TP347H的高温蠕变-疲劳交互规律

对TP347H不锈钢进在550℃下纯疲劳及550℃下的蠕变-疲劳交互下的微观组织演化及疲劳寿命变化进行研究。断口的扫描电镜形貌表明在蠕变-疲劳交互下存在高温动态回复,使得蠕变-疲劳断口未形成二次裂纹与解理面,而在纯疲劳下存在较多二次裂纹与解理面;透射电镜形貌表明在蠕变疲劳交互下金属内部局部会形成清晰的位错墙和位错胞结构,错增殖密度相对于纯疲劳也大大降低,此时材料的循环软化特征明显,因此蠕变-疲劳交互会导致材料的疲劳寿命显著降低。对不同应变幅下TP347H的蠕变-疲劳寿命试验证明不同应变幅下TP347不锈钢的蠕变-疲劳循环寿命相对于纯疲劳条件下都有降低,降低的程度随应变幅的增加而增大。     

棒材精轧机组增速箱异常振动分析及解决方案研究

国内某钢厂棒材生产线在轧制准12mm规格螺纹棒材时,精轧机组增速箱输入轴非驱动侧出现异常轴向振动且幅值较大。文中建立了增速箱整体有限元模型,通过有限元模态分析和谐响应分析,得到了增速箱固有频率、固有振型以及施加载荷后增速箱输入轴非驱动侧振动情况。结合现场检测数据,确定增速箱异常振动的原因是共振,并提出在增速箱箱体表面添加竖向筋板提高刚度以抑制其振动的措施。通过有限元方法对改进后的模型进行验证,该措施能够解决增速箱异常振动问题。     

双叶片推进器及其性能分析

提出了一种新型的流体推进器-双叶片推进器,通过对叶片的运动学和流体动力的分析,建立了该推进器性能参数的计算方法.对结构参数相同的两种推进器进行了性能分析研究,研究结果表明,双叶片推进器提高了主推力的稳定性,侧向推力小且变化较平稳,理论推进效率较高.     

轴承早期复合故障诊断的一种非线性检测方法

针对强噪声背景下的信号难于检测的问题,利用混沌阵子对周期信号的敏感性和对噪声的免疫力,提出了一种用Duffing阵子结合欧氏距离检测微弱信号的新方法。该方法采用欧氏距离确定混沌振子由混沌状态向大尺度周期状态转换的临界阈值,并利用欧氏距离的跃变自动识别混沌振子的状态。应用该方法对仿真信号和深沟球轴承的早期模拟故障信号进行分析,验证了其可行性,同时分析了相位差和噪声对于系统特性的影响,并用Simulink进行了仿真。     

球-梁弹塑性次碰撞的试验研究和数值仿真*

次碰撞是柔性结构碰撞时特有的物理现象。为观测和深入研究这一现象,专门研制了一套柔性结构次碰撞试验平台。借助该试验平台,结合Hertz碰撞理论和动态子结构方法,对钢球坠落碰撞简支梁过程进行了详细的试验测试和数值仿真,观察到了复杂的次碰撞现象,深入探讨了次碰撞的碰撞接触时间规律和主要影响因素。研究结果表明,动态子结构方法可以作为球-梁弹塑性次碰撞行为分析的一种有效的数值计算手段。研究发现,在低速碰撞时Hertz碰撞理论所揭示的碰撞接触时间规律仍然适用于首个次碰撞过程,表明局部接触变形主导了首个次碰撞过程。次碰撞现象一旦发生,将导致简支梁碰撞端位移响应的前三阶振幅比和第一阶相位角均发生明显的变化。进一步的探讨则发现,次碰撞的发生与球-梁质量比、碰撞初速度和碰撞位置等因素密切相关,若用质量比来度量次碰撞的发生条件,发现存在一个质量比阈值,只有满足该质量比阈值,才会出现次碰撞。     

温度及湍流对低碳钢的环烷酸腐蚀的影响规律

在炼制高酸原油的减压装置中存在显著的环烷酸腐蚀,对装置的长周期安全运行构成较大威胁。采用高温高流速环烷酸腐蚀模拟装置,研究了20G低碳钢在不同温度和湍流强度下的环烷酸腐蚀行为。结果表明,在不考虑其他因素影响时,低碳钢的环烷酸腐蚀速率(V)与温度(T)之间符合lnV正比于-1/T的线性规律;高温高流速下的平均腐蚀速率主要取决于腐蚀温度,在320℃时平均腐蚀速率最高,约为240℃时平均腐蚀速率的25倍;湍流强度对环烷酸腐蚀的影响主要表现于不同湍流区的局部腐蚀深度,不同温度下强湍流区的最大腐蚀深度与平均腐蚀深度比值可达4倍以上;强湍流状态会显著提高局部腐蚀速率,从而导致设备的快速减薄甚至穿孔。     

ADMOW方法及其在滚动轴承状态识别中的应用

针对滚动轴承振动信号的状态特征及特征数据中存在"异常值"的现象,提出了基于优化加权代理判别模型(Agent discriminate model based optimization weighted,ADMOW)的模式识别方法。该方法首先通过计算样本特征值的类相似度对特征值进行评价,并依据评价结果对特征值赋予权值,以此弱化"异常值"导致模型出现偏差的问题;然后利用粒子群优化(Particle swarm optimization,PSO)算法对所建立的模型参数进行优化,得到更加准确可靠的分类模型;最后采用建立的优化加权代理预测模型对待测样本进行识别。滚动轴承实验结果表明,与以往的模式识别方法相比,该方法能有效地提高识别准确率。     

非平稳振动信号的小波去噪及其应用

在机械故障诊断中,对故障信号的消噪处理,一直是其重要内容之一。工程中设备运行状态多样,有着大量的非平稳动态信号,但传统的信号处理方法在处理非平稳信号上有所不足。利用小波包分解信号,白噪声的方差和幅值随小波尺度的增加而减小,但是信号的方差和幅值和小波变换无关。按照信号能量的观点,首先把信号进行多层小波包的分解,然后利用其中几个能量大的小波包来重构原始信号。利用该方法在测试信号的去噪处理中,同传统的阈值去噪相比较,该方法可以有效地消除白噪声的干扰,计算简单且有较好的消噪效果。     

基于特征评价的ADMOW模式识别方法及其应用

针对以往模式识别方法的不足及特征数据存在“异常值”导致的模型失真问题,提出了基于特征评价的优化加权代理判别模型（Agent discriminate model based optimization weighted,ADMOW）模式识别方法。该方法根据同一状态类别中各特征值之间的对应关系（不同类别有不同的对应关系）建立数学预测模型,然后计算各特征值的类相似度评价指标,根据评价指标对特征值进行加权处理,从而削弱“异常值”对模型的影响,建立更加准确的代理判别模型,提高分类准确度。实验结果表明,经过特征加权处理的ADMOW方法对滚动轴承的状态识别具有更高的识别率。     

基于复合多尺度熵与拉普拉斯支持向量机的滚动轴承故障诊断方法

针对早期滚动故障特征不明显和特征提取难等问题,将一种新的衡量时间序列复杂性的方法--复合多尺度熵（CMSE）应用于滚动轴承故障振动信号的特征提取。CMSE克服了多尺度熵中粗粒化方式的不足,得到的熵值一致性和稳定性好。同时,针对机械故障智能诊断中收集大量的样本比较容易而要对所有的样本进行类别标记却较为困难这一问题,将拉普拉斯支持向量机（LapSVM）应用于滚动轴承故障的智能诊断中。在此基础上,提出了一种基于CMSE,序列前向选择（SFS）特征选择和LapSVM的滚动轴承故障诊断方法。最后,将提出的方法应用于试验数据分析,结果表明：CMSE能够有效地提取滚动轴承的故障特征;当有标记样本的数量较少时,与仅使用有标记样本进行学习的支持向量机相比,结合SFS特征选择的LapSVM方法利用大量的无标记样本进行辅助学习,可以显著提高故障诊断的正确率。