圆锥破碎机衬板磨损特征及破碎腔型演变过程分析

为研究不同时刻下圆锥破碎机衬板的磨损特征及破碎腔型的演变过程,基于衬板磨损理论,并结合挤压力破碎模拟实验,建立衬板表面破碎力分布模型。在利用超声波传感器测量定锥衬板磨损量的基础上,结合衬板磨损计算模型递推由定锥磨损量到动锥磨损量的转化关系,并引入衬板磨损量修正系数以提高计算结果的准确性。针对衬板磨损轮廓曲线拟合问题,提出一种动态加权修正方法,通过对比分析现场衬板实际磨损轮廓线,发现动锥衬板及定锥衬板加权修正后的相对误差分别降至1.9%和0.7%。结果表明：所提出的方法能有效利用传感器测量数据计算磨损后的衬板轮廓曲线,并实现对圆锥破碎机磨损腔型结构的预测。     

基于支持向量机和遗传算法的柔性砂带磨削刀具状态研究

砂带磨削过程中,磨粒的磨损会影响材料去除率以及零件表面质量.针对砂带磨削过程中刀具状态预测问题,采用基于支持向量机和遗传算法的预测模型实现砂带磨损状态的有效预测,并对预测效果进行仿真验证.简化砂带磨削工艺,构造磨削工艺数学模型.引入K值最近邻算法作为遗传算法的适应度函数,构造了基于支持向量机和遗传算法的预测模型.采用MATLAB数学软件对砂带进行实时仿真计算,并与采集的实验数据进行对比和分析.结果 显示,基于支持向量机和遗传算法的预测模型,预测的不同加工参数下的砂带磨损量与实验数据基本吻合,误差不超过8％.采用基于支持向量机和遗传算法的预测模型可以准确预测砂带的状态,有助于提升砂带利用率及精加工质量.     

壳体成形后最小厚度的确定

压力容器设计中图纸上常需注明壳体的最小厚度，主要目之一是便于制造厂控制壁厚。利用名义厚度中的圆整部分作为加工减薄量。通常的做法是将壳体的计算厚度δ与材料腐蚀裕量C2之和作为最小厚度提供给制造厂；将名义厚度的其余部分作为加工减薄量进行利用。实际上，壳体名义厚度中的圆整部分往往有一部分甚至全部已被用户开孔补强。若将δ＋C2作为最小厚度提供给制造厂，有可能壳体上的开孔补强不能满足要求，留下安全隐患，因此遇到这种情况时，应作更详细的分析及计算。1分析根据GB150-89《钢制压力容器》标准中式（6－1）与式（6-2），…     

一种基于超声波测厚数据的圆度评定及可视化

为了精确检测水下环境中某管子的外轮廓磨损,采用了水浸式超声波点探头周向布局的方式,通过采集各自所处位置的水层厚度,反求出对应轮廓点的位置信息,基于最小外接圆的圆度评定方法,结合标定后的探头夹具结构参数,对超声检测数据进行综合运算处理,考察管子轮廓的平均磨损量与局部磨损量,利用Matlab软件,对最小外接圆算法进行实现并对计算结果进行可视化表达.该方法可消除检测夹具的对中误差,并辅助快速发现缺陷的周向位置.     

基于Archard理论的浮动密封结构磨损特性试验研究

管线闸阀工作过程中，常常会因密封接触面的磨损而导致其密封失效。针对这一问题，以代号为Z943Y-300Lb的高压管线平板闸阀为例，对其浮动密封结构的磨损特性进行了理论推导、仿真分析和试验测试研究。首先，运用了任意拉格朗日-欧拉(ALE)方法和Archard磨损模型，对浮动密封结构启闭后的接触面磨损厚度进行了理论推导；然后，根据浮动密封结构特点，提出了以全局磨损量均方根值(RMS)为评价指标的方法；接着，利用ABAQUS软件，对浮动密封结构进行了摩擦动力学仿真分析，并研究了不同启闭次数、密封面宽度对浮动密封结构磨损特性的影响问题；最后，采用最小二乘法建立了高压管线平板闸阀密封面磨损量预测模型，预测磨损等厚度时所允许的磨损寿命，并根据试验测试结果对仿真结果的准确性进行了验证。研究结果表明：相对于其他区域，区域Ⅰ、区域Ⅱ的磨损量较大；启闭速度对闸阀密封结构的磨损寿命影响较大，随着启闭速度的增加，密封结构的区间磨损寿命呈现先增加、后减小的趋势；启闭速度为210 mm/s时，闸阀密封结构的磨损寿命最大；在一定的范围内，其磨损寿命随着密封面宽度增大而增加。该研究分析可为闸阀密封结构的优化设计及寿命...     

LS-SVM回归算法在刀具磨损量预测中的应用

提出了基于最小二乘支持向量机回归算法的刀具磨损量预测方法。该方法首先利用经验模态分解算法对非线性、非平稳的声发射信号进行平稳化处理,得到了若干个固有模态函数;然后建立了每个固有模态函数的自回归模型,并提取模型系数构造特征向量;最后采用最小二乘支持向量机回归算法实现了刀具磨损量的预测。该方法与神经网络预测算法相比,具有更高的预测准确率,可有效预测当前切削状态下10s后的刀具磨损量。     

改进粒子群算法和ELM的刀具磨损量预测

为了提高车刀磨损量预测模型的训练速度和在线预测精度,提出了一种基于改进粒子群算法（Improved Particle Swarm Optimization,IPSO）和极限学习机（Extreme Learning Machine,ELM）的刀具磨损量预测方法。采集车削加工中的声发射信号,利用小波包变换理论对信号进行降噪和特征提取,并通过主成分分析对提取的特征进行降维,选取其中对刀具磨损量敏感的特征值组成特征向量。建立基于极限学习机的刀具磨损量预测模型,并通过改进粒子群算法优化模型中的初始权值和阈值。实验结果表明：优化后的刀具磨损量预测模型相比于传统BP神经网络有更快的训练速度,同时改进后的粒子群算法有更好的寻优能力,提高了模型对于刀具磨损量的预测精度。     

改进灰色时序模型的石化装备齿轮系统磨损预测研究

重载齿轮系统在大型石化工业生产装置中应用广泛,由于石化装置长周期运行的特点,且装置运行工况恶劣,齿轮系统磨损严重,对其磨损状态的监测和预测分析可及时掌握齿轮系统运行状态,确保装置的安全可靠运行。灰色系统模型可预测齿轮系统磨损量的变化,而时间序列模型可对磨损量预测数据的残差序列进行分析,将两者联立建立新的预测模型,达到综合调整和修正预测数据的目的。然后,改进灰色模型权重系数μ,以预测值和原始值的离差平方和作为考察指标,确定最佳权重系数μ_(opt),提高灰色时序预测精度。通过某石化企业在用装置的重载齿轮系统铁谱监测数据作为样本,检验改进灰色时序预测模型效果,结果表明该预测模型的效果优于传统灰色时序预测模型。     

基于变步长自适应陷波器的在线检重抗振方法研究

针对检重秤运动部件与外壳之间的相对运动以及机械固有频率点在外力作用下发生的共振对称量信号造成干扰,提出一种基于箕舌线改进的变步长最小均方(LMS)自适应陷波(ANF)的检重秤抗振动方法。通过分析检重秤振动来源与振动特性,并在共振状态下与滑窗滤波、巴特沃斯低通、巴特沃斯陷波以及固定步长LMS陷波等传统抗振方式进行仿真和实验对比,证明变步长LMS自适应陷波器对振动干扰滤除具有准确性与优越性。同时,在多种速度下运用该方法并结合滑窗与非对称切尾均值滤波在实际检重平台对检重结果进行最终处理,实现平均误差≤0. 171 g,标准偏差≤0. 240%,满足XIII(1)等级。     

噪声主动控制中的自适应算法和传函识别研究

针对LMS算法在噪声主动控制中动态范围小和实时控制跟踪能力不强的缺点，提出了多误差改进的归一化变步长最小均方误差自适应滤波算法；采用了并存行在线辨识算法（POLI）有效地处理了自适应控制中次级传函识别的关键问题。     

变双曲圆弧齿线圆柱齿轮齿面磨损特性分析

磨损是齿轮的主要失效形式之一,研究其磨损特性对变双曲圆弧齿线圆柱齿轮的主动设计有指导意义.基于Hertz接触理论和Archard磨损计算通式,建立变双曲圆弧齿线圆柱齿轮的磨损模型,计算了齿面各点磨损量随工况参数和设计参数的变化规律.分析表明,变双曲圆弧齿线圆柱齿轮副齿面磨损沿齿廓方向从齿根到齿顶先减小后增大,且齿根区域的磨损量大于齿顶区域的磨损量,节圆附近磨损量最小;沿齿宽方向呈对称分布,中截面磨损量最大,从中截面到两端面磨损量依次减小.研究可为变双曲圆弧齿线圆柱齿轮的失效研究和寿命预测提供理论基础.     

复合修形设计对传动齿轮齿面磨损的影响研究

为减小齿面磨损量、改善其传动性能，提出了一种基于Sine-SSA-BP模型的复合修形设计方法，以探明修形设计对齿面磨损的影响。依据Archard磨损模型求解出齿面磨损量，以磨损阈值和许用磨损量为判据进行齿面重构和修形设计，并分别推导了新齿面坐标方程；同时，利用Sine混沌映射改进的麻雀搜索算法（Sparrow Search Algorithm,SSA）优化反向传播（Back Propagation,BP）神经网络，与传统BP模型进行对比，验证Sine-SSA-BP模型的精度，以此表征修形参数与磨损量之间的隐式关系，并进一步探究修形参数影响下齿面磨损量的分布规律；最后，迭代求解得出最佳修形参数值并进行齿轮修形设计，对比分析修形设计对齿面磨损量的影响。结果表明，复合修形设计后的齿面接触状态得到显著改善，磨损量明显下降。本文方法有利于减小齿轮早期磨损失效概率，可为齿轮抗磨设计和参数优化提供理论参考。     

滑板磨损量和弓网放电能量预测模型的研究及应用

利用环-块式载流摩擦磨损试验机模拟高速列车弓网系统的运行工况,分析弓网间接触压力、电流、滑动速度和运行时间对电弧放电能量与磨损量的影响。通过偏最小二乘法（PLS）建立电弧放电能量和滑板磨损量的预测模型,并分析各参数对滑板磨损量的贡献。结果表明：电弧放电能量对滑板磨损量的影响最大,其次依次为速度、时间和电流;对电弧放电能量贡献最大的是电流,其次分别为速度和时间,接触压力的贡献最小。基于建立的电弧放电能量和滑板磨损量预测模型,以滑板磨损量与电弧放电能量最低为优化目标,运用多目标优化理论中的理想点法,探索在一定行车区间内弓网参数的优化设置。     

基于异类信息融合的砂轮磨损状态监测

Inconel 718作为难加工材料，磨削时砂轮磨损较快，影响加工后工件表面质量。提出了基于磨削力信号和磨削振动信号两种异类信息的砂轮磨损状态识别模型，研究了不同磨损状态下磨削力和磨削振动的时域和频域特征，并提取71种与磨损状态相关的特征。采用核主成分分析法对原始特征集进行特征提取，选取方差累计贡献率为96%的前13个主元作为融合特征集，基于最小二乘支持向量机(LS-SVM)算法建立了砂轮磨损状态识别模型，并采用受试者工作特征曲线(ROC)和准确率两个指标对模型进行了评估，受试者工作曲线面积(AUG)为0.93,准确率可达93.6%。     

卡尔曼滤波修正LS-SVM的刀具磨损识别技术研究

针对刀具磨损状态先验样本少和常规神经网络识别模型收敛速度慢、易陷入局部极小值等问题,提出了基于最小二乘支持向量机(LS-SVM)的刀具磨损量识别技术,并针对模型输出存在系统误差而降低刀具磨损量识别精度的问题,引入卡尔曼滤波算法对时序监测结果进行修正,实现小样本下的刀具磨损量的精确识别。以车削加工为研究对象,采集加工过程中的切削力信号,应用小波包分析技术提取反映刀具磨损状态的特征信息,作为LS-SVM的输入样本,并对模型进行学习训练,完成对刀具磨损状态的识别,最后采用卡尔曼滤波修正其时序监测结果。实验结果表明:LS-SVM模型能高效地实现刀具磨损量识别,需样本数较少,训练速度快,通过卡尔曼滤波修正后的磨损量识别结果精度更高。     

航空发动机油样光谱分析的PSO-LSSVM组合预测方法

油样光谱分析是航空发动机磨损状态监测与故障诊断的重要技术,基于光谱数据的航空发动机状态预测有利于发现航空发动机的早期磨损故障。根据光谱数据特征,选取AR模型、BP神经网络模型以及GM(1,1)预测模型作为基础模型,建立了基于最小二乘支持向量机的组合预测模型,同时,用粒子群算法对LSSVM的正则化参数以及核函数参数进行了优化。最后利用两组实际的航空发动机光谱分析数据对模型进行了验证,与基础模型的对比结果充分表明,提出的带粒子群优化的最小二乘支持向量机(the Least Squares Support Vector Machines with Particle SwarmOptimization-PSO-LSSVM)的非线性变权重组合预测模型具有更好的预测精度。     

基于正交最小二乘学习算法的径向基函数网络设计

利用正交最小二乘（ＯＬＳ）方法给出径向基函数网络（ＲＢＦＮ）中心的选择算法；用ＯＬＳ学习算法选择ＲＢＦＮ中心，基本思想是以ＯＬＳ算法导出的误差下降速率指标为依据，按照每个正交向量对误差下降速率的贡献大小，依次选取作为网络的中心向量，所得到的网络不但具有唯一性，而且还有最少的中心数目；给出应用实例，实例说明，生成的网络规模小、速度快、而且能够避免数值病态情况的发生。     

插值改进EKF算法在组合导航中的应用

为了提高GPS/DR组合导航定位的精度和稳定性,提出一种基于插值公式的EKF（扩展卡尔曼滤波）改进算法。插值滤波算法继承了EKF实时递推结构,利用基于Stirling插值公式的差分方法代替EKF中非线性函数导数的计算。将插值公式展开的一阶项和二阶项作为函数近似分别得到DD1、DD2（一阶、二阶差分）滤波算法。插值滤波不必计算函数稚可比矩阵,大大降低了计算的复杂度,并改善了EKF算法中泰勒展开线性化造成的较大误差。根据GPS/DR组合系统的状态和观测方程,采用EKF、DD1和DD2滤波算法分别估计目标的状态信息。对比分析表明,插值滤波的精度和稳定性好于EKF算法,应用范围更为广泛。     

基于模糊基函数网络和自适应最小二乘算法的外圆纵向磨削表面粗糙度的预测

建立了外圆纵向磨削表面粗糙度的模糊基函数网络（FBFN）预测模型，网络的训练采用自适应最小二乘算法（ALS）。ALS将最小二乘算法和遗传算法相结合，能够自主学习，不用人为干预，FBFN和粗糙度的分析模型相结合，只需少量实验数据便可完成网络的训练，自动产生模糊规则，确定隐含层的节点数。仿真和实验结果表明，FBFN网络结构非常适合粗糙度的预测和控制，采用ALS学习方法比BP算法、传统的遗传算法和正交二乘法等能产生更好的结果。     

切槽车刀后刀面磨损预测模型的构建及参数辨识

对硬质合金切槽车刀车削加工钛合金环槽时的刀具磨损情况进行研究。运用正交实验法设计实验方案,采用数值计算,得到不同刀具几何参数刀具的后刀面磨损量。方差分析结果表明,刀刃钝圆半径对后刀面磨损的影响最为显著,后角次之,前角影响不明显。根据刀具几何参数对刀具后刀面磨损影响的显著性分析,选取影响显著的因素,建立刀具磨损速率预测模型,运用最小二乘法对模型进行参数辨识。检验预测模型回归方程的显著性,结果表明,预测模型置信度为99.5%,验证了模型的可信性。