一种新型磁流体加速度传感器

为了解决传统磁流体加速度传感器体积大、灵敏度低、线性度差、使用频率范围低等缺点,设计了一种新型磁流体加速度传感器。采用圆柱形永磁铁作为惯性质量,将加速度转化为磁场的变化,利用高灵敏度线性霍尔检测磁场变化,从而实现加速度到电信号的转变。通过仿真和实验分别对磁流体的悬浮效应、阻尼效应以及圆柱形永磁铁的磁场分布情况进行了研究,结果表明:在永磁铁体积较小的情况下,永磁铁受到的悬浮力很小;在磁场作用下,磁流体具有非常优越的阻尼性能。基于永磁铁的磁场分布情况的研究结果,选取磁场变化梯度最大且线性度最好的位置安装霍尔元件,从而提高传感器灵敏度。利用振动实验台,对所设计的传感器性能进行实验验证,结果表明,新型磁流体加速度传感器具有较好的线性度和较大的可用频率范围,在其他结构不变的前提下,磁流体的使用将加速度传感器的可用频率范围提高了256%。本文为研究磁流体的悬浮效应和阻尼效应提供了一种策略,也为加速度传感器的研究和改进提供了一种新的思路。     

翼板动平衡方法研究

为了更精准地控制翼板动平衡时平衡补偿质量,从而提高平衡精度,提出了一种新的利用翼板迎角变化产生不同升力和离心力来实现不平衡力补偿的动平衡方法。对翼板工作时所产生的升力和离心力进行理论分析,建立了翼板迎角与补偿质量间的数学模型。通过实验测试翼板迎角变化所产生的不平衡量,得到翼板迎角与所能提供的补偿质量间的数学关系。在8个不同的相位处添加不同试重作为失衡量,根据所得翼板迎角与补偿质量的数学关系,调整相应翼板的迎角进行失衡量补偿,完成转子动平衡。实验结果表明,基于提出方法设计的动平衡装置可平衡主轴任意位置的不平衡量,平衡能力可达1 617.6g·mm,在实验转速为560r/min时,可将不平衡质量降低94.21%。提出的翼板动平衡方法无需添加或去除质量便可完成动平衡,且提供的平衡量可精确控制,具有一定的实用价值和应用前景。     

堆叠自编码网络性能优化及其在滚动轴承故障诊断中的应用

为了解决堆叠自编码网络在参数较多时的梯度弥散问题,对网络每层的编码值进行了统计分析,发现大部分分布于激活函数的饱和区,这直接导致了神经元权值梯度的消失。为此,引入了一种标准化策略,将神经元按照样本进行归一化,然后引入两个待学习参数进行缩放和平移,最后通过激活函数输出到下一级神经元。运用带标准化的堆叠自编码网络进行滚动轴承故障诊断,将振动信号的频谱输入到网络中。与普通堆叠自编码网络相比,该标准化策略可有效地使网络编码值均匀分布,如将第一层编码值的熵从0.88bit提高到了16.29bit。带标准化的堆叠自编码网络可有效提高网络的抗噪能力和训练速度:在凯斯西储大学滚动轴承数据集上,当人为添加噪声信号的信噪比为0dB时,识别正确率从16.18%提高到了100%;在实验室实测数据集上,不仅训练时间下降了37.22%,而且识别正确率从97.93%提高到了99.95%。对网络的编码值进行分析以及引入的标准化策略,可为科研技术人员构建堆叠自编码网络时提供参考,也为滚动轴承故障诊断提供了一种策略。