基于POVMD和CAF的低转速齿轮箱故障诊断

针对低转速齿轮箱齿轮故障特征频率低、故障特征频率易被背景噪声淹没,使其难以准确提取的问题,提出了基于参数优化的变分模态分解(parameter optimization variational mode decomposition,简称POVMD)和循环自相关函数(cyclic autocorrelation function,简称CAF)结合的故障诊断方法。首先,通过POVMD对原始信号进行分解,选用余弦相似度度量选取敏感的本征模态函数(intrinsic mode function,简称IMF);其次,计算其循环自相关函数谱,获得包含调制特征的循环自相关函数谱切片;最后,使用Teager能量算子(Teager energy operator,简称TEO)算法对切片解调,提取故障特征频率。同时将本方法与相关方法进行了对比分析,特征频率提取效果更加显著,仿真信号和实验数据分析验证了该方法的有效性和可靠性。     

脉动条件下旋流场内气液两相流流型及其转变机理

运用高速摄像技术对流量脉动条件下旋流分离器内气泡动力学行为及气液两相流流型展开研究。研究发现,在完整脉动周期内,流量在3.62~4.18 m³/h范围内波动,流量增大段的气核整体向溢流口方向运移,流量减小段的气核整体向底流口方向运移,气核大小及形态变化呈现周期往复性。通过脉动周期内特殊帧的分析,得出流量脉动条件下旋流场内气液两相流流型主要包括：气泡流、塞状流、弹状流、丝状流及波状流等五种形式。根据实验得出的气液两相折算速度,确定了脉动条件下气液两相流流型转换界限图,而气泡间的聚并破碎行为是产生气液两相流型的主要原因,最终构建了表征截面含气量和分离效率之间关系的评价模型。     

6082铝合金成分对汽车横梁挤压型材性能的影响

研究了不同成分区间下6082合金汽车横梁挤压型材的宏观力学、三点弯曲和微观晶粒情况;结果表明,合金成分(重量含量,%)在Si 1.0～1.3,Fe≤0.25,Cu≤0.07,Mn 0.5～0.6,Mg 0.8～1.0,Cr 0.10～0.20时,可以得到综合性能最佳的产品。     

利用最优小波尺度循环谱的滚动轴承早期故障特征提取

滚动轴承微弱故障信号往往包含在二阶循环平稳信号中,但容易受到噪声干扰。对循环平稳信号进行基于短时傅里叶变换的循环周期谱分析可以提高周期故障的识别能力,但其结果受到窗函数大小的影响且对于微弱故障的诊断效果不佳,提出最优小波尺度循环谱进行滚动轴承的早期故障诊断。首先利用连续小波变换对信号进行处理获得小波系数;接着采用相关峭度方法选择最优的分析尺度;然后沿着时间轴对该尺度范围内的小波系数进行循环谱分析;最后对最优尺度下的循环谱平均进行特征提取。与循环周期谱的分析结果进行对比,验证了该方法在早期故障特征提取方面的有效性。     

高效液相色谱法在氟铃脲标准样品制备中的应用研究

标准样品是农残分析巾的必要条件。应用高效液相色谱法进行氟铃脲的纯化、制得氟铃脲标准样品，用DELTA PAK C18柱，以乙腈-水(68：32)为流动相，在波长254nm，室温下进行了保留值定性、定值分析、均匀性及稳定性考察，效果良好。     

逐滴一步反应法合成L-赖氨酸缩香兰素席夫碱铜配合物及其表征

为了解决香兰素及其席夫碱配体在空气中易于氧化的问题,笔者打破席夫碱配合物分步合成法的常规思路,采用逐滴一步反应法合成了L-赖氨酸缩香草醛Sehiff碱的铜配合物,产物收率约为62%.通过元素分析、红外光谱、紫外光谱等方法对产物进行了表征,推测其可能的结构为四核环式结构配合物,分子式为C40H68Cu4N8O12·2H2O.     

基于分布式认知无线电的非合作博弈频谱分配算法

基于博弈论的认知无线电频谱分配问题,是目前认知无线电领域的研究热点之一.分布式认知无线电系统的网络容错能力强,易于架设并且通信可靠性高.采用博弈论算法对认知无线电网络的频谱分配进行建模分析,可以很好的提高自适应算法的性能和收敛速度且降低了算法的复杂度.仿真结果表明,该分布式系统中的频谱分配算法收敛速度快、复杂度低并且具有很好的通信可靠性.     

L-赖氨酸铜的制备及工艺优化

为解决氨基酸金属螯合物采用NaOH调解体系pH值时其反应溶液碱性不易控制的问题,以L-赖氨酸和氯化铜为原料,选用NH3.H2O作为体系pH调节剂,合成了L-赖氨酸铜。单因素平行试验优选法得到L-赖氨酸铜的合成工艺条件为：氯化铜与赖氨酸盐酸盐的摩尔比为3∶5,pH≈8,反应温度为45℃,反应时间为60 min。反应全程在液相中进行,条件温和,避免了因碱性过大而出现沉淀;产品收率为71%;合成的L-赖氨酸铜为蓝色粉末,易溶于水,不溶于乙醇、乙醚等有机溶剂,熔点为227.3～227.5℃。     

基于参数优化MCKD的行星齿轮箱微弱故障诊断研究

针对行星齿轮箱在故障早期时振动信号比较微弱,受噪声污染严重、且传递路径复杂多变,实际情况下故障特征难以准确提取与分离的问题,提出了基于参数优化最大相关峭度解卷积(MCKD)的微弱故障特征提取方法。首先通过最大相关峭度解卷积对原始信号进行了降噪处理,设置了峭度和自相关峰态系数作为筛选准则,对算法参数组合进行了优化选取,检测周期性故障冲击特征;然后对降噪后的信号进行了希尔伯特包络谱分析,从而获得了准确故障特征频率。仿真信号和实验数据分析结果表明:该方法对于强背景噪声下的行星齿轮箱微弱故障诊断具有良好的效果,有效抑制了噪声干扰,成功提取了故障特征。