虚拟现实技术在汽车工业中的应用

介绍了虚拟现实技术在汽车设计开发、装配、实验及制造过程中的应用,阐述了在汽车业中采用虚拟现实技术的意义,并对虚拟样机软件做了简单介绍.     

BLDCM两相短路的四步换相容错运行方法

无刷直流电机运行过程中发生相短路,易引起二次故障,造成电机控制系统的功能丧失。针对无刷直流电机绕组两相短路故障情况,提出一种四步换相容错控制策略,确保电机故障后系统继续运行。通过在电机绕组设置电流检测元件,对三相电流进行检测,将连续两次检测值的差值作为特征量进行故障定位;根据定位结果,改变逆变桥功率管导通次序、导通时间,实现对电机两相短路情况下的容错控制,同时实现故障隔离。针对电机容错运行时转矩脉动较大的问题,采用H_PWM-L_ON调制方式并在换相时刻优化占空比,进行转矩脉动抑制。详细阐述电机两相短路容错控制策略的工作机理与换相过程,并对提出的四步换相容错控制策略进行仿真和实验,结果表明,电机容错运行时非故障相相电流峰值接近电机正常运行时的1.5倍,故障相相电流峰值接近电机正常运行时的1.25倍,转矩脉动增加20%,转速波动在5%以内。     

分布源边界点法在声场全息重建和预测中的应用

提出了以分布源边界点法作为声场的全息变换算法,建立了基于分布源边界点法的声全息重建和预测的数学模型。与基于边界元法的声全息重建和预测模型相比,此法避开了变量插值、数值计算和奇异积分的处理,具有计算速度快、计算精度高、计算稳定性好和简单易懂等优点,因此在工程实践中有着广泛的应用前景。     

智能制造技术在工控自动化领域的应用分析

智能制造技术是利用计算机模拟制造业领域的专家分析、判断、推理、构思和决策等智能活动并将其与智能机器有机结合,以实现提高生产效率的制造技术。随着互联网时代的带来,智能制造技术所具有的优势日益凸显,将其应用在工业生产中已经成为时代发展的一种主流趋势。本文将从智能制造系统结构、应用优势、推广使用的关键问题3方面展开研究,为其更好的应用提供帮助。     

瓦库洛夫的弧形切断刀

蘇聯車工瓦庫洛夫創造了弧形切斷刀,應用這種切斷刀,可以提高切斷工序的切削速度,因而提高了劳動生產率。瓦庫洛夫的弧形切斷刀,是用高速鋼作成,它的幾何形狀如圖1。這種弧形切斷刀比標準切斷刀優越的地方是,因為刀刃是弧形的,所以增加了刀刃的長度,加强了散熱能力。同時,所形成的切屑是弧形(如圖2),而且可以很方便的流出,因而改善了切斷刀的工作條件。     

新型键槽对称度检具

现将我厂一种新颖、直观、实用的轴类零件上键槽对称度的测量检具推荐给同行。 见图1。件11为检具体,垫13及M4螺母15使两个平行轴14及其上的轴承在检具体11上定     

用静压技术精化M6020工具磨床

M6020工具磨床及其更新产品(2 M9120型)在机械制造行业除广泛用于加工刀具外,也在小批、多品种生产中,用作外圆磨削。此外,在单件、小批生产的光学车间,还可用于透镜定心磨边。由于 M 6020机床的主轴精度不高,(出厂精度为5μm,实际使用时,主轴径向跳动达 0.01 mm),而近代许多精密光学镜头的成像分辨率几乎达到衍射极限,它对透镜偏心差[透镜外圆轴线相对两球面球心连线(即光轴)的偏差]要求达到微米级。因此要求磨床主轴回转精度在 1μm之内。但现有的磨边的机床难以达到上述要求。为此,我们对M 6020万能工具磨床进行了精化与改装,用静压技…     

可提高精度和刚度的空心滚柱轴承

一种新型的空心滚柱轴承,目前由美国ZRB轴承公司研制出来,并越来越引起人们的注意。该轴承的设计主要用以增加轴承的精度和刚度,同时在高速工作时降低轴承的磨损。 空心滚柱轴承的最大特点是滚柱为空心,这与实心的球轴承和实心的滚柱轴承不同。虽然这种轴承的设计看起来并不复杂,只是由简单的圆管零件组成滚柱,但它的工作过程却是很复杂的。它的设计依据是     

过滤白噪声地震动模型的CQC振型相关系数计算

当地震动模型为过滤白噪声时,通过频域有理分式积分,求完全二次型组合(complete quadratic combination,CQC)振型相关系数的闭合表达式将变得困难和不实用.本研究提出将传递函数转化为状态空间方程,通过求解Lyapunov方程得到振型相关系数的方法,且通过用Kanai/Tajimi模型验证了方法的有效性.该方法可推广到常见的过滤白噪声地震动模型,避免了频域有理分式积分闭合解的冗长公式,计算量小,可靠性好,是精确解.     

基于CMA—ES算法的支持向量机模型选择

研究模型选择对支持向量机(SVM)的泛化性能有着重要影响。针对传统梯度算法对初始值敏感及网格搜索法计算复杂的缺点,为了提高全面优化能力和分类精度,提出了一种基于协方差矩阵自适应进化策略(CMA-ES)的支持向量机(SVM)模型优化算法,通过对SVM泛化性能界(Bounds on Generalization Performance)的优化求解,实现了基于CMA-ES算法的SVM模型选择。在标准数据集上的实验结果表明:相比遗传算法和梯度算法,上述方法能够在较小计算代价下得到更优的超参数,提高支持向量机的预测精度稳定性,尤其适合大样本数据条件下的模型选择。