一种准零刚度隔振器参数对力学特性的影响研究

为优化气动准零刚度隔振器的设计参数,通过建立准零刚度的数学模型,确定了隔振器的各个参数间应满足的关系,并简化了准零刚度的数学模型。运用三阶泰勒公式分析了隔振器各个参数对静力学特性的影响。利用谐波平衡法对隔振器的动力学特性进行分析,得到了振动频率与振动幅值、力传递率的关系,并分析了参数对振动幅值和力传递率的影响。结果表明,通过合理设置参数可改善动力学特性的低频性能。     

导弹贮运非线性振动控制研究

为了降低贮运过程中的振动可能对导弹产生的损伤和危害,在隔振器中引入负刚度机构,拓宽振动的隔振频率,降低起始隔振频率,同时提出了一种非线性速度反馈控制的主动控制方法,用于抑制共振频率内可能产生的共振。研究结果表明,该隔振器有良好的低频振动抑制,高频振动隔离的效果,能够有效的降低振动对导弹的危害作用;采用线性速度反馈与立方速度反馈结合的方法,在有效抑制共振的同时,又降低了对非共振隔离的影响。     

可变负载的准零刚度隔振器特性

由于载荷变化会削弱准零刚度隔振器的隔振特性，设计了一种可变负载的准零刚度隔振器。首先，阐述了该隔振器的隔振原理，建立了数学模型，分析了隔振器的静力学特性；其次，采用平均法研究了振动的主共振响应，得到了相对位移的幅频特性及振动的位移传递率，并分析了隔振参数对振动特性的影响。研究结果表明：该隔振器可以通过改变准零刚度弹簧的夹角，来适应负载的变化，而且角度增加能削弱共振，降低起始隔振频率；隔振器同时还具有渐硬-渐软特性，能压缩共振频段，降低向下跳跃频率，可变负载的准零刚度隔振器低频隔振性能优于普通准零刚度隔振器。     

弹药包装储运一体化研究

目的提高弹药包装的防护性能和机动性。方法通过实地考察、研究文献,分析了弹药运输储存中的物流特点、环境特点和弹药包装的发展状况。结果从弹药包装、托盘、集装箱等3个层次研究其尺寸、材料及相应的防护措施,并提出了2种储运一体化组合包装方案。结论弹药包装综合了储存与运输的功能,进一步促进弹药包装往通用性、防护性、机动性的方向发展。     

涡轴发动机弹性支撑外挤压油膜涡动特征频率

为实现环境激励下复杂钢结构的损伤预警，提出一种基于粒子群优化（particle swarm optimization, 简称PSO）的支持向量回归（support vector regression, 简称SVR）-时间序列（auto-regressive and moving average model, 简称ARMA）组合模型用于频率预测，并结合均值控制图法将其用于复杂钢结构的损伤预警中。所提出频率预测模型的准确性和有效性采用潍坊市白浪河摩天轮钢结构实测数据进行验证。验证结果表明：与基本SVR模型、SVR-ARMA模型和PSO-SVR模型相比，所提模型具有更高的泛化能力和预测精度；在白浪河摩天轮钢结构的损伤预警中，基于粒子群优化的SVR-ARMA组合模型可检出由损伤造成模态频率轻微的异常变化，具有较强的损伤敏感性。研究成果可为环境激励下复杂钢结构的损伤预警提供参考。     

涡轴发动机弹性支撑外挤压油膜涡动特征频率

针对某型涡轴发动机整机台架测振时频谱分量多且对应激振源或调制因素不明确的问题，采用经验模式分解（empirical mode decomposition，简称EMD）对其振动数据进行滤波处理，发现某一中低频分量包含了原始数据较为显著的信息。经过多传感器、多状态测量，将测振参数进行时频分析，证明该频率分量为燃气发生器联合转子的亚同步频率，且二者之比为0.443。通过排除法和整机断滑油实验，确定该分量为燃气发生器转子前定心弹性支撑外挤压油膜涡动的特征频率。     

基于灰色预测理论的双液压缸同步控制研究

为解决双液压缸协调同步控制问题，根据灰色预测理论，设计了灰色预测前馈控制器。研究典型的双液压缸同步系统，并在此基础上建立了单液压回路前馈控制器和双缸同步系统灰色预测控制器。实验结果表明：在灰色预测控制下的液压缸工作曲线平滑，液压缸工作稳定。在所设计的极端实验中，两液压缸运动误差能够控制在15 mm以内，验证了基于灰色预测理论的双液压缸同步控制设计的可行性。     

可变负载的准零刚度隔振器特性

针对风机滚动轴承微弱故障信号所具有的非线性和非平稳特征及易被强背景噪声掩盖的特点，提出了一种变分模态分解(variational modal decomposition, 简称VMD)和最大相关峭度解卷积(maximum correlated kurtosis deconvolution, 简称MCKD)相结合的滚动轴承微弱故障诊断方法。为实现VMD和MCKD的参数自适应选择，采用粒子群优化算法(particle swarm optimization, 简称PSO)，对两种算法中的参数进行优化。首先，利用PSO优化VMD算法中的α和K，再基于VMD对微弱故障信号分解后的结果，选取最优模态分量；其次，利用PSO优化MCKD算法中的L和T，再基于MCKD算法加强最优分量信号中的故障冲击成分；最后，通过包络谱提取出轴承微弱故障特征。仿真和试验均表明，此方法能够自适应增强轴承微弱故障中的冲击成分，有效提取出被强噪声淹没的轴承微弱故障特征。