轴向柱塞泵疲劳损伤分析及寿命预测

轴向柱塞泵工作环境恶劣、工况复杂,柱塞在柱塞腔内做往复直线运动,承受着复杂的交变应力,疲劳损伤是其常见的失效形式之一。为了分析柱塞泵的疲劳损伤、预测其剩余寿命,提高其运行的安全可靠性,提出柱塞泵疲劳损伤分析及寿命预测方法。建立柱塞泵的刚-柔-液耦合模型,进行联合仿真并分析;基于Miner疲劳累计损伤理论,运用ANSYS Workbench软件及nCode模块,得到柱塞的疲劳损伤云图和疲劳寿命云图,对柱塞泵疲劳损伤的薄弱部位以及剩余寿命进行分析,最后探究了主轴转速、工作压力对柱塞泵疲劳损伤及剩余寿命的影响。结果显示：在典型工况下,柱塞的疲劳寿命约为7 448.8 h,基本可以满足柱塞疲劳寿命要求。     

基于Nelder-Mead算法的插装阀AMESim仿真模型优化设计

详细分析二通插装阀的数学模型,建立其流量与进出口压差之间的关系,利用AMESim中的Hydraulic Component Design(HCD)库搭建二通插装阀的仿真模型。根据无导数的Nelder-Mead单纯形优化算法理论,借助Matlab对模型的结构参数进行优化。采用优化结果仿真得到的流量-压降特性曲线与期望特性曲线相当接近,验证了仿真模型的准确性和优化方法的有效性。     

基于AMESim的叠加式溢流阀故障仿真研究

工程中叠加式溢流阀常发生阻尼孔堵塞、弹簧失效或断裂等故障,为实现液压系统故障的在线监测与诊断,需对叠加式溢流阀进行性能分析。对叠加式溢流阀的数学模型进行了分析,基于AMESim中的Hydraulic Component Design(HCD)库搭建了其仿真模型,通过比较试验与仿真启闭特性曲线验证了仿真模型的正确性,研究了各种故障对叠加式溢流阀性能特性的影响。     

基于距离区分技术的工程机械液压油缸泄漏故障特征提取方法研究

针对液压油缸泄漏故障诊断的难点,提出一种基于距离识别技术的液压执行器泄漏故障诊断方法。提取采集到的压力信号的时域、频域、小波包能量特征、AR模型等初始特征参数;利用距离区分技术对特征参数进行选择;将提取的敏感故障特征输入到SVM中,检测不同程度的泄漏。结果表明：该方法能有效检测液压执行器的泄漏。     

宽带随机应力损伤计算误差分析及改进措施

基于疲劳损伤理论,研究信号分段影响宽带随机应力疲劳损伤计算精度的机理。研究表明,信号分段时将长周期大应力循环截断成小应力循环,以及峰谷值信号重组时将最大应力循环放大,是造成损伤计算偏差的主要原因。提出分段提取峰谷值,再将一定数量的分段峰谷值对接重组进行应力循环提取的信号处理方法。以某混凝土泵车为对象,测试实际工作状态下的应力历程,并采取不同信号分段方案验证该信号处理方法的可行性。研究对其他长周期应力循环占主导地位的宽带随机应力过程的损伤计算也有借鉴作用。     

基于EMD包络谱分析的液压泵故障诊断方法

在对液压泵常见故障模式进行分析的基础上,针对液压泵早期故障诊断时故障特征信号微弱且传统的包络分析需要预先依靠经验确定分析频段的问题,提出了基于经验模式分解(EMD)和包络谱分析的诊断方法。该方法首先将采集到的液压泵壳体的振动信号利用EMD分解为有限个固有模式函数(IMF)之和;然后对前几个IMF分量进行包络分析,并求出包含主要故障信息的包络谱;最后通过对包络谱的分析,判断液压泵的工作状态和故障类型。实验结果表明,该方法有效提取了液压泵的早期故障特征,准确实现了液压泵正常、滑靴松动、滑靴与斜盘磨损及缸体与配流盘磨损四种状态的分类,是进行液压泵故障诊断行之有效的方法。     

一种修正金属材料S-N曲线的新方法探讨

为了准确估算机械结构的疲劳寿命,基于非概率集合理论,提出了修正金属材料S-N曲线的新方法,与经验公式方法和实验概率统计方法相比,新方法客服了概率统计方法需要预先知道大量统计数据的缺点,且计算量小.并利用典型的数值算例进行了计算,结果表明利用新方法修正材料S-N曲线快速,准确.     

小波变换在液压油缸泄漏故障诊断中的应用

针对液压油缸泄漏故障诊断中压力信号特征提取的难题,提出了通过监测压力信号,基于小波变换能量特征和BP网络的故障诊断方法。该诊断方法将压力信号进行小波分解后得到的各频带信号能量作为特征向量,输入到BP网络分类器中进行故障识别和分类。实验结果表明,该诊断方法能有效识别无泄漏、轻微泄漏、严重泄漏的三种状态,是液压油缸泄漏故障诊断行之有效的方法。     

贝雷片拼装架桥机的设计与使用

介绍采用贝雷片拼装50t×30m双导梁架桥机的基本构造,总结了设计思路和设计要点。该架桥机操作简便,性能优良,实现了架桥的机械化、自动化,提高了工作效率,并确保了施工过程的安全。     

基于信息融合的高压大流量柱塞泵故障诊断试验研究

针对高压大流量柱塞泵依靠单一信息难以进行准确故障诊的等问题,进行了基于信息融合的柱塞泵故障诊断试验研究。采集了柱塞泵正常状态和8种故障状态下的振动信号和压力信号,然后利用经验模态分解(EMD)将振动信号分解到不同的频带并提取能量特征,提取了压力信号的时域特征,再将振动信号特征和压力信号特征进行融合,输入到支持向量机(SVM)中进行故障识别。结果表明,利用信息融合进行故障诊断的准确效果优于利用单一的振动信号和压力信号的诊断效果,可以有效地对柱塞泵的故障进行识别和诊断。