张力弦-永磁动力吸振器理论及试验研究

为了实现转子系统振动抑制,设计了一种适用于旋转机械的张力弦-永磁刚度动力吸振器.利用张力弦结构的拉力-刚度可调特性,实现吸振器的频率可调;又引入永久磁铁构成的刚度机构,使得吸振器整体结构与转子系统相互分离.对转子-动力吸振器系统进行动力学建模和仿真分析,研究了吸振器的工作特性,又进行试验研究证明理论研究的正确性.研究结果表明,该吸振器可以达到转子系统振动抑制的效果,在永磁刚度机构磁铁间距小时吸振器效果好且更加稳定.     

自学习模糊脉冲神经网络的旋转机械诊断

针对旋转机械故障分类边界的模糊性和传统的神经网络算法难以解决应用问题的实例规模和网络规模之间的矛盾问题,提出了一种自学习模糊脉冲神经网络算法,该算法通过脉冲序列的种群编码和无监督学习较好的克服了旋转机械故障分类边界的聚类分析无效性问题.应用表明该算法有效解决了旋转机械故障的边界模糊性问题,较大提高了故障诊断的准确率.     

旋转坐标系对流体涡旋运动的影响

系统讨论坐标系的旋转对流体涡旋运动的影响 ,分析这种影响在地球物理流体力学相对涡度、速度环量及位势涡度方程的各种形式中的表现 ,以及与流体力学对应的 Helmholtz方程的变形形式 ,通过分析 ,更清晰地揭示科氏力产生 (或制造 )涡度及其影响涡度变化的机理。     

基于旋转电弧传感机器人立焊焊缝的跟踪

摘要： 为了实现机器人对立焊焊缝的准确跟踪,提高焊接的质量和效率,减少焊接工人的劳动强度,对采样电流进行组合滤波,利用“绝对差法”对第1个采样点到第32个采样点进行线性回归,拟合直线的斜率作为偏差,以偏差和偏差的变化率作为模糊控制器的输入,经过输入量的模糊化、模糊推理和输出量的清晰化,控制水平滑块伸缩跟踪立焊焊缝.通过路径规划,使焊枪从上倾45°变成下倾45°.利用基于水平滑块伸缩跟踪焊缝与路径规划组合的方法对立焊焊缝进行跟踪.实验结果表明：利用该算法,基于旋转电弧传感机器人跟踪立焊焊缝的可靠性好,精确度高.     

根部连接刚度对旋转叶片振动特性的影响

以一个扭型、变截面旋转叶片为研究对象,基于ANSYS有限元软件,采用变厚度的壳单元建立了叶片的有限元模型,并与实体单元进行对比;通过二者的固有频率和振型来验证本建模方法的准确性.随后分析了在离心刚化、旋转软化效应和科氏力共同作用下,径向连接刚度对叶片动频特性的影响,以及在离心力和气动力共同作用下径向连接刚度对叶片幅频响应的影响.研究结果表明,较小的径向刚度会产生刚体振型,且响应主要集中在低频段;中等径向刚度会产生一些耦合振型,响应集中在高频段;大的径向刚度接近固支情况,响应幅值较前二者小.     

基于承载因子理论的高转速齿轮润滑特性分析

考虑轮齿在啮合过程中温升及轮齿表面粗糙度的影响,应用Johnson的承载因子理论分析了渐开线圆柱齿轮在高速运动时,不同载荷下其承载油膜的膜厚、剪应力以及摩擦因数沿啮合方向的分布情况,并对比分析了粗糙度对上述参数产生的影响.数值结果表明:齿轮在高速运转时,仍不可避免有粗糙峰的接触;温升明显使膜厚减小,并且沿啮合线这种差别逐渐增加;剪切应力在单双齿啮合区的交替点发生突变,摩擦因数有阶跃变化.啮合节点处剪切应力骤降为0,摩擦因数在此处有波动.     

中碳铬钨渗氮轴承钢旋转弯曲疲劳性能研究

针对轴承钢失效形式主要为疲劳破坏的问题,对中碳铬钨渗氮轴承钢进行旋转弯曲疲劳（RBF）试验及分析。分析轴承钢经调质处理（880 ℃+540 ℃）后的组织,再经RBF试验后疲劳断口和渗氮处理的作用,还分析了非金属夹杂物对轴承钢RBF的影响,构建了非金属夹杂物深度和尺寸对中碳铬钨渗氮轴承钢RBF极限强度影响的模型。实验结果表明：试验钢调质处理后,组织为回火索氏体,主要析出M₆C型和M₂₃C₆型碳化物,力学性能优良,RBF极限强度达到729 MPa;疲劳源分为表面缺陷和内部非金属夹杂物,表面缺陷主要包括非金属夹杂物脱落形成的凹坑以及机加工留下的刀痕,非金属夹杂物主要为镁铝酸盐;轴承钢在NH₃渗氮气氛中560 ℃恒温保持25 h,渗氮层厚度达360 μm以上,渗氮工艺合适。研究结果对中碳铬钨渗氮轴承钢的发展及其疲劳性能的提高有一定的参考价值。     

基于PASCO转动实验装置的质点转动惯量测量

为提高实验的精确度,减少实验误差,在PASCO转动实验装置中运用落体法对质点转动惯量进行测量.实验结果表明,下落加速度a应取v-t图像的斜率,并非a-t图像的截距;对同一转动系统,通过2次改变悬挂物的质量m下落来消除阻力矩对实验结果的影响;为了减少2次下落时阻力矩的误差,悬挂物的质量差Δm越小,实验结果越精确,相对误差最小值达到0.54%.     

基于旋转电弧传感器的水下焊缝偏差识别算法

提出了基于旋转电弧传感器的Nu-SVR水下焊缝偏差识别算法.Nu-SVR通过对基于旋转电弧传感器采集到的不同偏差的水下焊接信号进行学习,然后对水下电流信号进行焊缝偏差识别得出偏差.相对于传统的回归算法--区间积分法和神经网络法,算法具有更好的识别能力.最后通过水下焊接实验,其最大的识别误差仅为0.554 mm,证明了该方法十分有效.     

Application of Kernel GDA to Performance Monitoring and Fault Diagnosis for Rotating Machinery

Faults in rotating machine are difficult to detect and identify,especially when the system is complex and nonlinear.In order to solve this problem,a novel performance monitoring and fault diagnosis method based on kernel generalized discriminant analysis(kernel GDA,KGDA) was proposed.Through KGDA,the data were mapped from the original space to the high-dimensional feature space.Then the statistic distance between normal data and test data was constructed to detect whether a fault was occurring.If a fault had occurred,similar analysis was used to identify the type of faults.The effectiveness of the proposed method was evaluated by simulation results of vibration signal fault dataset in the rotating machinery,which was scalable to different rotating machinery.