采用双向流固耦合的胀圈密封功率损失预测模型

针对现存胀圈密封功率损失模型不能准测预测出实际运行时密封环的功率损失的问题,提出了新的胀圈密封功率损失预测模型。基于ANSYS Workbench平台建立了包括转轴、配油套及胀圈密封环在内的双向流固耦合数值计算模型,设计并搭建了胀圈密封性能试验系统,验证了数值模拟的准确性。通过多元线性回归方法构建了包含油液动力黏度、密封压差、转轴转速以及胀圈密封结构主要尺寸参数的功率损失预测模型,比现存模型包含更多影响因素。分析结果表明：模型预测值与试验值的相对误差在9%以内,满足工业应用要求;功率损失对各影响因素的敏感度由强到弱依次为：密封压差、温度、转速,且密封压差对胀圈密封功率损失影响高度显著。     

一种时序数据多项式拟合加速方法

考虑到时序数据自身特点,特别是针对周期采样的时序数据,本文提出一种多项式拟合加速方法,讨论了平均分段和非平均分段两种情况下时序数据多项式拟合方法,通过重复利用部分矩阵的中间计算结果,大幅提高了多项式拟合的计算速度.实验结果表明,对于周期采样数据,该方法在平均分段和非平均分段时最多可分别获得约28倍和17倍计算加速.      

疲劳S-N曲线预测模型进展综述

疲劳S-N曲线是机械零部件强度设计的基础,但受限于贫样本或者小样本,使得诸多回归和预测模型都建立在各种假设之上。随着机械设备复杂程度的提高,零部件疲劳寿命多种影响因素间的耦合性和竞争性在不断增加;另一方面随着材料性能的发展,疲劳S-N曲线的结构也在改变,这些都使得已有模型无法满足强度设计需求。数据驱动方法能够对不同工况下的寿命数据能够进行深度挖掘,使得疲劳寿命数据的研究焕发新机。首先,对已有的确定性疲劳S-N曲线模型和小量/成组样本下的不确定疲劳S-N曲线模型进行了回顾,并对样本量大小引起的不确定性表达进行描述。其次,对由于材料性能改进导致的疲劳S-N曲线结构变化以及相应的改进模型进行了阐述。再次,介绍了疲劳S-N曲线模型的影响因素如平均应力、尺寸效应、应力集中、工作环境和表面完整性等,进而对数据驱动方法在多影响因素下的S-N曲线回归和预测进行了阐述。最后,对疲劳S-N曲线模型的发展趋势进行了讨论和展望。     

多信号建模与诊断策略设计技术应用

分析了影响多信号建模与诊断策略设计正确性的要素,包括测试性要求、系统结构与功能原理、测试原理、可靠性。建立了多信号建模与诊断策略设计的工程化操作流程,包括建模准备阶段、建模过程阶段、审查阶段。其中,建模准备阶段的工作是确保模型正确性的关键环节。针对测试点不足的情况,进一步给出了测试点增补设计应考虑的因素和设计流程。以某液压操纵系统为案例进行了多信号建模与诊断策略设计、测试点增补设计的工程化应用,验证了方法的可行性和效果。