分形粗糙表面特征长度尺度参数小波识别法

通过对W-M函数模拟轮廓进行db2小波分解,发现其小波分解系数呈现出明显的规律性这一重要特点,基于此,提出由小波分解来识别粗糙表面轮廓特征长度尺度参数G的一种新方法,并与功率谱密度法等4种方法对W-M函数模拟轮廓、分形布朗运动模拟轮廓以及实际机械加工表面轮廓特征长度尺度参数的计算结果进行对比,结果表明,由于所采用计算方法不同,导致计算结果表现出极大的差异性,不在同一个数量级上。对W-M函数模拟轮廓,提出的小波识别法计算结果最接近于理论值,其余方法在数量级上不同于理论值,都有随分形维数减小而误差增大的趋势。功率谱密度法计算误差最大,远超过理论值,方程组法次之,其次是结构函数法,文献[6]的公式计算误差较小。对分形布朗运动模拟轮廓,小波识别法与文献[6]的公式以及结构函数法计算结果接近。对实际轮廓的计算,小波识别法与文献[6]的公式计算结果相近。总体上,小波识别法与文献[6]的公式计算结果较为接近,说明分形粗糙表面轮廓特征长度尺度参数小波识别法是一种非常有效的方法。     

考虑硬度变化的结合面法向接触刚度分形模型*

基于分形几何理论,考虑微凸体因应变硬化而造成弹塑性变形阶段硬度随变形量变化而变化,建立结合面第一、第二弹塑性变形阶段单次加载刚度分形模型。推导出在计入硬度变化的情况下,单个微凸体在弹塑性变形阶段法向接触刚度与接触面积之间的关系式,进而得出结合面在弹塑性变形阶段法向接触刚度与接触面积、接触载荷之间量纲为一的关系式,并通过仿真分析得出相关参数对结合面法向接触刚度的影响。仿真结果显示:考虑硬度变化时,结合面量纲一法向接触刚度的值与法向实际接触载荷、实际接触面积之间存在关系;结合面法向接触刚度随着分形维数D的增大而增大;分形维数一定时,结合面法向接触刚度随表面长度尺度参数G值增大而增大。     

临界接触参数连续的粗糙表面法向接触刚度弹塑性分形模型

基于MB接触分形理论及其修正模型,在弹性和塑性接触变形机制基础上,考虑弹塑性过渡变形机制,建立了临界接触参数连续条件下的计及微接触面积分布域扩展因子影响的粗糙表面法向接触刚度弹塑性分形模型;数值仿真结果表明:弹塑性过渡变形机制对法向接触刚度影响明显,且考虑弹塑性过渡变形机制下的法向接触刚度大于仅考虑弹性和塑性接触机制下的对应法向接触刚度;无量纲法向接触刚度随着无量纲法向接触载荷的增大而增大且因分形维数取值不同而呈凸弧性的非线性关系(分形维数D=1.1~1.4)或近似线性关系(分形维数D=1.4~1.9),随着分形维数的增大而增大(分形维数D=1.1~1.5)及分形维数的增大而减小(分形维数D=1.5~1.9),随着分形粗糙度的增大而减小,随着塑性指数的增大而增大。     

飞刀粗加工蜗轮时实际工作后角的研究

飞刀广泛应用于单件小批，大模数蜗轮的加工中，为了避免飞刀加工蜗轮过程中可能出现的加工抗刀现象并保证蜗轮齿面的加工质量，必须控制飞刀左右侧刃的实际工作后角不致过小。文章在理论分析的基础上给出了当飞刀径向进给粗加工蜗轮时飞刀左右侧刃工作后角的计算方法，并用实际算例进行了验证。     

基于遗传算法的圆柱齿轮变位系数的优化选择方法

合理地选择和分配齿轮传动机构中两齿轮的变位系数 ,能较大幅度地提高其齿面接触疲劳强度与齿根弯曲疲劳强度 ,减轻齿面磨损及防止胶合 ,从而设计出承载能力大、效率高、体积小、重量轻的齿轮机构。鉴于遗传算法的特点 ,提出了基于 GA的圆柱齿轮变位系数的优化方法 ,优化计算实例说明了该方法的可行性     

基于Tent映射的混沌粒子群优化算法及其应用

针对基本粒子群优化算法在迭代后期易陷入局部最优而出现早熟收敛的现象,基于混沌搜索的全局遍历性、随机性和规律性的特点,以粒子群群体适应度方差作为粒子群优化算法早熟收敛的判据,将Tent映射作为混沌搜索引入到基本粒子群算法中,对以一定概率随机选择的粒子群中的部分粒子实施混沌搜索,利用混沌特性提高种群的多样性和粒子搜索的遍历性,从而使粒子获得持续搜索的能力,提高了粒子群优化算法的全局搜索能力和抗早熟收敛性能.几个典型测试函数的仿真实验和应用实例均证明了该算法的可行性.     

并联机床及其前景展望

分析了几种典型的并联机床的结构特点，对并联机床的发展前景进行了展望，指出了并联机床需要进一步研究的一些问题。     

一种新的减振降噪声学功能材料——声子晶体

介绍了声子晶体的基本理论和主要特征、研究概况及其在振动与噪声控制方面广阔的工程技术应用前景,并对其未来的研究作了展望。     

自适应差异演化算法及其应用

差异演化(Differential Evolution,DE)算法是一种基于群体差异的演化算法,具有良好的优化性能,但是对于高维复杂函数,DE算法易早熟收敛。为此,在对DE算法参数分析的基础上,提出自适应缩放因子及自适应交叉率两个概念,进而提出一种自适应差异演化(Adaptive Differential Evolution,ADE)算法。利用群体差异度对DE算法进行分期,一方面使缩放因子在前期较大,在进化的中期先变小,后增大,在进化的后期,缩放因子较小;另一方面使DE算法的交叉率在前期较小,中期在一定范围内随机取值,进化后期较大。仿真实验结果与工程应用实例表明,ADE算法在收敛速度和全局搜索能力方面得到了较好的平衡,不仅保证了ADE算法的收敛速度,而且具有较好的全局搜索能力。     

多种群协作差异演化算法及其应用

针对差异演化算法在求解高维、多峰问题时易陷入局部最优解发生"早熟"的缺陷,提出多种群协作差异演化算法。该算法将种群划分为多个子种群并设置一个精英群,精英群由子种群的最优个体产生,并与群体最优解进行竞争,子种群的最优个体只与精英群个体竞争而不与群体最优解竞争。构建了两种不同邻域结构的多种群协作差异演化算法,仿真结果及工程应用实例表明了算法的有效性。