霍尔角位移传感器的磁路设计

霍尔角位移传感器主要结构由霍尔元件、永磁体、屏蔽罩、塑料壳体等组成,其核心是霍尔元件和磁路。根据霍尔元件要求设计磁路,从永磁体表中查找出适合的永磁体,再测试出永磁体的退磁曲线、负载线斜率和工作点,和计算数字对比,得出结论。最后通过实际检验,确定磁路设计的最佳方案。     

大型再制造机床运动结合部的热变形分析

在高速重载高精度机床切削过程中,多种热源的作用会使导轨运动结合部产生热变形,采用红外测温仪测定机床导轨面的温度分布,然后利用有限元软件ABAQUS,计算出结合部的热变形量,评估热变形对几何精度的影响,最后优化配置床身导轨结合部。结果表明:合理布置床身的导轨支撑,使得导轨运动结合部上的变形量得到抑制不致出现过大突变。因而必须考虑大型部件空间分布的温度场对机床结合部精度的影响,可为大型机床的再制造提供参考。     

永磁同步电机直接转矩控制电压矢量选择区域

为了解决直接转矩控制系统开关表引起的转矩脉动问题,分析了电压矢量对永磁同步电机直接转矩控制系统的定子磁链幅值、转矩角、励磁转矩、磁阻转矩和电机转矩的作用,用简单的数学表达式给出了这些变量的控制规律,得出了永磁同步电机直接转矩控制系统的电压矢量选择区域。研究结果表明：电压矢量与定子磁链的夹角决定了电压矢量对定子磁链幅值和转矩角的增减作用;电压矢量与定子磁链的夹角和转矩角决定了电压矢量对励磁转矩和磁阻转矩的增减作用;电压矢量与定子磁链的夹角、转矩角和永磁同步电机直接转矩控制系统参数决定了电压矢量对转矩的增减作用。     

一种基于信息熵数据修剪的支持向量机:EB-SVM

支持向量机在处理分类问题时,如果两类数据重叠严重会造成分类器过学习,降低泛化性能。为此提出了一种基于信息熵的数据修剪支持向量机EB-SVM(entropy based-support vector machine),其主要思想是通过计算样例信息熵删除部分边缘数据和边界处混淆程度较高的样例以及噪声数据,用较少的训练样例学习SVM分类器。实验结果表明,该方法能够有效提高SVM的泛化性能。     

电磁永磁混合结构排斥力的特性

在永磁体上加上螺线管的这种结构称为电磁永磁混合结构,这种结构可以调节部分磁场强度,从而调节所受力的大小。本文对混合结构与单体永磁体之间产生的排斥力分别进行了等效计算法和数值计算法计算,并进行了比较,结果表明等效计算法虽简单、易理解,但它是基于磁路的计算,因此计算误差太大。而数值计算法中的有限单元法虽繁锁,但它是其于有限元件分析,精确可靠。并利用ANSYS分别对混合式和纯电磁铁进行有限元分析,通过对比证明了混合悬浮系统在排斥力方面的优越性。     

定心机控制系统中的位置与误动作问题及处理

定心机是无缝钢管生产中,管坯穿孔前在线热状态下,对管坯前端面实行预先热定心工艺的一种机械。设计这种控制系统的核心是理解并分类设备的工艺,进而设计一个简单实用的控制系统。管坯定心前的准确停止位置问题及没有管坯到来而出现的热金属检测器误动作问题是影响定心机控制系统正常运行的难题,为解决这一问题,提出了一种"量化惯性加挡板"的控制方法,解决了准确停止位置问题,对于没有管坯到来而出现的热金属检测器误动作问题,采用了PLC编程得到解决。经实践证明,控制系统设计合理,运行可靠。     

ANSYS在数控机床热误差建模中的应用

机床热误差是影响机床加工精度最大的误差源,因此如何有效地选择机床的温度测点,对热误差补偿具有重要的意义。讨论了应用ANSYS与热误差模态分析相结合的方法,该方法极大地增强了选择测点的准确性。     

数字时代下“机床夹具设计”教学模式

结合现在数字化发展趋势,改革了＂机床夹具设计＂本科课程教学,提出了递进式、知识点逻辑联系紧密的课程体系。在此基础上,提出了强化理论、再现式教学方法和基于工程应用案例的拓展联想教学方法,取得了较好的教学效果。     

喷动流化床射流穿透度智能拟合

在三维冷态试验台架上对喷动流化床射流穿透度进行了实验研究,得出了射流穿透度随喷口尺寸、载气密度、喷动气速的增大而增大,随静止床高、颗粒尺寸、颗粒密度、流化气率、载气黏度的增大而减小的结论.在实验研究的基础上利用最小二乘支持向量机对射流穿透度与喷动流化床主要设计参数之间的数值关系进行了智能拟合,并利用自适应遗传算法优化了最小二乘支持向量机的初始参数.通过15个预测样本的检验,最小二乘支持向量机模型的预测平均相对误差减小至4.0%,其性能大大优于常用的经验公式以及神经网络.     

基于非下采样Contourlet变换的 SVM多聚焦图像融合

提出基于非下采样Contourlet变换的支持向量机(SVM)多聚焦图像融合算法. 采用非下采样Contourlet变换分解图像得到不同频域子带系数. 针对直接取系数绝对值最大融合规则不能反映图像区域的缺点,提出SVM分类系数融合规则. 根据各子带系数物理意义将区域方差、区域能量作为SVM核函数参考量来选择清晰像素点系数,根据融合系数重构得到融合图像. 结果证明该算法能有效并准确地融合图像中的信息.