汽车变速器齿轮传动系统动态特性研究及优化

针对汽车在运行过程中汽车变速器的振动问题,以汽车变速器三挡为研究对象,通过MASTA软件对其进行载荷谱分析,再以提高齿轮的承载能力和尺寸的比值为目标,对三挡啮合齿轮进行优化设计,得到新的模数与螺旋角.综合考虑动态啮合刚度、齿侧间隙、轴承游隙、传递误差的影响建立斜齿轮弯扭耦合的6自由度非线性动力学模型并对传动系统的振动特性进行分析.根据优化前后的振动特性对比,提出了将振动时域信号转化为频域信号进行对比的方法,使得结果更加直观.通过快速傅里叶变换将振动时域信号转化为频域信号.结果表明,优化后齿轮的振动特性有明显的改善,尤其是z向振动减小达到1/4左右.本研究为汽车变速器的振动特性优化提供一定的理论依据.     

微沟槽形貌对水润滑轴承混合润滑特性影响的研究

建立了计入轴承内表面微沟槽形貌的水润滑轴承混合润滑(Mixed-EHDL)数值计算模型,着重研究了不同运行工况下,半椭圆形、矩形、等腰三角形、左三角形、右三角形等多种微沟槽形貌对水润滑轴承混合润滑特性的影响.研究表明:在所有微沟槽形貌中,混合润滑性能与承载性能优劣排序依次为右三角形、等腰三角形、左三角形、半椭圆形、矩形;在弹流润滑阶段,微沟槽形貌对水润滑轴承摩擦系数几乎无影响,而在混合润滑阶段,不同微沟槽形貌下接触载荷以及摩擦系数之间的差异随转速的增加呈现出先增大后减小最后趋于统一的规律性;在承载区,由于沟槽内水膜增压能力以及抽吸作用的不同引起了水润滑轴承混合润滑性能的差异,其中右三角形表现最优,而矩形最差.     

基于改进ORB-SLAM2算法的RGB-D稠密地图构建

针对传统ORB-SLAM2系统无法稠密建图以及缺少可应用于移动机器人在特定场景下导航与路径规划的八叉树地图等问题，提出了一种改进RGB-D ORB-SLAM2算法.该算法利用深度信息，通过针孔成像模型计算出关键帧点云的三维空间位置，采用离群点滤波去除多余杂点，体素滤波保留具有特征信息的点云进行拼接，降低地图冗余度，并经过稠密回环处理进一步优化更新关键帧的点云位姿，构建出精确的稠密点云地图并转换为八叉树地图.试验数据表明，相比于RGB-D SLAMV2系统，RGB-D ORB-SLAM2系统的全局轨迹误差和相对位姿误差提升有50%以上，均方根误差为0.89%，均值误差为0.76%；在建图性能方面，相比于同类型算法，点云数量平均降低约30%.此外，八叉树地图相比于点云地图，仅占其内存的0.6%，更加满足了高精度、快速性的导航需求.     

基于优化Gmapping算法的巷道喷浆机器人建图研究

为了满足煤矿巷道喷浆机器人自主移动对精确环境地图的需求，对Gmapping算法在大场景中易发生权值退化和粒子贫化，导致机器人位姿估计误差过大以及地图重叠、分层等一致性变差的问题，提出分类回收重采样算法. 在重采样过程中，按比例将低权重粒子修正回收，充分利用现有信息，在抑制权值退化的同时尽量保护粒子多样性. 试验结果表明，在对ACES building和MIT Killian Court数据集进行建图时，对利用传统算法定位和建图效果很差的粒子数，改进后的Gmapping算法仍能将机器人平移误差和旋转误差维持在较低的水平，并能获得清晰、准确的环境地图；采用分类回收重采样算法后期粒子分布情况更加符合粒子滤波要求，验证了分类回收重采样算法的有效性.