基于熵-流特征和樽海鞘群优化支持向量机的故障诊断方法

针对旋转机械设备故障特征提取困难的问题,提出一种熵-流特征和樽海鞘群优化支持向量机(salp swarm optimization support vector machine,SSO-SVM)的故障诊断方法。利用改进多尺度加权排列熵(improved multiscale weighted permutation entropy,IMWPE)提取机械设备不同工况下的故障特征;采用监督等度规映射(S-Isomap)流形学习进行降维处理,获取低维的熵-流特征集;将熵-流特征输入至SSO-SVM多故障分类器进行识别与诊断。行星齿轮箱故障诊断实验分析结果表明:IMWPE+S-Isomap熵-流特征提取方法优于现有的多尺度排列熵(multiscale permutation entropy,MPE)、多尺度加权排列熵(multiscale weighted permutation entropy,MWPE)和IMWPE等熵值特征提取方法以及IMWPE+等度规映射(Isomap)和IMWPE+线性局部切空间排列(linear local tangent space alignment,LLTSA)等熵-流特征提取方法;樽海鞘群算法对支持向量机参数寻优效果优于粒子群、灰狼群、人工蜂群和蝙蝠群等算法;所提故障诊断方法识别精度达到100%,能够有效诊断出行星齿轮箱各工况类型。     

基于SolidWorks与ADAMS的章动减速器动力学仿真及动态特性分析

章动齿轮传动是一种具有广泛应用前景的新型行星传动。为提升章动减速器的使役性能,需明确其动力学特性。以双侧双级弧齿锥齿轮传动章动减速器为研究对象,基于SolidWorks平台完成了该型减速器的三维建模与虚拟装配。借助ADAMS建立了双侧双级弧齿锥齿轮传动章动减速器的多体动力学模型,并据此对减速器进行了动力学特性仿真。仿真结果表明,各齿轮的转速及啮合力与理论计算值一致,表明所建模型能正确性预估减速器的动态特性,从而为章动减速器的动力学特性分析及参数优化设计提供了模型基础。     

基于离散模型的内超环面齿轮干涉检验方法

针对内超环面齿轮齿面加工局部和全局干涉现象,提出一种干涉检验方法,有效地避免了加工干涉。通过干涉检验面簇的引入和干涉检验线簇的构造,将内超环面齿轮齿面和刀具扫掠体离散化。运用内超环面齿轮齿面和刀具扫掠体离散模型,通过截平面处刀具中心的求解,确定内超环面齿轮齿面加工局部和全局干涉区域。通过实例分析进一步验证了内超环面齿轮齿面加工干涉检验方法的可行性。     

需求/结构映射的灰关联相似性匹配与求解

产品概念设计过程中,为准确获得满足需求的结构方案,提出需求/结构映射的灰关联相似性匹配与求解方法。在灰关联相似性匹配与求解的两级实例推理模型中,设计了需求转化和功能求解的分层次灰关联求解映射策略。建立规范的需求/功能编码形式,并设定初步检索规则,缩小实例检索范围;设定差异信息比较规则,采用灰关联分析进行实例匹配,将需求和功能权重引入灰关联度的计算公式,使得推理求解符合概念设计的实际应用,自动获取产品概念设计的结构方案。通过在花蛤采收机和包装粉碎机设计中的应用,验证了该模型的有效性和可操作性。     

杆件环路代码的运动链同构识别

针对平面机构运动链的特点,在研究了其结构不变量的基础上,基于杆件环路代码提出了新的运动链结构恒量,该恒量将杆件的级别、运动副数目以及各杆件的连接关系考虑在内。据此提出了利用该恒量对运动链进行同构识别的方法,该方法具有高效可靠、应用简便等特点。     

超环面行星蜗杆传动的运动学和动力学仿真

建立了超环面行星蜗杆传动的啮合坐标系统以及中心蜗杆和内超环面齿轮齿面的数学模型,完成了超环面行星蜗杆传动减速器各零件的三维实体建模和减速器整机虚拟装配,在此基础上,完成了基于超环面行星蜗杆传动减速器的运动学和动力学仿真。     

电动轮驱动电动汽车用减速器的发展与挑战

电动轮驱动技术颠覆了传统汽车的驱动方式,代表着未来电动汽车的发展方向,尤其是带有减速装置的电动轮,因其具有结构紧凑、输出转矩大、效率和比功率高等优势,有着巨大的发展潜力。简述了电动轮驱动电动汽车用减速器(轮边减速器和轮毂减速器)的概念、工作原理、技术特点以及适合类型。简述了国内外轮边、轮毂减速器的应用研发现状。给出了3种常见电动轮减速驱动汽车的性能指标以及减速器形式建议。归纳了阻碍轮边、轮毂减速器发展的共性问题,并针对轮边减速器发展瓶颈问题总结出相应的解决对策。展望了轮边、轮毂减速器未来的发展方向与面临的挑战。     

基于B 样条曲面插值误差控制的内超环面齿轮齿面建模

针对内超环面齿轮齿面数控加工精度难以保证的问题,提出一种基于B 样条曲面 插值误差控制的内超环面齿轮齿面建模的方法。该方法以内超环面齿轮理论齿面原型为依据, 运用B 样条曲面构造插值曲面,计算插值曲面片与理论齿面之间的误差。通过插值误差分析, 根据误差分布特点,将型值点网格不断细化,获得一组型值点阵,经插值重构后可得到满足精 度要求的内超环面齿轮齿廓模型。最后,通过数控加工验证了建模的有效性。基于B 样条曲面 插值误差控制的内超环面齿轮齿面建模方法为获得高精度的内超环面齿轮实体模型奠定了理 论基础。     

基于图像压缩传感的光学单点成像系统

压缩传感理论(Compressive Sensing,简称CS)以远低于奈奎斯特采样频率对稀疏信号进行全局观测,通过少量观测值即可准确重构原始信号,突破了香农采样定理的瓶颈,使得宽带信号和高分辨率信号的采集成为可能。目前压缩传感理论大都停留在理论研究和仿真阶段,鲜有涉及将该理论硬件化进行实践应用。文中介绍了最小均方差线性估计(MMSE)算法,通过与常用重构算法的仿真重构对比,突出了MMSE算法的优越性,证明了该算法在低采样率下重构质量较高,且具有较好的实践应用潜力。并进一步搭建了光学单点成像系统对压缩传感理论进行应用研究,实验表明该系统成像效果良好,具有较好的应用价值。     

基于循环编码生成对抗网络的小样本辨识方法

针对在特殊领域中小样本数据难以通过训练被分类管理的问题,提出一种基于循环编码生成对抗网络的小样本辨识方法.首先,对小样本进行混叠循环编码,建构包含小样本深层信息的隐向量;然后,搭建一种循环生成对抗网络模型,对小样本生成扩充并通过极限学习机网络进行训练辨识;最后,结合算例,与传统生成对抗网络、深度信念网络及合成少数类过采...