nèi)側(cè)均依靠軸肩定位，外側(cè)使用彈性擋圈實(shí)現(xiàn)定位。3.3鏈條鏈輪設(shè)計(jì)3.3.1鏈輪設(shè)計(jì)（1）鏈輪齒數(shù)確定在操作鴨脖自動(dòng)切割機(jī)時(shí)，鏈輪鏈齒的強(qiáng)度和剛度都應(yīng)滿足要求，鏈輪齒數(shù)不應(yīng)取過(guò)大，根據(jù)設(shè)計(jì)的需求暫取鏈輪齒數(shù)。（2）鏈型號(hào)的確定鴨脖自動(dòng)切割機(jī)載重，鏈條總載荷，根據(jù)實(shí)際需求結(jié)合市面上常用鏈條型號(hào)，取鏈條型號(hào)為,鏈條極限拉伸載荷為q=31.1KN，為保證穩(wěn)定性，在設(shè)計(jì)中使用兩排鏈條。（3）鏈輪相關(guān)尺寸計(jì)算由上文分析可知，鴨脖自動(dòng)切割機(jī)傳動(dòng)鏈條采用牌號(hào)為的規(guī)格，查表得節(jié)距，滾子直徑。鏈輪分度圓直徑：(3.1)鏈輪在進(jìn)行三維建模時(shí)，可以只畫(huà)一個(gè)齒的齒形，如下圖3.3所示，然后通過(guò)陣列得到鏈輪相關(guān)參數(shù)圖3.4。圖3.3鏈輪單個(gè)齒的齒形草圖圖3.4鏈輪鏈齒的相關(guān)參數(shù)圖對(duì)鏈輪的計(jì)算過(guò)程如下：1）齒形部分分度圓節(jié)距(3.2) 齒頂圓直徑(3.3)齒根圓直徑 (3.4)齒形半角 (3.5)2）齒溝部分齒溝圓弧半徑(3.6)齒溝半角(3.7)齒溝圓心到齒頂圓弧中心距離(3.8)e點(diǎn)至齒溝圓弧中心連線的距離(3.9)3）工作段工作段圓弧中心坐標(biāo)(3.10)工作段圓弧半徑(3.11)工作段圓弧中心角(3.12)工作段圓弧弦長(zhǎng)(3.13)工作段直線部分長(zhǎng)度(3.14)4）齒頂部分齒頂圓弧中心的坐標(biāo)(3.15)齒頂圓弧半徑(3.16)5）其余部分齒側(cè)凸緣，齒寬。（4）鏈輪結(jié)構(gòu)因?yàn)殒溳喌凝X頂圓直徑，外形尺寸小巧，因此采用實(shí)心結(jié)構(gòu)去制作鏈輪，結(jié)構(gòu)如圖3.5所示：圖3.5鏈輪結(jié)構(gòu)圖（5）鏈輪的熱處理鏈輪采用45鋼制作，其齒數(shù)小于等于25，熱處理工藝采用先淬火后回火，將其硬度提升到。3.3.2鏈條設(shè)計(jì)（1）鏈節(jié)數(shù)確定由上文分析，鏈條的牌號(hào)為其基本尺寸如下：節(jié)距，滾子直徑。設(shè)計(jì)鴨脖自動(dòng)切割機(jī)的提升高度為，設(shè)定鏈節(jié)數(shù)節(jié)。（2）鏈條靜力學(xué)分析與強(qiáng)度校核鴨脖自動(dòng)切割機(jī)正常工作時(shí)鏈條的運(yùn)動(dòng)速度，所傳遞的功率P為其所受載荷與速度的乘積，即，由于采用兩條鏈條，因此一根鏈條的負(fù)載，則。鏈條運(yùn)動(dòng)速度,在此場(chǎng)合屬于低速運(yùn)動(dòng)，鏈條只有被拉斷的才會(huì)失效［14］，所以需要對(duì)鏈條進(jìn)行靜力強(qiáng)度校核。鏈條的靜強(qiáng)度安全系數(shù)S(3.17)式中：--單排鏈的極限拉伸載荷；m--鏈條使用數(shù)量；--鏈條工作情況系數(shù)；F--鏈的工作拉力。所選鏈的極限拉伸載荷；采用兩個(gè)鏈傳動(dòng)，即；根據(jù)其工作情況，查表選??；鏈的工作拉力，則(3.18)滿足強(qiáng)度要求。（3）驗(yàn)證鏈條速度(3.19)在預(yù)先設(shè)計(jì)的范圍內(nèi)。（4）確定鏈條的潤(rùn)滑方式使用人工定期涂抹潤(rùn)滑脂的方式進(jìn)行潤(rùn)滑。3.3.3鏈輪軸的設(shè)計(jì)校核（1）由鏈條的載荷計(jì)算鏈條對(duì)鏈輪施加的載荷F` F`圖3.6鏈輪軸結(jié)構(gòu)圖鏈輪承受到的載荷傳遞給液壓缸活塞，材料要求不是很高，使用45鋼來(lái)加工就行，再經(jīng)過(guò)調(diào)質(zhì)處理來(lái)增加硬度。查閱機(jī)械設(shè)計(jì)手冊(cè)得45鋼的疲勞強(qiáng)度極限，許用應(yīng)力[]=200。根據(jù)鏈輪施加給鏈輪軸的扭轉(zhuǎn)力初步估算兩側(cè)安裝軸的直徑。由公式，得，P代表鏈輪軸傳遞的功率，(3.20)式中：n代表鏈輪轉(zhuǎn)速。查表得，所以 (3.21)按照機(jī)械手冊(cè)取標(biāo)準(zhǔn)軸徑d=25mm。鏈輪軸的結(jié)構(gòu)剖視圖如圖3.6所示。（2）計(jì)算彎曲強(qiáng)度校核鏈輪軸直徑鏈輪軸的受力分析如（圖3.7所示）圖3.7輪軸受力分析草圖受力分析得：根據(jù)材料力學(xué)計(jì)算彎曲當(dāng)量的公式設(shè)之間距離為x（如圖3.8所示）圖3.8受力分析圖(3.22)因?yàn)榕ぞ豈的方向?yàn)槟鏁r(shí)針，數(shù)學(xué)符號(hào)為負(fù)號(hào)所以，(3.23)因?yàn)閤是在和之間任意取值。所以x的取值范圍為。因?yàn)殒溳嗇Sx段是階梯軸，軸的直徑不相等，所以當(dāng)時(shí)，可能會(huì)存在危險(xiǎn)截面∴當(dāng)時(shí)，∴在和之間任取一段長(zhǎng)度為Y的軸進(jìn)行分析（如圖3.9所示）圖3.9受力分析圖數(shù)學(xué)推導(dǎo)得，N,(3.24)因?yàn)閅是在之間任取的一段長(zhǎng)度，所以Y的取值范圍為所以當(dāng)Y取最大時(shí)，3.4鏈輪軸承選擇3.4.1計(jì)算軸承的的載荷依據(jù)以上計(jì)算得知，鏈輪與鏈輪軸的聯(lián)合方式采用軸承連接，為確保運(yùn)動(dòng)的平穩(wěn)性，在鏈輪里面布置左右對(duì)稱的兩個(gè)軸承。在明確軸承型號(hào)以前，需先計(jì)算軸承所受的當(dāng)量載荷，因?yàn)檫@是一對(duì)軸承受到的鏈輪傳來(lái)的載荷，所以單個(gè)軸承受到的載荷數(shù)值為。查看軸承設(shè)計(jì)手冊(cè)知道，軸承的當(dāng)量動(dòng)載荷，在沒(méi)有確定軸承具體型號(hào)前無(wú)法知道軸承的徑向系數(shù)x和軸向系數(shù)y，因此根據(jù)值去確定，而cor代表額定靜載荷也是未知的，因此只能先暫時(shí)取值，等到計(jì)算結(jié)束后在校核。取則，，，。即軸承在載荷的作用下，壽命相當(dāng)于在純徑向載荷作用下所擁有的壽命。（1）計(jì)算徑向基本額定靜載荷計(jì)算軸承需要的徑向基本額定靜載荷由式 (3.27)式中：，，。所以（2）確定軸承型號(hào)查表選型軸承其所以軸承的與假定選取值接近，該軸承在此處選取合適。軸承內(nèi)徑25mm，外徑47mm，厚度為12mm。3.4.2軸承潤(rùn)滑方式潤(rùn)滑方式可以減少鏈輪與軸承、軸承與鏈輪軸之間的磨損，降低零件之間的摩擦阻力，提高鏈輪的傳動(dòng)效率，增加其使用壽命，保證鏈輪的正常使用。液壓系統(tǒng)。還可以起到降溫、防銹、降噪的作用。潤(rùn)滑方式根據(jù)自動(dòng)鴨脖切割機(jī)鏈傳動(dòng)的實(shí)際工況選擇。由于鏈傳動(dòng)工作速度小，對(duì)環(huán)境無(wú)要求，鴨脖切割機(jī)可采用手動(dòng)潤(rùn)滑方式，定期潤(rùn)滑必要的潤(rùn)滑部位，可增加自動(dòng)鴨脖切割機(jī)關(guān)鍵部位的使用壽命。4控制系統(tǒng)設(shè)計(jì)4.1步進(jìn)電機(jī)驅(qū)動(dòng)器選型4.1.1混合式兩相步進(jìn)電機(jī)在鴨脖自動(dòng)切割機(jī)中共計(jì)使用了1個(gè)步進(jìn)電機(jī)，42混合式兩相步進(jìn)電機(jī)(17HS4401)1臺(tái)，該裝置中選用的步進(jìn)電機(jī)均為三維立方公司生產(chǎn)，性能較好，特點(diǎn)顯著。此外，該電機(jī)具有良好的阻尼性，運(yùn)行穩(wěn)定，無(wú)明顯的振蕩區(qū)，轉(zhuǎn)速穩(wěn)定，噪音低，結(jié)構(gòu)穩(wěn)定，不卡機(jī)，能夠滿足自動(dòng)化行業(yè)中不同工況的要求。電機(jī)參數(shù)如表1-1所示。表1-117HS4401電機(jī)參數(shù)表4.1.步進(jìn)電機(jī)驅(qū)動(dòng)器及選型方法步進(jìn)電機(jī)驅(qū)動(dòng)器作用是驅(qū)動(dòng)步進(jìn)電機(jī)運(yùn)行。驅(qū)動(dòng)器接線時(shí)直接和PLC的輸出端口連接。可以通過(guò)接收來(lái)自控制器的信號(hào)經(jīng)過(guò)處理后向步進(jìn)電機(jī)發(fā)送相應(yīng)的信號(hào)改變其運(yùn)行狀態(tài)。步進(jìn)電機(jī)驅(qū)動(dòng)器的控制計(jì)算部分由勵(lì)磁序列器和曲線調(diào)節(jié)器組成。勵(lì)磁順序器是準(zhǔn)備好了的數(shù)字，它決定了每一個(gè)繞組的激勵(lì)順序，而電流調(diào)節(jié)器是一個(gè)模擬控制器，它控制著恒定的電流。步進(jìn)電機(jī)驅(qū)動(dòng)器的選型方法：（1）按照電流選型選擇步進(jìn)電機(jī)驅(qū)動(dòng)器時(shí)需要看驅(qū)動(dòng)器的額定電流，步進(jìn)電機(jī)驅(qū)動(dòng)器的電流要比步進(jìn)電機(jī)的額定電流稍高一些。（2）按照驅(qū)動(dòng)器的細(xì)分選型步進(jìn)電機(jī)就是通過(guò)改變細(xì)分來(lái)調(diào)整控制電機(jī)運(yùn)轉(zhuǎn)時(shí)的精度的，細(xì)分也是步進(jìn)電機(jī)驅(qū)動(dòng)器的一項(xiàng)重要指標(biāo)往往增大細(xì)分可以使步進(jìn)電機(jī)運(yùn)行更加地平穩(wěn)，同時(shí)控制精度也會(huì)得到相應(yīng)的改善。（3）按照電壓選型步進(jìn)電機(jī)驅(qū)動(dòng)器可以控制電機(jī)運(yùn)行的加速度，電機(jī)加速度的快慢也是衡量步進(jìn)電驅(qū)動(dòng)器性能的重要指標(biāo)，而電壓正是這項(xiàng)指標(biāo)的外在體現(xiàn)。4.1.3步進(jìn)電機(jī)驅(qū)動(dòng)器選型結(jié)果按照裝置中已經(jīng)選好的步進(jìn)電機(jī)的參數(shù)性能，選擇了與步進(jìn)電機(jī)同一廠家美蓓亞斯生產(chǎn)的步進(jìn)驅(qū)動(dòng)器來(lái)控制以上兩種型號(hào)的步進(jìn)電機(jī)。該廠家生產(chǎn)步進(jìn)電機(jī)的同時(shí)生產(chǎn)了與該步進(jìn)電機(jī)配套的步進(jìn)電機(jī)驅(qū)動(dòng)器，能夠滿足步進(jìn)電機(jī)的電流、細(xì)分以及電壓需求。選型綜合了上述的選型方法并結(jié)合了生產(chǎn)廠家的推薦，選用出滿足需求的驅(qū)動(dòng)器。步進(jìn)電機(jī)驅(qū)動(dòng)器如圖1.1所示。圖4.1步進(jìn)電機(jī)驅(qū)動(dòng)器選用的是美蓓亞斯科技有限公司生產(chǎn)的MAD432R與MAD556R（V2）數(shù)字式步進(jìn)電機(jī)驅(qū)動(dòng)器，該廠家的步進(jìn)驅(qū)動(dòng)器采用了內(nèi)置微細(xì)分技術(shù)與低溫技術(shù)，能夠達(dá)到高細(xì)分的效果，使得電機(jī)低中高速運(yùn)行都很平穩(wěn)，噪音極低，使電機(jī)工作溫度降低10-20℃。步進(jìn)驅(qū)動(dòng)器電流有較大的適配范圍，故要進(jìn)行電流檔位的調(diào)整以滿足電機(jī)電流要求，即檔位電流應(yīng)小于電機(jī)的額定電流。該驅(qū)動(dòng)器的檔位變化如表1-4、表1-5所示。表1-4MAD432R驅(qū)動(dòng)器電流檔位表電流峰值（A）電流有效值（A）SW1SW2SW31.00.7OFFOFFOFF1.30.9ONOFFOFF1.61.2OFFONOFF1.91.4ONONOFF2.21.6OFFOFFON2.51.8ONOFFON2.92.1OFFONON3.22.3ONONON表1-5MAD556R(V2)驅(qū)動(dòng)器電流檔位表電流峰值（A）電流有效值（A）SW1SW2SW31.41.0OFFOFFOFF2.11.5ONOFFOFF2.71.9OFFONOFF3.22.3ONONOFF3.82.7OFFOFFON4.33.1ONOFFON4.93.5OFFONON5.64.0ONONON42混合式兩相步進(jìn)電機(jī)額定電流為1.5A，故將MAD432R驅(qū)動(dòng)器電流檔位SW1設(shè)置為OFF，SW2設(shè)置為ON，SW3設(shè)置為OFF，即電流峰值1.6A，有效電流1.2A。57混合式兩相步進(jìn)電機(jī)的額定電流為4.2A，故將MAD556R驅(qū)動(dòng)器電流檔位SW1設(shè)置為ON，SW2設(shè)置為OFF，SW3設(shè)置為ON，即電流峰值4.3A，有效電流3.1A。4.2開(kāi)關(guān)電源選型4.2.1開(kāi)關(guān)電源的選型方法開(kāi)關(guān)電源又被稱為開(kāi)關(guān)變換器，由主電路、控制電路、檢測(cè)電以及輔助電源等幾部分組成，是一種運(yùn)用了現(xiàn)代電力電子技術(shù)實(shí)現(xiàn)電能轉(zhuǎn)換的電子設(shè)備。開(kāi)關(guān)電源的應(yīng)用十分廣闊，在通訊、醫(yī)療、生產(chǎn)生活等各個(gè)領(lǐng)域都廣泛應(yīng)用，在人們的生活、工作中有著不可取代的位置。近年來(lái)開(kāi)關(guān)電源逐漸向越來(lái)越小的方向發(fā)展，變得更加輕便許多，推動(dòng)了電源的應(yīng)有，在環(huán)保方面也起著積極的作用。當(dāng)前市場(chǎng)上有很多生產(chǎn)開(kāi)關(guān)電源的廠家，有施耐德電氣、西門(mén)子、歐姆龍、菲尼克斯等較著名的國(guó)外品牌，但是當(dāng)前國(guó)內(nèi)自動(dòng)化及電氣發(fā)展也很迅猛，有很多廠家的產(chǎn)品品質(zhì)好并且性價(jià)比高，國(guó)內(nèi)的廠家有臺(tái)達(dá)、航天長(zhǎng)峰朝陽(yáng)電源有限公司、德力西、明緯公司等。該控制系統(tǒng)設(shè)計(jì)中選擇了明緯公司的開(kāi)關(guān)電源。開(kāi)關(guān)電源如圖1.2所示。圖1.2明緯開(kāi)關(guān)電源選擇開(kāi)關(guān)電源的方法：（1）根據(jù)使用開(kāi)關(guān)電源的電壓和電流的范圍和性質(zhì)選擇，這是非常關(guān)鍵的一步，選擇的電壓和電流一定要適用，不合適的電源會(huì)造成不好的后果，輕則不能工作運(yùn)行，重則可能破壞電源，毀壞電路。（2）確認(rèn)輸入電壓性質(zhì)AD/DC，確認(rèn)輸出電壓值，根據(jù)后端用電器選擇輸出電壓值，不合適的電壓值會(huì)損壞電路[14]。（3）確認(rèn)輸出功率，選擇的功率應(yīng)該比用電器的功率要大1.25到2倍，這樣可以獲得更好的使用效率和壽命。4.2.2開(kāi)關(guān)電源的選型結(jié)果在控制系統(tǒng)的設(shè)計(jì)中使用了1個(gè)開(kāi)關(guān)電源，42式步進(jìn)電機(jī)及驅(qū)動(dòng)器供電，稱為驅(qū)動(dòng)電源。對(duì)于驅(qū)動(dòng)電源1，該電源為4個(gè)57混合式兩相步進(jìn)電機(jī)供電，供電電壓為直流24V，電機(jī)的額定電流為3A且4個(gè)電機(jī)并聯(lián)連接，可以計(jì)算得功率為403.2W，所以驅(qū)動(dòng)電源1的額定功率應(yīng)大于403.2W。考慮到選擇的功率應(yīng)該比用電器的功率要大1.25到2倍，所以控制電源選擇明緯公司型號(hào)為NES-50-24的開(kāi)關(guān)電源，功率50W，電流2.2A。驅(qū)動(dòng)電源1、2均選擇型號(hào)為RSP-500-24的開(kāi)關(guān)電源，功率為500W，電流21A。開(kāi)關(guān)電源的參數(shù)如表1-6所示。表1-6開(kāi)關(guān)電源參數(shù)表型號(hào)電壓電流功率效率NES-50-2424V2.2A52.8W86.0%4.2.3低壓斷路器選型低壓斷路器又稱為空氣開(kāi)關(guān)，它既有作為手動(dòng)開(kāi)關(guān)的作用如：不頻繁的啟動(dòng)控制回路等，又可以自動(dòng)的保護(hù)電路[15]，當(dāng)電路中有嚴(yán)重的過(guò)載或者短路及欠壓的故障發(fā)生時(shí)能夠自動(dòng)切斷電路，從而保護(hù)電路。低壓斷路器選擇的方法：（1）當(dāng)配電線路在正常使用中和用電設(shè)備正常起動(dòng)時(shí)，斷路器不能發(fā)生動(dòng)作。（2）保護(hù)電器必須按規(guī)范在規(guī)定的時(shí)間內(nèi)切斷故障電路[16]。（3）斷路器的額定電壓和額定電流應(yīng)大于或等于負(fù)載的額定電壓和額定電流。（4）斷路器用于斷開(kāi)短路電流時(shí)，必須滿足短路條件下的通斷能力[17]。4.2.4低壓斷路器選型結(jié)果在本控制系統(tǒng)的設(shè)計(jì)中選擇了國(guó)內(nèi)正泰公司生產(chǎn)的NXB-63系列與NB1Z-63系列的低壓斷路器。NXB-63系列低壓斷路器用在交流回路中，NB1Z-63系列用在為步進(jìn)電機(jī)供電的直流電路中，使用NB1Z-63系列低壓斷路器主要是為了實(shí)現(xiàn)在設(shè)備調(diào)試時(shí)能夠?qū)蝹€(gè)步進(jìn)電機(jī)進(jìn)行控制。NXB-63系列與NB1Z-63系列的低壓斷路器如圖3.2、圖3.3所示。圖3.2正泰NXB-63系列低壓斷路器圖3.3正泰NB1Z-63系列低壓斷路器根據(jù)上面的選型方法，在保證回路正常工作的狀態(tài)下，對(duì)所需要的低壓斷路器進(jìn)行了選型。選型如下：開(kāi)關(guān)電源（QF04）：負(fù)責(zé)位驅(qū)動(dòng)回路供電，開(kāi)關(guān)電源的工作電流為2.65A，故選用NXB-63C6斷路器。步進(jìn)電機(jī)驅(qū)動(dòng)器（QF07–QF15）：42混合式兩相步進(jìn)電機(jī)的工作電流分別為直流1.5A，由于只需要做開(kāi)關(guān)控制其電路的通斷不需要考慮電路保護(hù)，故選用NB1Z-63C6斷路器?？偪臻_(kāi)（QF01）：總空開(kāi)的工作電流要大于所有支路斷路器的工作電流之和，支路總電流之和約為7A，故選擇NXB-63C16斷路器。4.3閥選型設(shè)計(jì)在棉纖維羅拉牽伸的過(guò)程時(shí)需要用氣流來(lái)吹羅拉輥?zhàn)樱瑥亩馆佔(zhàn)由喜徽趁?。氣閥的啟、停由中間繼電器控制，KA接通，則氣閥啟動(dòng)，KA斷開(kāi)，氣閥關(guān)閉，停止吹氣。在氣閥選型時(shí)選擇了亞德客3V200系列電磁閥。電磁閥如圖3.4所示。圖3.4亞德客3V200系列電磁閥電磁閥的功能符號(hào)如圖3.5所示，當(dāng)通電時(shí)在左位，氣閥接通，開(kāi)始吹氣；當(dāng)不通電時(shí)處于默認(rèn)的關(guān)閉狀態(tài)。其中P為進(jìn)氣口，A為工作口，R為排氣口。4.4其他電器元件選型4.4.1緊急停止按鈕緊急停止按鈕即急停按鈕，當(dāng)發(fā)生緊急情況是可以通過(guò)迅速拍下此按鈕來(lái)達(dá)到保護(hù)的措施。在一些機(jī)械設(shè)備或者電器上都可以看到急停按鈕，該按鈕多為醒目的紅色。按鈕的額定電流應(yīng)當(dāng)大于電路中的電流，交流220V電壓下，額定電流0.3A，而電路電流只有幾十毫安，故選擇型號(hào)為L(zhǎng)AY39-01ZS/4的按鈕作急停按鈕。4.4.2啟動(dòng)停止按鈕啟動(dòng)、停止按鈕按下后設(shè)備通電開(kāi)始運(yùn)行。同急停按鈕選型，根據(jù)按鈕的電流以及電路電流選擇了型號(hào)為L(zhǎng)AY39-10BN/3的按鈕作啟動(dòng)按鈕，選擇了型號(hào)為L(zhǎng)AY39-01BN/4的按鈕作停止按鈕。

4.5電氣原理圖繪制4.5.1主回路繪制鴨脖自動(dòng)切割機(jī)控制系統(tǒng)的電氣原理圖中的主電路主要包括電源，步進(jìn)電機(jī)驅(qū)動(dòng)器和電機(jī)等電器元件。圖4.1鴨脖自動(dòng)切割機(jī)控制系統(tǒng)電氣原理圖主回路步進(jìn)電機(jī)需要由步進(jìn)電機(jī)驅(qū)動(dòng)器來(lái)控制，接線方式如圖4.2所示。圖4.2單個(gè)步進(jìn)電機(jī)驅(qū)動(dòng)器接線圖4.6被控對(duì)象分析4.6.1鴨脖自動(dòng)切割機(jī)設(shè)備控制要求此設(shè)備主要適用,此設(shè)備的控制部分要求：對(duì)加熱模塊的溫度檢測(cè)、加熱裝置的啟動(dòng)和停止進(jìn)行控制，要求能夠通過(guò)控制加熱塊的通電和斷電來(lái)及時(shí)控制加熱裝置的啟動(dòng)和停止并且實(shí)時(shí)顯示加熱溫度，保護(hù)加熱溫度可以達(dá)到30-40C；表2.1設(shè)備被控對(duì)象特性及控制要求序號(hào)被控對(duì)象功能特性控制要求1加熱塊熔化樹(shù)脂纖維通電開(kāi)始加熱，斷電停止加熱邏輯控制，通過(guò)控制加熱棒的通斷電，來(lái)控制加熱溫度2步進(jìn)電機(jī)送樹(shù)脂纖維能夠使纖維絲以一定速度送下運(yùn)動(dòng)控制，PLC通過(guò)發(fā)送脈沖控制電機(jī)運(yùn)動(dòng)的準(zhǔn)確速度4.7確定輸入輸出設(shè)備1）電磁閥PLC通過(guò)控制電磁換向電磁鐵的動(dòng)作來(lái)控制刀片的伸出/退回。2）信號(hào)指示燈等PLC通過(guò)控制指示燈的亮/滅來(lái)指示設(shè)備當(dāng)前狀態(tài)。確定PLC系統(tǒng)輸入輸出設(shè)備加熱設(shè)備主要的控制對(duì)象包括：1）一個(gè)加熱線棒，用于對(duì)加熱塊加熱，PLC通過(guò)繼電器（接觸器）控制線圈通斷電；2）一個(gè)步進(jìn)電機(jī)，用于控制加熱設(shè)備中加熱線圈的上下移動(dòng)，PLC通過(guò)步進(jìn)電機(jī)驅(qū)動(dòng)器控制步進(jìn)電機(jī)運(yùn)動(dòng)；3）兩個(gè)電磁閥，用于控制刀片的伸縮；加熱設(shè)備中反饋元件主要包括：1）一個(gè)溫度傳感器，用于實(shí)時(shí)監(jiān)測(cè)樹(shù)脂熔融的加熱溫度。加熱設(shè)備中主令電器元件主要包括：1）一個(gè)啟動(dòng)按鈕，用于啟動(dòng)系統(tǒng)自動(dòng)運(yùn)行；2）一個(gè)停止按鈕，用于停止系統(tǒng)自動(dòng)運(yùn)行；綜合上述分析，加熱設(shè)備PLC的輸入輸出設(shè)備如表3.1所示。表3.1設(shè)備被控對(duì)象特性及控制要求輸入/輸出序號(hào)名稱控制對(duì)象控制信號(hào)類型輸出設(shè)備1電磁閥刀片伸縮開(kāi)關(guān)量信號(hào)2電磁閥刀片伸縮開(kāi)關(guān)量信號(hào)輸入設(shè)備1溫度傳感器溫度模擬量信號(hào)2按鈕自動(dòng)啟動(dòng)信號(hào)開(kāi)關(guān)量信號(hào)3按鈕自動(dòng)停止信號(hào)開(kāi)關(guān)量信號(hào)4.8PLC選型she'ji根據(jù)前述統(tǒng)計(jì)的輸入輸出設(shè)備數(shù)量、種類（開(kāi)關(guān)量、模擬量或脈沖信號(hào)）和控制要求來(lái)選擇PLC的品牌、CPU模塊（主模塊）、I/O擴(kuò)展模塊、電源模塊等。推薦大家優(yōu)先選用目前國(guó)內(nèi)市場(chǎng)占有率較高的西門(mén)子S7-200SMART系列，各種參考資料齊全，應(yīng)用案例較多。如果設(shè)備或系統(tǒng)比較復(fù)雜，需要顯示或輸入設(shè)定的信息量較大，可以選擇一個(gè)觸摸屏作為設(shè)備的人機(jī)界面。也就是說(shuō)，PLC相當(dāng)于電腦的主機(jī)，而觸摸屏相當(dāng)于電腦的顯示器加鼠標(biāo)和鍵盤(pán)。目前市場(chǎng)上主流的觸摸屏是7寸和10寸。各品牌都有。4.8.1PLC選型在確定好控制方案之后，就要進(jìn)行PLC的選型了，在選型過(guò)程中，要充分考慮到設(shè)備的工藝特點(diǎn)以及本次的設(shè)計(jì)方案的要求，以及PLC的軟、硬件配置應(yīng)與裝置相適應(yīng)。此外，PLC及與之相互連接的其他設(shè)備應(yīng)是集成的、標(biāo)準(zhǔn)的。一般來(lái)說(shuō)，PLC選型應(yīng)該遵循使用方便、PLC與各組成模塊通用、具有良好的兼容性等原則，并按照選擇PLC生產(chǎn)的廠家，對(duì)輸入輸出點(diǎn)進(jìn)行估算，對(duì)PLC存儲(chǔ)器的容量進(jìn)行估算，合理選擇通訊功能的步驟進(jìn)行選擇。最后確定好性價(jià)比較高的CPU以及擴(kuò)展模塊，并合理設(shè)計(jì)相應(yīng)的控制系統(tǒng)。4.8.2PLC選型結(jié)果根據(jù)鴨脖自動(dòng)切割機(jī)的特點(diǎn)以及應(yīng)用要求，本次選用了西門(mén)子S7-1200系列的PLC。西門(mén)子S7-1200是一款緊湊型、模塊化的PLC，這種類型的PLC具有強(qiáng)大的功能，不僅可以完成簡(jiǎn)單的編程、高級(jí)的邏輯控制、觸摸屏設(shè)計(jì)與演示、在線通信等功能，而且，它還支持小型的運(yùn)動(dòng)控制方案的設(shè)計(jì)、控制過(guò)程的系統(tǒng)監(jiān)控等應(yīng)用。此外，還能夠?qū)崿F(xiàn)多種類型設(shè)備的自動(dòng)化系統(tǒng)控制，并且SIMATICS7-1200PLC可以與新型的SIMATICHMIBasicPanel進(jìn)行完美的匹配，從而確保自動(dòng)化任務(wù)的高效進(jìn)行，易于開(kāi)發(fā)和調(diào)試[14]。因此，選擇了西門(mén)子品牌S7-1200系列的PLC，可以滿足本次的設(shè)計(jì)要求。在具體選型過(guò)程中，要考慮控制方案中輸入輸出地址的點(diǎn)數(shù)，首先要確定好成捆塑料袋在線橡皮筋自動(dòng)捆扎設(shè)備控制系統(tǒng)所需的全部輸入設(shè)備（如磁性開(kāi)關(guān)等）和輸出設(shè)備（如繼電器等）。本控制系統(tǒng)的輸入包括2個(gè)磁性開(kāi)關(guān)，共有2個(gè)輸入點(diǎn)，輸出包括1個(gè)交流異步電機(jī)、1個(gè)加熱塊。共2個(gè)輸出點(diǎn)。SIMATICS7-1200PLCCPU型號(hào)如表3-1所示。PLC可選用為S7-1200CPU1214C型號(hào)，具有14個(gè)輸入點(diǎn)和10個(gè)輸出點(diǎn)，并且自帶2入2出的模擬量，能帶8個(gè)擴(kuò)展模塊（SM），能裝機(jī)身擴(kuò)展版1個(gè)，存儲(chǔ)容量75K，符合本設(shè)備控制要求。表4.1SIMATICS7-1200PLCCPU型號(hào)CPU1211CCPU1212CCPU1214CCPU1215CCPU1217C點(diǎn)數(shù)6入4出8入6出14入10出14入10出14入10出自帶模擬量2入2入2入2入2出2入2出能帶擴(kuò)展模塊（SM）02888能裝機(jī)身擴(kuò)展板（信號(hào)板SB、電池板BB、通信板CB）11111左側(cè)擴(kuò)展通信模塊（CM）33333存儲(chǔ)容量30K50K75K100K125KProfinet以太網(wǎng)接口11122（2）擴(kuò)展模塊一般選型時(shí)留有10％以上的I/O裕量，故需要接擴(kuò)展模塊。西門(mén)子S7-1200系列擴(kuò)展模塊有多種類型，其中常用的擴(kuò)展模塊有如表4-2所示的幾種。根據(jù)控制系統(tǒng)所需的12個(gè)輸入點(diǎn)數(shù)，13個(gè)輸出點(diǎn)數(shù)，所以本次選擇了型號(hào)為SM1232AQ的擴(kuò)展模塊，這種擴(kuò)展模塊具有4個(gè)模擬量輸出口，故滿足本控制系統(tǒng)的要求。表4.2S7-1200擴(kuò)展模塊選型拓展模塊型號(hào)開(kāi)關(guān)量8入SM1221開(kāi)關(guān)量16SM1221開(kāi)關(guān)量8出SM1222開(kāi)關(guān)量16出SM1222開(kāi)關(guān)量8入8出SM1223開(kāi)關(guān)量16入16出SM1223模擬量4入SM1231模擬量8入SM1231熱電阻4入SM1231熱電偶4入SM1231熱電阻8入SM1231熱電偶8入SM1231模擬量2出SM1232模擬量4出SM1232模擬量4入2出SM12334.8.4控制系統(tǒng)總體方案經(jīng)過(guò)市場(chǎng)調(diào)查，將本課題用到的主要控制元件的價(jià)格列舉出來(lái)，如表5.1所示。表5.1各元器件的成本匯總名稱單價(jià)（元）數(shù)量（個(gè)）總價(jià)（元）PLC164511645擴(kuò)展模塊138011380合計(jì)302523025除表5.1中的元器件以外，還需要用到按鈕、接線端子等其他元件，經(jīng)過(guò)籌算，其他元件所需的費(fèi)用累計(jì)約200元左右，PLC控制系統(tǒng)的成本大約在3200元左右。與同類型設(shè)備相比，具有較高的性價(jià)比。該控制系統(tǒng)方案可行。5大數(shù)據(jù)小樣本下基鴨脖自動(dòng)切割機(jī)的理論研究和發(fā)展現(xiàn)狀故障診斷技術(shù)最早產(chǎn)生于19世紀(jì)末至20世紀(jì)初，由最初的相關(guān)領(lǐng)域?qū)＜腋鶕?jù)經(jīng)驗(yàn)知識(shí)來(lái)人為地判斷機(jī)械設(shè)備的健康狀態(tài)。簡(jiǎn)易的診斷方法在早期的設(shè)備故障診斷中起到了一定的作用，但是其主觀性過(guò)強(qiáng)，很難精確的判斷設(shè)備的健康狀態(tài)。隨著現(xiàn)有科技不斷進(jìn)步，及計(jì)算機(jī)技術(shù)和傳感器技術(shù)的應(yīng)用越加成熟，利用振動(dòng)信號(hào)對(duì)軸承進(jìn)行故障分析已成為使用最廣泛的分析方法，且這些診斷方法呈現(xiàn)多樣性發(fā)展，并愈加成熟。對(duì)近些年的文獻(xiàn)進(jìn)行總結(jié)，目前的滾動(dòng)軸承故障診斷方法主要包括基于物理模型的診斷方法、傳統(tǒng)的數(shù)據(jù)驅(qū)動(dòng)方法和基于深度學(xué)習(xí)的診斷方法。下面將從這三種方法分析目前故障診斷技術(shù)的研究現(xiàn)狀。5.1基于物理模型診斷方法基于物理模型的診斷方法是從物體的機(jī)理角度出發(fā)，通過(guò)構(gòu)建動(dòng)力學(xué)模型來(lái)實(shí)現(xiàn)診斷[7]。通常，通過(guò)比較物理模型的輸出和實(shí)際系統(tǒng)的測(cè)量值來(lái)檢測(cè)故障?；谖锢砟Ｐ瓦M(jìn)行故障診斷的一個(gè)例子是通過(guò)測(cè)量軸承部件的固有頻率來(lái)對(duì)軸承缺陷進(jìn)行分類，這些固有頻率來(lái)自于對(duì)系統(tǒng)建模后的等式求解?；谖锢砟Ｐ偷脑\斷方法具有精度高、可從原理上了解設(shè)備退化規(guī)律等優(yōu)點(diǎn)。龍建等人[8]建立了軸承單點(diǎn)損傷復(fù)合故障的動(dòng)力學(xué)模型，該模型具有較好的動(dòng)力學(xué)反應(yīng)特性。Ankur等[9]提出考慮接觸-變形域的軸承仿真模型,論證了表面損傷會(huì)影響整個(gè)軸承的運(yùn)動(dòng)和力學(xué)行為。Ahmad等[10]采用兩自由度方程模擬了內(nèi)、外圈和滾動(dòng)體故障，分析了軸承周期、準(zhǔn)周期和混沌運(yùn)動(dòng)。Mohsen等[11]研究了軸承元件的動(dòng)態(tài)接觸機(jī)制,用鍵合圖建立了相應(yīng)的振動(dòng)模型,獲取了損傷軸承的振動(dòng)響應(yīng)。從已有研究結(jié)果來(lái)看,基于物理模型的診斷方法大多對(duì)軸承部件進(jìn)行建模，研究相關(guān)的動(dòng)力學(xué)行為及其響應(yīng)特點(diǎn)。從上述論述可知，基于物理模型的診斷方法可以較好的反應(yīng)軸承運(yùn)動(dòng)規(guī)律，得到較好的診斷效果，然而，基于物理模型的診斷方法需要對(duì)軸承的內(nèi)部機(jī)理知識(shí)進(jìn)行大量研究，需要有一定的數(shù)學(xué)和結(jié)構(gòu)基礎(chǔ)，且該方法的最大局限性是泛化性較差。對(duì)于不同的對(duì)象，細(xì)小的差別就會(huì)導(dǎo)致模型失效，而對(duì)于一個(gè)對(duì)象的機(jī)理研究是耗時(shí)耗力的。隨著大數(shù)據(jù)時(shí)代的來(lái)臨和傳感器技術(shù)的日漸成熟，基于物理模型的故障診斷方法逐漸被其他方法所取代，然而需要說(shuō)明的是，從物體的機(jī)理角度進(jìn)行研究也有其獨(dú)特的價(jià)值。5.2傳統(tǒng)數(shù)據(jù)驅(qū)動(dòng)診斷方法傳統(tǒng)的數(shù)據(jù)驅(qū)動(dòng)診斷方法是信號(hào)分析技術(shù)與機(jī)器學(xué)習(xí)的有機(jī)結(jié)合，一般包括特征提取和模式識(shí)別兩個(gè)部分。先用信號(hào)處理的方法對(duì)振動(dòng)信號(hào)進(jìn)行預(yù)處理，利用降維技術(shù)得到低維的特征向量，然后設(shè)計(jì)分類器進(jìn)行故障識(shí)別[12]。這兩個(gè)部分相輔相成、密不可分。首先，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理對(duì)后續(xù)的診斷十分重要。查閱相關(guān)文獻(xiàn)可知，許多信號(hào)處理方法已經(jīng)被應(yīng)用于故障識(shí)別的預(yù)處理，包括時(shí)域分析、頻域分析和時(shí)頻分析。時(shí)域分析方法，例如信號(hào)的均值、方差和峰值，是直接基于時(shí)間信號(hào)本身。經(jīng)驗(yàn)?zāi)B(tài)分解是一種最常用的特征提取方法[13]。頻域分析方法，例如快速傅里葉變化和雙頻譜分析，是基于頻域變換后的信號(hào)。時(shí)頻分析方法，例如短時(shí)傅里葉變換，希爾伯特黃變換[14]，小波變換[15]，小波包變換和稀疏分解[16]經(jīng)常被用于特征提取。借助于提取的特征，一些較為傳統(tǒng)的分類器，如支持向量機(jī)、貝葉斯分類器等就可以發(fā)揮作用。不同的特征提取方法與不同的分類器相結(jié)合，可以達(dá)到不同的效果。目前大多數(shù)的數(shù)據(jù)驅(qū)動(dòng)診斷方法都是以此為研究對(duì)象開(kāi)展相關(guān)工作。Kankar等人[17]使用多項(xiàng)邏輯回歸與WPT相結(jié)合的方法診斷故障，并證明了兩種小波特征（能量和波峰）在診斷故障方面的有效性。Samanta等人[18]利用非常簡(jiǎn)單的預(yù)處理對(duì)信號(hào)段進(jìn)行直接處理，得到了信號(hào)的特征的均方根、方差、偏度、峰度等時(shí)域特征，將這些時(shí)域特征作為BP神經(jīng)網(wǎng)絡(luò)的輸入對(duì)軸承進(jìn)行故障診斷。將He等人[19]提出了一種基于包絡(luò)分析和EMD的兩步塑性軸承故障診斷方法?然后利用頻域特征識(shí)別軸承外套圈故障，利用時(shí)域特征構(gòu)建k-NN分類器識(shí)別其他類型的軸承故障。Li等人[20]首先將高維時(shí)頻域特征集通過(guò)無(wú)監(jiān)督方法投影壓縮成低維特征向量，然后將低維特征向量作為k-NN的輸入，用于旋轉(zhuǎn)機(jī)械的壽命等級(jí)識(shí)別。Phuong等人[21]提出了一種綜合的軸承早期故障多故障診斷方法，該方法首先通過(guò)基于WPT的kurtogram提取特征?然后，利用LDA選擇判別特征作為樸素貝葉斯分類器的輸入，對(duì)軸承故障條件進(jìn)行分類。Zhang等人[22]提出了提出了一種基于集成經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD)和優(yōu)化支持向量機(jī)(SVM)的滾動(dòng)軸承多故障診斷新方法。利用EEMD方法將振動(dòng)信號(hào)自適應(yīng)地分解為若干固有模態(tài)函數(shù)。提取了兩類特征:EEMD能量熵和矩陣奇異值。用EEMD能量熵來(lái)確定軸承是否有故障。如果軸承存在故障，則將奇異值輸入到特征空間中通過(guò)簇間距離優(yōu)化的多類SVM中，以判斷故障類型。這些診斷方法由于其有效的特征提取和合理的分類器設(shè)計(jì)，可以實(shí)現(xiàn)對(duì)軸承故障數(shù)據(jù)集的高診斷精度[23]。雖然傳統(tǒng)的數(shù)據(jù)驅(qū)動(dòng)診斷方法在旋轉(zhuǎn)機(jī)械的故障診斷中做出了顯著的成績(jī)，但是固有的局限性仍然存在如下：（1）在實(shí)際工業(yè)應(yīng)用中，收集到的軸承振動(dòng)信號(hào)一直不穩(wěn)定,旋轉(zhuǎn)機(jī)械軸承不間斷地工作，即使在惡劣的環(huán)境中,在這種情況下，故障特征仍與沉重的噪音。因此，需要利用先進(jìn)的信號(hào)處理技術(shù)對(duì)微弱故障信號(hào)進(jìn)行特征提取。（2）在傳統(tǒng)方法中，研究人員選擇的信號(hào)特征在很大程度上依賴于對(duì)信號(hào)處理技術(shù)和診斷專業(yè)知識(shí)的先驗(yàn)知識(shí)，這種情況會(huì)導(dǎo)致信號(hào)信息的丟失或特征[24]的維數(shù)災(zāi)難。（3）傳統(tǒng)的分類器模型是一種淺層的學(xué)習(xí)模型，在其體系結(jié)構(gòu)中包含了一些隱含層。這些模型的簡(jiǎn)單架構(gòu)限制了故障診斷問(wèn)題中復(fù)雜非線性關(guān)系的學(xué)習(xí)[25][26]。5.3基于深度學(xué)習(xí)診斷方法隨著人工智能的快速發(fā)展，基于深度學(xué)習(xí)方法可以從原始振動(dòng)信號(hào)直接提取有用特征，擺脫對(duì)信號(hào)先驗(yàn)知識(shí)依賴的高級(jí)處理技術(shù)和專家知識(shí)[27]實(shí)現(xiàn)了端到端的故障診斷，從而推進(jìn)了軸承故障診斷的自動(dòng)化和智能化[28]。端到端的故障診斷方法可以省略傳統(tǒng)方法中計(jì)算量大且會(huì)阻礙監(jiān)控程序?qū)崟r(shí)使用的人工特征提取[29]過(guò)程，從而建立振動(dòng)信號(hào)和故障類型間的直接聯(lián)系。為了更有效率地識(shí)別時(shí)間序列，一些端到端的深度模型被相繼提出[30]。例如，Huang結(jié)合傳統(tǒng)非線性信號(hào)分析方法和ResNet[31]識(shí)別算法對(duì)軸承故障進(jìn)行診斷。Liu基于RNN[32]的模型，以自編碼器的形式提出了一種新的軸承故障診斷方法。與此同時(shí)，還有基于MLP[33]的時(shí)間序列分類模型和基于深度CNN的軸承故障診斷模型[34]等。經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證，這些模型的故障診斷準(zhǔn)確率都比較理想。但是，這些規(guī)則的全連接深度學(xué)習(xí)網(wǎng)絡(luò)在解決更復(fù)雜的問(wèn)題時(shí)會(huì)受到限制，因?yàn)槠渚W(wǎng)絡(luò)偏置和權(quán)重參數(shù)會(huì)隨著模型層數(shù)的增加呈現(xiàn)指數(shù)級(jí)增長(zhǎng)，導(dǎo)致過(guò)擬合和梯度消失的問(wèn)題。而且，當(dāng)在時(shí)序信號(hào)長(zhǎng)度大于1000時(shí)，這些模型失去了優(yōu)異的表現(xiàn)，均有不同程度的下降[35]。由于卷積神經(jīng)網(wǎng)絡(luò)（CNN）[36]具有一些吸引人的優(yōu)勢(shì)，例如位移不變性和權(quán)重分配[37]，并且相較于包含大量隱藏層的RNN，其層級(jí)特征能夠可視化的特性更加易于研究與利用，這已在許多領(lǐng)域證明是成功的[38-41]。DBN是深度學(xué)習(xí)領(lǐng)域較早提出的方法之一，并在故障診斷領(lǐng)域中的使用較為常見(jiàn)。DBN具有兩大優(yōu)點(diǎn)，使得DBN在故障診斷中具有很大的吸引力和適用性。首先，DBN具有更廣泛的適應(yīng)性和映射能力，能夠以任意精度逼近任意連續(xù)函數(shù)來(lái)解決許多復(fù)雜問(wèn)題，因此被用于多變量非線性系統(tǒng)的建模和控制[42]。其次，DBN是一個(gè)非參數(shù)數(shù)據(jù)驅(qū)動(dòng)模型，它不需要對(duì)生成數(shù)據(jù)的底層流程進(jìn)行限制性假設(shè)。Tamilselvanet等人[43]提出了一種基于DBN的多傳感器健康診斷方法，解決了飛機(jī)發(fā)動(dòng)機(jī)和電力變壓器故障診斷問(wèn)題；Shao等人[44]提出了一種新型優(yōu)化的DBN網(wǎng)絡(luò)，先對(duì)受限玻爾茲曼機(jī)進(jìn)行預(yù)訓(xùn)練，然后用隨機(jī)梯度下降法進(jìn)行微調(diào)，提高了DBN的分類精度；Zhu等人[45]利用DBN構(gòu)造了一種分層的診斷網(wǎng)絡(luò)，提取了小波包能量特征作為網(wǎng)絡(luò)的輸入，利用兩層結(jié)構(gòu)的分層網(wǎng)絡(luò)分別實(shí)現(xiàn)了軸承的故障類型和故障嚴(yán)重程度的辨識(shí)，并與SVM和BPNN進(jìn)行對(duì)比，驗(yàn)證了DBN具有較高的可靠性，可以實(shí)現(xiàn)精確的多階段診斷。DAE是一個(gè)純粹的無(wú)監(jiān)督特征學(xué)習(xí)模型，對(duì)輸入信號(hào)進(jìn)行重構(gòu)并通過(guò)重構(gòu)誤差對(duì)模型進(jìn)行訓(xùn)練，可以通過(guò)中間的隱含層提取到輸入信號(hào)的特征，一般可用于圖像的壓縮和解壓。在故障診斷領(lǐng)域，DAE顯示出其獨(dú)特的性能。Li等人[46]提出了一種深度卷積自編碼器，通過(guò)判斷輸入數(shù)據(jù)的重構(gòu)誤差，實(shí)現(xiàn)了對(duì)風(fēng)機(jī)葉片的異常檢測(cè)。Shao等人[47]提出了一種基于集成深度自編碼器的滾動(dòng)軸承故障診斷方法，并將該方法應(yīng)用于軸承振動(dòng)信號(hào)的實(shí)驗(yàn)分析，結(jié)果表明，該方法克服了人工提取特征和單個(gè)深度學(xué)習(xí)模型的局限性，比現(xiàn)有的智能診斷方法更有效。Chen等人[48]提出了基于堆疊降噪自編碼器的深度神經(jīng)網(wǎng)絡(luò)，該方法以振動(dòng)信號(hào)的頻域信息作為輸入信號(hào)，通過(guò)去噪自編碼器一層一層提取特征，得到深度神經(jīng)網(wǎng)絡(luò)，通過(guò)該模型可以有效地提取到原始振動(dòng)信號(hào)中的特征，避免了復(fù)雜的人工特征提取。CNN是應(yīng)用于故障診斷的最有效的深度學(xué)習(xí)方法之一。由于CNN獨(dú)特的結(jié)構(gòu)，使其在進(jìn)行故障診斷時(shí)具有較好性能。相對(duì)于上述的深度學(xué)習(xí)方法，CNN能夠以更低的代價(jià)來(lái)實(shí)現(xiàn)更高的性能。首先，CNN能夠自動(dòng)地從原始輸入信號(hào)中提取特征。在卷積運(yùn)算中引入了局部感受野，解決了由于丟失特征信息而導(dǎo)致的分類性能問(wèn)題。其次，與神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的變體相比，CNN在較短的訓(xùn)練時(shí)間內(nèi)獲得了更好的性能。目前，利用CNN進(jìn)行故障診斷已經(jīng)是較為主流的一種深度學(xué)習(xí)智能診斷方法。Janssens等人[49]將原始的振動(dòng)信號(hào)經(jīng)過(guò)離散傅里葉變換后作為CNN的輸入實(shí)現(xiàn)故障診斷，并與傳統(tǒng)的智能診斷方法隨機(jī)森林進(jìn)行對(duì)比，發(fā)現(xiàn)所提方法具有更高的診斷精度。隨后，Wang等人[50]通過(guò)使用粒子群優(yōu)化算法來(lái)決定CNN的核大小和學(xué)習(xí)率，從而解決了針對(duì)不同場(chǎng)景CNN參數(shù)選取問(wèn)題，該模型具有很好的可適應(yīng)性，并且針對(duì)軸承不同數(shù)據(jù)集場(chǎng)景，該方法都實(shí)現(xiàn)了94%以上的診斷精度。從上述描述可以看出，基于深度學(xué)習(xí)的故障診斷技術(shù)相對(duì)于傳統(tǒng)的智能診斷技術(shù)已經(jīng)展現(xiàn)出較好的可適應(yīng)性及準(zhǔn)確率，特別是CNN。本文亦將基于深度學(xué)習(xí)方法對(duì)軸承的故障診斷展開(kāi)研究。5.4基于長(zhǎng)時(shí)間序列故障診斷模型的提出本文提出的多尺度特征提取模塊，去掉了Inceptionv3卷積模塊中并行分支的池化分支，并且通過(guò)將不同空洞率的卷積替代原始11的卷積來(lái)提取同一層內(nèi)三種感受野的特征信息，進(jìn)而彌補(bǔ)在長(zhǎng)時(shí)間序列關(guān)鍵信息的丟失，緩解網(wǎng)絡(luò)層數(shù)加深帶來(lái)的梯度消失問(wèn)題。從圖五可以看到，模塊由兩部分構(gòu)成。一是多分支卷積，也就是利用不同空洞率的卷積核來(lái)捕捉不同間隔數(shù)據(jù)點(diǎn)的特征關(guān)系；二是將不同分支的得到的卷積特征融合，利用11卷積進(jìn)行處理，以下是兩個(gè)步驟的具體過(guò)程：模塊上一層是卷積核大小為1，步長(zhǎng)為1的卷積層，然后將卷積層的輸出作為模塊的輸入，通過(guò)將1個(gè)卷積核為11、空洞率為0的空洞卷積和3個(gè)卷積核為31、空洞率分別為6、12、18的空洞卷積并行來(lái)提取特征。然后，預(yù)先設(shè)定好Batch的值，將四個(gè)分支輸出的1D大小的特征按照列結(jié)合起來(lái)，得到4D大小的特征。再利用11的卷積處理特征，得到1D大小的特征集合作為模塊的輸出，然后進(jìn)行最大池化，最后用ReLU函數(shù)激活。圖2.多尺度特征提取模塊結(jié)構(gòu)Fig.2.Thestructureofmulti-scalefeatureextractionmodule.多尺度特征提取的算法實(shí)現(xiàn)：算法1:多尺度特征提取模塊輸入:特征，;輸出:特征.1:對(duì)輸入向量進(jìn)行卷積核大小為11，步長(zhǎng)為1的卷積操作,得到卷積后的特征向量.2:對(duì)輸入向量進(jìn)行卷積核大小為31，空洞率為6的卷積操作,得到卷積后的特征向量.3:對(duì)輸入向量進(jìn)行卷積核大小為31，空洞率為12的卷積操作,得到卷積后的特征向量.4:對(duì)輸入向量進(jìn)行卷積核大小為31，空洞率為18的卷積操作,得到卷積后的特征向量4:對(duì)進(jìn)行根據(jù)通道拼接，得到特征向量.5:對(duì)進(jìn)行11卷積操作壓縮特征維度，得到特征向量.6:對(duì)進(jìn)行22，步長(zhǎng)為2的最大池化操作并經(jīng)過(guò)ReLU激活與BN操作，得到最后的特征向量,.5.5多尺度最大池化模塊及其算法本文提出了多尺度最大池化模塊，旨在增加模型的感受野，彌補(bǔ)最大池化過(guò)程中的信息丟失，具體結(jié)構(gòu)如圖六所示。模塊工作原理共分為三部分，第一部分為三個(gè)池化分支并行，分別進(jìn)行44、88、1616大小的最大池化操作，得到原圖的1/4，1/8，1/16大小的三個(gè)尺寸的特征圖,模塊通過(guò)不同尺度的最大池化操作，保留原始信號(hào)中不同間隔的數(shù)據(jù)點(diǎn)間的空間相關(guān)性。然后，對(duì)于分辨率小的兩個(gè)特征進(jìn)行最近鄰插值到原特征的1/4大小。最后將得到的大小相同三個(gè)特征按照通道拼接起來(lái)，并利用11的卷積進(jìn)行降維并融合特征，得到對(duì)原特征4倍下采樣的包含多尺度采樣信息的特征，并作為模塊的輸出。圖3.多尺度最大池化模塊結(jié)構(gòu)Fig.3.ThestructureofMulti-scalepoolingmodule.多尺度池化模塊算法實(shí)現(xiàn)：算法2:多尺度池化模塊輸入:特征，;輸出:特征.1:對(duì)輸入向量進(jìn)行大小為44,步長(zhǎng)為4的最大池化操作,得到池化后的特征向量.2:對(duì)輸入向量進(jìn)行大小為88,步長(zhǎng)為8的最大池化操作,得到池化后的特征向量.3:對(duì)輸入向量進(jìn)行大小為1616,步長(zhǎng)為16的最大池化操作,得到池化后的特征向量.4:對(duì)利用最近鄰線性插值進(jìn)行二倍上采樣，得到特征向量.5:對(duì)利用最近鄰線性插值進(jìn)行四倍上采樣，得到特征向量.6:將，，按照通道拼接，得到特征向量.7:對(duì)進(jìn)行11的卷積操作進(jìn)行融合特征并經(jīng)過(guò)ReLU激活與BN操作，得到輸出向量，基于LSCN的故障診斷方法整體流程基于LSCN的故障診斷方法流程如圖4所示，共分為四個(gè)階段：數(shù)據(jù)獲取，訓(xùn)練集、測(cè)試集分配，模型訓(xùn)練和測(cè)試，特征可視化和結(jié)果診斷。圖4.基于LSCN的診斷方法流程Fig.4.TheflowchartofLSCN-baseddiagnosismethod圖5展示了本文網(wǎng)絡(luò)中卷積層的結(jié)構(gòu),首先是11的卷積，然后進(jìn)行批量歸一化，最后用ReLU函數(shù)激活。圖5.卷積層結(jié)構(gòu)Fig.5.ConvolutionalBlock.本文提出的模型結(jié)構(gòu)由圖6所示，主要利用CNN作為主干網(wǎng)絡(luò)提取故障信號(hào)特征。模型的輸入為N15120維的故障數(shù)據(jù)，卷積網(wǎng)絡(luò)的卷積核大小為1，卷積核步數(shù)為1，其中N為批量處理的個(gè)數(shù),1代表通道數(shù)，5120代表數(shù)據(jù)維度。接下來(lái)進(jìn)行池化核大小為4，步數(shù)為4的最大池化下采樣。通過(guò)第一個(gè)模塊將通道數(shù)擴(kuò)大為40，然后引入第二個(gè)多尺度最大池化模塊，通過(guò)將多個(gè)步數(shù)池化疊加到一起，以在同一層獲得不同下采樣率的信息。連續(xù)經(jīng)過(guò)兩個(gè)模塊的處理后，得到N80320的輸出。通過(guò)多次的卷積和最大池化，最后用Sigmoid函數(shù)進(jìn)行歸一化，得到通道數(shù)為6，維度為1的向量。網(wǎng)絡(luò)的處理過(guò)程和每一步的輸出尺寸詳細(xì)地在表1中進(jìn)行展示。圖6.新模型結(jié)構(gòu)Fig.6.Thestructureofthenewmodel.表1網(wǎng)絡(luò)結(jié)構(gòu)和不同階段下的輸出尺寸Table1.Networkprocessandoutputsizeofdifferentstage.結(jié)構(gòu)輸出尺寸結(jié)構(gòu)輸出尺寸階段0卷積層N205120階段4卷積層N202041最大池化N20128021最大池化N2010階段1多尺度特征提取層N401280階段5卷積層N1010多尺度池化層N4032021最大池化N105階段2多尺度特征提取層N80320階段6卷積層N105多尺度池化層N808051最大池化N75階段3卷積層N4080階段7SigmoidN71多尺度池化層N40202.1.3CWRU和MFPT數(shù)據(jù)集上LSCN的實(shí)驗(yàn)驗(yàn)證本文基于美國(guó)凱斯西儲(chǔ)大學(xué)軸承故障數(shù)據(jù)集和MFPT軸承故障數(shù)據(jù)集進(jìn)行了網(wǎng)絡(luò)的訓(xùn)練以及結(jié)果的驗(yàn)證。網(wǎng)絡(luò)主要參數(shù)如表2所示,*代表無(wú)參數(shù)。在本文的模型中，訓(xùn)練的批量數(shù)選擇為64，epoch為200。學(xué)習(xí)率的范圍是0.00001至0.01?？紤]到精度和收斂性，根據(jù)實(shí)驗(yàn)結(jié)果選擇0.001。表2新網(wǎng)絡(luò)的主要參數(shù)Table2.ThemainparametersofNewNet.核的數(shù)量大小步長(zhǎng)卷積層1201141最大池化層*44多尺度特征提取層200**多尺度池化層***多尺度特征提取層2400**多尺度池化層2***卷積層24011多尺度池化層3***卷積層3201121最大池化層*22卷積層4101121最大池化層*22卷積層561151最大池化層*55sigmoid***滾動(dòng)軸承數(shù)據(jù)集介紹本文分析了來(lái)自CaseWesternReserveUniversity（CWRU）軸承數(shù)據(jù)中心的數(shù)據(jù)集。該實(shí)驗(yàn)設(shè)備由一個(gè)兩馬力的電動(dòng)機(jī)，一個(gè)扭矩傳感器和一個(gè)測(cè)力計(jì)組成，如圖七所示。加速度計(jì)用于采集來(lái)自三個(gè)不同位置的振動(dòng)信號(hào)：驅(qū)動(dòng)器端，風(fēng)扇端和底座。在該實(shí)驗(yàn)中，主要使用了驅(qū)動(dòng)端軸承故障數(shù)據(jù)，組成的數(shù)據(jù)集如表3所示。為了更好地驗(yàn)證網(wǎng)絡(luò)的泛化性，本文將數(shù)據(jù)集A、B、C混合后得到數(shù)據(jù)集D。每個(gè)數(shù)據(jù)集都包含6個(gè)故障類型和一個(gè)無(wú)故障類型，采用10折交叉驗(yàn)證的方式，將A、B、C中663個(gè)樣本和D中的1989個(gè)樣本按照8:2的比例隨機(jī)生成訓(xùn)練集和測(cè)試集,具體樣本數(shù)見(jiàn)表3，每個(gè)樣本包含5120個(gè)采樣點(diǎn)。表3西儲(chǔ)大學(xué)數(shù)據(jù)集的訓(xùn)練集和測(cè)試集Table3.TrainingsetandTestingsetofCWRU數(shù)據(jù)集電機(jī)轉(zhuǎn)速/rpm負(fù)載/hp訓(xùn)練樣本數(shù)測(cè)試樣本數(shù)故障類型ORMALIF18RF18OF18IF36RF36OF3617303530133D1797、1772、1750、17300、1、2、31590399注：表中NORMAL-正常狀態(tài),IF18、RF18、OF18分別表示故障直徑都為0.18mm的內(nèi)圈故障、滾子故障和相對(duì)于負(fù)載中心6：00位置外圈故障；IF36、RF36、OF36分別表示故障直徑都為0.36mm的內(nèi)圈故障、滾子故障、相對(duì)于負(fù)載中心6：00位置外圈故障。圖7西儲(chǔ)大學(xué)提供的實(shí)驗(yàn)設(shè)備Fig.7.ExperimentequipmentprovidedbyCWRU.基于長(zhǎng)時(shí)間序列的標(biāo)準(zhǔn)卷積網(wǎng)絡(luò)的故障診斷實(shí)驗(yàn)為了驗(yàn)證信號(hào)長(zhǎng)度對(duì)網(wǎng)絡(luò)準(zhǔn)確率的影響，本文首先搭建了一個(gè)標(biāo)準(zhǔn)的一維卷積網(wǎng)絡(luò)，并基于數(shù)據(jù)集A、B、C和D做了驗(yàn)證實(shí)驗(yàn)。由表4可以看到，在實(shí)現(xiàn)1000維數(shù)據(jù)的分類上，該網(wǎng)絡(luò)已經(jīng)可以達(dá)到平均96.75%的準(zhǔn)確度。但是當(dāng)數(shù)據(jù)的維度增加到5120維時(shí)，該網(wǎng)絡(luò)的平均分類準(zhǔn)確率卻下降到了86.35%，性能出現(xiàn)了明顯地下降。表4不同長(zhǎng)度信號(hào)下的準(zhǔn)確率對(duì)比Table4.Comparisonoftheaccuracyofdifferentlengthofsignals.1000維準(zhǔn)確率(%)5120維準(zhǔn)確率(%)A95.0093.23B97.0579.70C97.4390.23D97.5182.22平均準(zhǔn)確率(%)96.7586.35基于不同模塊的消融實(shí)驗(yàn)為了驗(yàn)證本文創(chuàng)新的模塊對(duì)網(wǎng)絡(luò)測(cè)試準(zhǔn)確率產(chǎn)生的影響，本節(jié)基于同一西儲(chǔ)大學(xué)數(shù)據(jù)集D和相同工況條件下應(yīng)用控制變量原則在網(wǎng)絡(luò)中進(jìn)行了實(shí)驗(yàn)，得到結(jié)果如圖8。圖8消融實(shí)驗(yàn)結(jié)果Fig.8.Theablationexperimentresults從圖8可以看到，在標(biāo)準(zhǔn)CNN在未加入任何創(chuàng)新模塊時(shí)，在長(zhǎng)時(shí)間信號(hào)數(shù)據(jù)集上的分類準(zhǔn)確率只能達(dá)到86.35%，在僅加入改進(jìn)后的多尺度特征提取模塊后，分類準(zhǔn)確率為91.25%，僅加入多尺度池化模塊后，分類準(zhǔn)確率為97.58%。將兩個(gè)模塊同時(shí)加入后準(zhǔn)確率提升到了99.89%，相對(duì)于標(biāo)準(zhǔn)CNN增加了21.49%，這證明了本文所創(chuàng)新的模塊很好地達(dá)到了有效提取特征的目的。基于不同模塊順序的準(zhǔn)確率對(duì)比實(shí)驗(yàn)為了驗(yàn)證所開(kāi)發(fā)的模塊在模型中不同順序下的表現(xiàn)，以確定最優(yōu)的模型內(nèi)部組合?；诒?中的結(jié)果進(jìn)行了觀察后發(fā)現(xiàn)，在前三個(gè)stage使用模塊達(dá)到的準(zhǔn)確率更高。經(jīng)過(guò)思考后發(fā)現(xiàn)，這是由于在信號(hào)初始情況下，可以通過(guò)擴(kuò)大感受野使信號(hào)中的空間相關(guān)性更好地被保存和提取。模塊1為多尺度特征提取模塊，模塊2為多尺度最大池化模塊。表5不同模塊順序下的三種模型的故障診斷結(jié)果Table5.Faultdiagnosisresultsofthethreemodelswithdifferentmoduleorders.模型1模型2模型3模塊1模塊2模塊1模塊2模塊1模塊2階段0階段1√√√√階段2√√√√階段3√√√√階段4√√階段5√階段6階段7Sigmoid準(zhǔn)確率（%）99.8995.8297.03與傳統(tǒng)方法的對(duì)比實(shí)驗(yàn)及模型魯棒性和泛化性實(shí)驗(yàn)為了進(jìn)一步證明本文方法的優(yōu)越性，本文在西儲(chǔ)大學(xué)A、B、C、D數(shù)據(jù)集上分別進(jìn)行了實(shí)驗(yàn)，并與傳統(tǒng)方法DBN、BPNN、CNN和RNN進(jìn)行了比較。圖9.不同網(wǎng)絡(luò)下的準(zhǔn)確率比較Fig.9.Comparisonoftestaccuracyofdifferentnetworks.通過(guò)觀察圖9，在比較不同方法的準(zhǔn)確率后通過(guò)計(jì)算可以發(fā)現(xiàn)，本文提出的新方法在四個(gè)數(shù)據(jù)集上分類準(zhǔn)確率為99.44%，而CNN、DBN、BPNN和RNN的準(zhǔn)確率分別為86.35%、74.95%、75.99%、56.95%。在準(zhǔn)確率上，本文的新方法相對(duì)于CNN、DBN、BPNN和RNN分別提高了15.16%、32.68%、30.86%和74.60%。對(duì)于大樣本D的診斷結(jié)果，本文方法與RNN方法相差不大，但在樣本量較少的情況下，RNN在數(shù)據(jù)集A、B、C上的性能很差，而本文提出的算法更有優(yōu)勢(shì)。在深度學(xué)習(xí)中，常用魯棒性形容算法模型對(duì)異常噪聲數(shù)據(jù)的適應(yīng)性，這里引入信噪比來(lái)表征信號(hào)含噪水平。在統(tǒng)計(jì)學(xué)中，信噪比的表達(dá)式為：(2)其中，為信號(hào)的方差，為噪聲的方差。而在實(shí)際工程應(yīng)用中，信噪比的表達(dá)式為：(3)公式（3）中，為信號(hào)功率，為噪聲功率，為信號(hào)的方差，為噪聲的方差。而信噪比在-14dB到0dB之間的信號(hào)定義為弱信號(hào)。為了驗(yàn)證網(wǎng)絡(luò)在強(qiáng)弱信號(hào)下的診斷性能，本文根據(jù)統(tǒng)計(jì)學(xué)公式（2）和工程應(yīng)用公式（3），對(duì)所有樣本分別加入了-5dB、-3dB、0dB、3dB、5dB信噪比的隨機(jī)高斯噪聲，并基于西儲(chǔ)大學(xué)數(shù)據(jù)集D與標(biāo)準(zhǔn)CNN、RNN、DBN和BP神經(jīng)網(wǎng)絡(luò)進(jìn)行了測(cè)試準(zhǔn)確率對(duì)比。其對(duì)比圖如下：圖10.不同信噪比下的模型測(cè)試準(zhǔn)確率Fig.10.TestaccuracyofdifferentmodelsunderdifferentSNRonCWRU.從圖10中可以看到新的方法在5種信噪比的條件下與其他三種方法相比均獲得最高的測(cè)試準(zhǔn)確率，除了在0dB信噪比條件下，RNN的方法在準(zhǔn)確率上有微小的領(lǐng)先。在表5中，可以發(fā)現(xiàn)新的方法在分類準(zhǔn)確率上相對(duì)于DBN平均提高了28.53%，相對(duì)于BPNN平均提高了25.07%，相對(duì)于一維CNN平均提高了7.77%。通過(guò)與RNN方法的對(duì)比，可以發(fā)現(xiàn)在信噪比低于0dB的情況下，本文的方法明顯優(yōu)于RNN。這表明了在工程實(shí)際應(yīng)用中強(qiáng)噪聲的情況下，相比于RNN，本文的方法依然具有較大的優(yōu)勢(shì)。為了更好地驗(yàn)證網(wǎng)絡(luò)的泛化性，本文又選擇了機(jī)械故障預(yù)防技術(shù)協(xié)會(huì)軸承故障數(shù)據(jù)集來(lái)進(jìn)行實(shí)驗(yàn)。試驗(yàn)臺(tái)配備了滾筒直徑rd=0.235、直徑pd=1.245、接觸角ca=0的NICE軸承。表6為MFPT數(shù)據(jù)集訓(xùn)練集和測(cè)試集的設(shè)置。表6MFPT數(shù)據(jù)集上的訓(xùn)練集和測(cè)試集參數(shù)Table6.TrainingsetandTestingsetofMFPT故障類型負(fù)載/1bs訓(xùn)練樣本數(shù)測(cè)試樣本數(shù)采樣率/spsNORMAL2702736997656OF12702736997656OF225、50、100、150、200、250、3001564048828IF0、50、100、150、200、250、3001564048828將本文提出的方法與傳統(tǒng)方法DBN、BPNN、CNN和RNN進(jìn)行了比較，結(jié)果如圖11所示。在此數(shù)據(jù)集上的進(jìn)一步進(jìn)行魯棒性驗(yàn)證，如表7所示。圖11MFPT數(shù)據(jù)集上不同信噪比下模型的準(zhǔn)確率Fig.11.TestaccuracyofdifferentmodelsunderdifferentSNRonMFPT.由圖12中可以看到，雖然RNN和CNN在MFPT數(shù)據(jù)集上獲得了較高的準(zhǔn)確率，但新的方法依然在5種信噪比條件下均獲得了領(lǐng)先。通過(guò)表7可以發(fā)現(xiàn)新的方法在分類準(zhǔn)確率上相對(duì)于DBN平均提高了48.19%，相對(duì)于BPNN平均提高了16.15%，相對(duì)于一維CNN平均提高了5.40%，相對(duì)于RNN平均提高了3.28%。基于T-SNE的LSCN模型內(nèi)部可視化實(shí)驗(yàn)為了探索網(wǎng)絡(luò)的內(nèi)部機(jī)制以及更好地觀察文章創(chuàng)新部分在故障診斷中起到的作用，我們進(jìn)行了內(nèi)部的可視化工作。通過(guò)觀察圖12可以發(fā)現(xiàn)，隨著網(wǎng)絡(luò)層的加深，特征的區(qū)別變得越來(lái)越明顯。在前四個(gè)階段中，已經(jīng)可以明顯地區(qū)分不同的功能，這表明本文的改進(jìn)模塊發(fā)揮了重要作用。但是，值得注意的是，在網(wǎng)絡(luò)的最后一層，OF18和IF36具有部分重疊區(qū)域，這意味著該模型在區(qū)分外圈故障0.18mm和內(nèi)圈故障0.36mm時(shí)存在一定誤差。原始信號(hào)階段0階段1階段2階段3階段4階段5階段6Sigmoid圖12.學(xué)習(xí)的特征可視化：分別從原始信號(hào)，七個(gè)階段和sigmoid層提取的特征表示。Fig.12.Learnedfeaturevisualization:featurerepresentationsextractedfromrawsignal,sevenstagesandsigmoidlayerrespectively.2.1.4基于小樣本故障診斷方法的提出為了有效處理樣本數(shù)量不足和采集條件下噪聲較強(qiáng)的問(wèn)題，本文提出了一種基于EAPN的智能故障診斷網(wǎng)絡(luò)模型。圖7展示了整個(gè)診斷模型的框架，包括原始一維振動(dòng)信號(hào)獲取和樣本擴(kuò)充，重疊采樣和利用FSWT進(jìn)行信號(hào)預(yù)處理，EAPN模型的建立和診斷結(jié)果分析。圖13.基于EAPN模型的故障診斷方法Fig.13FaultdiagnosismethodbasedonEAPNmodel.數(shù)據(jù)擴(kuò)充本文采用了重疊采樣的方法來(lái)實(shí)現(xiàn)樣本擴(kuò)充，在西儲(chǔ)大學(xué)數(shù)據(jù)集上重疊率設(shè)置為0.5，在轉(zhuǎn)子數(shù)據(jù)集上為0.75。圖14中展示了樣本擴(kuò)充的原理。通過(guò)以上樣本擴(kuò)充的方法，可以使樣本中相鄰元素間保留更多的相關(guān)性從而提高模型魯棒性。圖14.樣本擴(kuò)充原理Fig.14.Theprincipleofsampleexpansion.基于FSWT的