直动型溢流阀的流固耦合建模与动态特性研究

直动型溢流阀被广泛用于水下动力设备的供能调节,但下潜水深的变化时常使得其动态稳定性无法保证,以至于在到达一定水深之后,溢流阀阀口会出现异常的压力波动现象,影响其正常的工作状态。为此,开展流固耦合分析,建立了直动型溢流阀的两自由度动力学模型。通过无因次化后模型的求解,实现了对试验测试信号中振动深度的准确复现,并进一步分析了溢流阀阀芯的轴向和纵向振动状态随水深的变化,以及在部分深度下阀芯振动的多稳态共存现象。所建立的动力学模型中的非线性因素为试验测试信号中发现的压力波动特征提供了理论解释,从而为通过对溢流阀的优化设计来解决溢流阀的大振幅脉冲振动提供了模型支撑。     

基于机器学习的滚筒式飞剪剪切质量预测

滚筒式飞剪剪切质量与剪刃重叠量、侧向间隙等参数的取值密切相关,参数匹配不当不仅会影响断面质量,也会使刀具磨损严重,甚至出现剪不断的问题。为了预测选定参数下飞剪的剪切质量以选择合理的工艺参数,通过DEFORM-3D仿真了不同工艺参数下的飞剪剪切过程,运用机器学习算法分别对剪切断面质量和整体剪切效果建立了预测模型。测试集在剪切断面质量的预测模型上准确率接近90%,在整体剪切效果预测模型上的误差小于15%,两类模型为现场选择剪切工艺参数和智能化生产提供了理论指导。     

基于定量递归分析的冷轧颤振状态识别与预报

冷轧板带生产中的颤振问题始终是制约生产效率提高和高强薄板新产品开发的“瓶颈”，而过度依赖生产经验难以及时地发现并抑制冷轧颤振，因此颤振状态快速识别与预警是板带轧制智能化的重要依据，提出了基于定量递归分析与核密度估计法相结合的冷轧颤振状态识别方法，对实际生产过程积累的轧机历史振动数据进行研究。首先，分别对轧制生产过程中颤振状态和稳定状态的加速度信号进行递归图构建和定量递归分析，比较两种状态下递归图拓扑结构与定量递归分析指标的差异性；然后，利用核密度估计法计算基于不同定量递归分析指标的报警阈值，实现稳定状态和颤振状态的区分；最后，将定量递归分析指标与振动报警阈值相结合，实现对颤振状态的快速、有效辨识。研究结果表明：相较于传统的振动加速度信号时域特征指标，定量递归分析法能够更加快速地对冷轧颤振状态进行识别和预报，提高了颤振状态的辨识敏感度以及在发生颤振时的快速响应能力，不仅对实际生产具有积极的指导作用，而且对推动板带冷轧智能化具有重要意义。