凸轮机构摆动从动杆滚子转动的计算及转动惯量的选择

研究了凸轮机构中的摆动滚子从动杯，并推导出滚子的角速度和角加速度的通用计算公式；还以不打滑为条件导出滚子转动惯量的限制公式，为滚子轴承的设计提供了运动参数计算的依据．     

某型涡扇发动机中介轴承微弱故障特征信号提取技术

研究航空发动机在降转速过程中中介轴承微弱故障特征信号的提取技术,提出了一种基于计算阶次分析、三次样条插值分析与包络谱分析相结合的新方法。基于滚动轴承模拟故障实验和航空发动机中介轴承微弱故障实验测得的降速工况下的转速信号和振动信号,首先对转速信号在时域内积分获得角位移-时间信号;再对该信号进行线性插值获得等角度间隔的角位移-时间信号;然后利用该时间序列对振动信号进行三次样条差值获得等角度间隔分布的重采样振动信号;最后对重采样振动信号进行包络分析及快速傅里叶变换获得阶次包络谱。通过两种实验分析表明该方法能有效提取出复杂路径下航空发动机中介轴承微弱故障特征信息。该方法为航空发动机中介轴承微弱故障特征信号提取提供了一种重要手段,具有广泛的应用前景。     

带挤压油膜阻尼器双转子系统动力建模与仿真

双转子结构在航空发动机中有很广泛的应用,针对带定心弹性支承挤压油膜阻尼器的双转子系统,建立了考虑轴间轴承耦合力的双转子系统动力学模型,采用7—8阶连续Runge—Kutta法进行求解,得到了双转子系统的非线性振动特性和轴间轴承所承受的力,从而为结构的振动分析与     

基于超声解调信号多特征融合的轴承故障识别

针对当前振动监测对轴承初期微损状态监测难、精准度低的问题,提出了一种基于经验模态分解与多类熵值相结合的轴承状态监测方法,研究超声解调信号对故障诊断的可行性。首先将预处理后的超声解调信号进行经验模态分解得到若干本征模态分量,然后对各本征模态分量计算不同熵值特征,再将多特征融合后代入随机森林训练分类模型,利用混淆矩阵进行精度评价,最终对早期故障识别准确率高达97.92%。研究表明,超声解调信号对判别轴承早期故障效果更佳;经过多类熵值特征融合后,轴承状态分类具有更高的识别准确率。     

基于BP神经网络的轴承套圈磨削误差的预报

提出一种基于BP(反向传播)神经网络磨削误差的预报方法,针对轴承套圈磨削误差序列的非线性特点,使用BP神经网络对其进行建模预测,为磨削自动线的监控调整提供准确的预报值,从而可有效地修正磨削过程中温度、变形及其他复杂因素对工件加工精度的影响,提高加工精度,降低轴承套圈磨削的尺寸分散度。     

基于特征量融合和支持向量机的滚动轴承故障诊断

为了提高滚动轴承的故障诊断率,提出了一种经验模态分解(empirical mode decomposition, EMD)结合时域分析后使用主成分分析(principal component analysis, PCA)融合特征量的特征提取方法。首先,通过EMD分解得到前5个本征模态函数(intrinsic mode function, IMF)分量的上、下包络值矩阵的奇异值;然后,对轴承原始信号进行时域分析得到各种时域特征参数;最后对奇异值和时域特征参数使用PCA降维融合后输入到多分类支持向量机(support vector machines, SVM)中进行分类。通过实验仿真验证,融合后的特征量诊断准确率达到了98.6%,该方法能充分地提取出轴承故障特征信息,诊断效果良好。     

应用铁谱分析研究滚动轴承疲劳失效

本研究应用铁谱分析技术对滚动轴承疲劳失效的全过程进行监测,探索了成劳失效过程的磨损规律,铁谱分析表明,在滚动轴承磨合期产生大量大尺寸的条状、块状、球状及切削状磨损颗垃,主要来源于软钢制造的保持器;轴承接近疲劳时,磨损颗粒大量增加,I_G和I_A值突然连续上升,说明疲劳已开始。有的轴承疲劳前出现大量的小球状颗粒,可视为疲劳剥落的先兆。     

腔式静压轴承工况的数学模型的研究

本文应用润滑理论建立了腔式静压轴承工况的数学模型，编制了计算机仿真程序，仿真结果与实验结果基本吻合，证明本文所建立的数学模型是正确的．此项研究为进一步计算机辅助分析和设计腔式静压轴承提供了理论基础．