排序方式: 共有57条查询结果,搜索用时 312 毫秒
31.
逆向勤务员中自由曲面的数字化模型研究 总被引:2,自引:0,他引:2
基于曲率自适应思想建立起曲面数字化模型,并对模型中弯曲度的构造进行了深入的探讨和分析。提出了弯曲度的高斯构造,这种构造克服了以往弯曲度构造上的不足,它不仅充分表征了曲面上一点的几何特征,而且计算地较为简便。同时对自适应网格的形成速度进行了探讨,提出了一种加速方法。 相似文献
32.
论述了一种微机测量扭矩和转速的原理和方法。利用微机的时钟脉冲研制出一种精度达微秒级的时钟,用此时钟测量扭矩的误差小于1%,测量的转速误差小于1‰。在实际应用中提出了解决现场信号不稳定的两种测量方法,即周期计数和定时截取的测量方法。 相似文献
33.
34.
针对滚动轴承剩余寿命预测中的特征评估及模型优化问题,提出了面向轴承寿命的特征评估与模型优化的方法。该方法在轴承特征进行单调性与敏感性评估的基础上,对轴承运行状态跟踪能力进行量化评估,进而筛选出表征轴承性能退化的多维特征集。为了减少多维特征集之间相关冗余信息对寿命预测的影响,采用相似近邻传播(affinity propagation ,简称AP)聚类方法对多维特征集进行聚类和筛选。为了统一描述AP聚类后的特征对轴承退化状态的表征信息,采用自组织神经网络(self-organizing feature map ,简称SOM)构建轴承健康指数。最后,利用自适应混沌粒子群算法(adaptive chaos particle swarm optimization, 简称ACPSO)优化双指数模型预测轴承剩余寿命。试验表明,该方法可以准确描述轴承运行状态时期,并有效地预测了轴承的剩余寿命。 相似文献
35.
以一个两对斜齿轮耦合的三平行轴转子系统为研究对象,考虑静态传递误差和齿轮几何偏心等因素的影响,建立了全自由度通用齿轮啮合动力学模型。将其与转子系统有限元模型进行耦合,建立了平行轴系齿轮转子系统有限元模型。转子系统采用梁单元模拟,齿轮之间的啮合通过啮合刚度矩阵和阻尼矩阵模拟,并分析了不同自由度耦合下系统的固有特性和振动响应特性。研究结果表明,考虑弯扭耦合和弯扭轴摆耦合会产生较多的弯扭耦合频率,响应计算结果出现的峰值点均对应系统的固有频率,而考虑弯扭轴摆耦合可以更好地表征系统的不同自由度的耦合振动情况。此研究结果可为齿轮耦合转子系统设计提供参考。 相似文献
36.
多股螺旋弹簧(简称多股簧)加工参数对其成品质量耦合作用机理研究尚不完善,导致多股簧加工合格率低、推广难度大,为此提出一种优选多股簧工艺参数的实验方法。基于二分法获取满足多股簧刚度要求的拧索螺距;采取实验设计方法设计了芯轴直径、弹簧螺距和钢丝张力3个工艺参数的优化实验,通过信噪比均值分析得到最优多股簧加工参数组,并通过钻杆复位多股簧实际生产对该方法进行了验证。研究结果表明:优选多股簧工艺参数的实验方法切实可行,可以减少多股簧制造加工参数获取时间,节约多股簧工艺研究成本,为我国武器装备质量的提升提供参考。 相似文献
37.
路面功率谱密度换算及不平度建模理论研究 总被引:2,自引:0,他引:2
为了明晰路面不平度空间域统计量的计算,以及几种重要功率谱密度(power spectral density,简称PSD)之间的关系,以帕塞瓦尔定理和维纳-辛钦定理为依据,在推导空间域自相关函数和PSD计算公式的基础上,导出了不平度空间域位移、速度与加速度PSD以及空间频率与角频率PSD之间的换算关系。另外,为了完善傅里叶逆变换法路面建模中PSD离散化的理论基础,以傅里叶级数与变换、离散傅里叶变换和频域卷积定理为依据,从离散化的原因、目的和结果验证出发论证了PSD离散化的正确性。就模拟路面验证问题,指出直接法谱估计的不合理之处,论证了平均周期图法谱估计时,空间与时间采样频率分别对应着空间域和时间域PSD输出。结果表明,上述换算关系和论证是正确的,可应用于路面不平度建模和汽车平顺性分析。 相似文献
38.
在分析传统轴承故障诊断方法不足的基础上,提出了基于相关匹配的滚动轴承故障诊断新方法。该方法使用滚动轴承故障冲击的动力学模型建立故障脉冲的解析模型,并以该模型作为匹配原子,采用谱峭度、峭度、平滑系数及相关系数方法对匹配模型进行了全方位的优化。该方法在一维时间域上以周期性的最优化脉冲模型,对轴承振动信号中等时间间隔的故障脉冲进行最佳逼近,不仅解决了传统匹配追踪法的欠分解或过分解的问题,并能有效地提取出不同故障时间产生的故障脉冲,便于进一步的轴承故障的量化分析。仿真和试验结果验证了该方法的可行性与有效性。 相似文献
39.
针对强噪声、变负载工况下滚动轴承损伤程度难以识别的问题,提出了一种基于改进抗干扰卷积神经网络(anti-interference convolutional neural network,简称ACNN)的变负载工况下轴承损伤程度识别新方法。首先,对滚动轴承的一维振动信号进行预处理,得到标签化的数据样本,分为训练集和测试集;其次,将注意力机制引入到卷积神经网络的各个特征提取层中以建立特征提取通道之间的联系,得到基于改进ACNN的变负载工况下轴承损伤程度识别模型;然后,将训练集数据输入到改进ACNN中进行学习,将得到的识别模型应用于测试集,输出损伤程度识别结果,在训练过程中,为了提高模型的抗干扰能力,将Dropout算法引入到卷积层,为抑制过拟合,对原始训练样本进行加噪处理;最后,通过滚动轴承损伤程度模拟试验,在变工况下进行测试。结果表明,在噪声环境中所提方法能更准确地实现变负载工况下的轴承损伤程度识别。 相似文献
40.