基于滑模变结构的柔性机械臂振动控制

目的为了消除柔性机械臂的弹性振动,保证机械臂稳定运行。方法以水平运动的单杆柔性机械臂为研究对象,建立动力学模型,并以此为依据运用奇异摄动法将动力学方程分解为慢变和快变2个子系统,对2个子系统分别采用反演滑模变结构和模糊控制的手段进行控制,最后利用ADAMS和Matlab软件进行联合仿真,将控制结果与传统PID控制进行对比分析。结果稳定时间、振动量、角速度、控制力矩都得到提高,此种控制方式与传统的PID控制相比,平稳时间缩短了75%。结论该控制方法能够很好地对柔性机械臂进行振动控制,且控制效果明显强于传统的PID控制。     

基于归一化8点算法的相机径向畸变中心校正方法

针对相机径向畸变中心定位误差的问题,提出一种方法对相机径向畸变中心校正,以实现相机径向畸变中心高精度定位。首先介绍了针孔相机和镜头畸变结合模型,其次提出了基于归一化8点算法和最小二乘法的相机径向畸变中心校正方法,得到校正精度为0.2915个像素(32.2562μm),最后通过实验验证了该校正方法的可行性。     

面向线路微风振动监测的可调频电磁式振动能量采集器

导线微风振动具有随机、宽频的特征,针对导线微风振动情况进行监测可防止断股、断线等灾害发生。目前微风振动传感器取电手段较单一,制约其可靠性的提升。文章设计一种基于改变梁长的可调频电磁式振动能量采集器,为丰富传感器的供能手段奠定了基础。器件的拾振结构由聚酰亚胺柔性梁和磁铁部分构成,且能够通过手动调节梁长的方式改变其谐振频率,使该能量采集器存在极大的调频范围。测试结果表明,在2.5～8.5 mm的梁长范围内,电磁式振动能量采集器谐振频率调整范围为24.5～73.3 Hz,在0.22 g加速度下输出电压峰峰值的变化范围为56.7～214.5 mV,为成为微风振动传感器的补充能源奠定基础。     

基于ICA独立分量分析的模态参数识别研究

阐述了模态识别原理和独立分量分析原理,说明了ICA混叠矩阵与模态频率之间的对应关系,将信号处理技术应用于机械系统动力学问题中。对XXX型弹体涂镀层厚度检测仪机架进行试验模态分析,对获取的振动信号采用不同的算法提取出机架的固有频率并进行对比,结果证明,基于ICA方法的模态参数识别方法可以得到较好的识别。获得的模态参数结果对于降低检测仪振动、保证检测仪稳定运行具有重要价值。研究结果对于仅可测得响应的机械系统模态参数识别问题,具有一定理论和实际意义。     

某轻卡变速箱箱体静动力学特性分析与结构优化

运用有限元仿真与测试实验相结合的方法,对某轻卡变速箱箱体进行优化。首先对变速箱箱体进行静力学与动力学有限元仿真计算,由此找出应力、应变较大的部位。以此为参考,布置测试实验的测点。对变速箱箱体进行了静、动力学的测试实验。修改了变速箱箱体的结构。由修改后的变速箱、发动机、支撑件建立轻卡动力总成结构的模型。导入有限元软件进行静、动力学分析。发现变速箱箱体应力最大数值减小了近50%,模态频率明显提高,证明了结构优化的合理性和有效性。     

三峡水电站过机水流指标检测下的水轮机磨蚀机理浅析

对三峡水电站左岸过水轮机水流的各项物理指标以及水轮机的磨蚀状况进行了监测,并以测得的各项物理指标与水轮机的真实磨蚀状况为基础对水轮机的磨蚀机理进行了浅析。分析得出了通过现场观察,数值模拟等手段可以较为准确的预测水轮机未来的磨蚀情况,也可为检修机制的转变提供依据。     

一种新型高速转子在线动平衡头

开发了一种节能的高速转子在线动平衡头：利用电磁场的耦合作用，无接触地在加重平面处形成与所需离心力等效的旋转电磁力，实现在线实时精密补偿；运用影响系数法控制策略，用旋转极坐标合成矢量力，使转子质心落回旋转中心；旋转电磁力消失，转子系统实现最终动平衡。通过ADAMS与MATLAB联合仿真，证明平衡后达到转子的平衡品质标准。     

基于MED-MOMEDA的风电齿轮箱复合故障特征提取研究

强噪环境下,齿轮箱复合故障中的微弱故障特征难以提取,因此提出了基于多点最优最小熵反褶积(MOMEDA)的复合故障提取方法。首先对最小熵反褶积(MED)和最大相关峭度反褶积(MCKD)两种方法进行改进,以多点峭度最大值为目标,对信噪比不同的仿真信号,通过设置合理的周期区间逐个追踪复合故障的周期成分,验证了此方法降噪性能;然后将MED-MOMEDA应用风电齿轮箱复合故障实验台中,成功提取出复合故障特征;最后用文中所提方法与EEMD对比分析进一步验证了此方法的可行性。     

基于MRE与特征类的轴承故障诊断方法

针对滚动轴承振动信号难以提取的问题,为实现故障特征准确分类目的。通过多尺度极差熵（MRE）和EigenClas融合,提出了一种MRE-EigenClass分类方法来诊断轴承故障模式。首先,MRE从不同状态下轴承的振动信号提取20个尺度的特征向量,最后将提取到的特征向量输入到EigenClass分类器,得到分类结果。实验证明,提出的MRE与EigenClass算法能有效提取滚动轴承振动信号的特征,并且实现高精度分类。与其他故障识别的分类器相比,本方法具有更高的故障识别准确率,识别精度达到98.86%。     

基于峭度的VMD分解中k值的确定方法研究

在变分模态分解(Variational mode decomposition,VMD)中,因为分解层数k值属于自定义变量,所以在取值时分解结果会随着k值的变化而得到不同的结果,k值的取值直接影响着结果的准确性,k值取得过大或者过小都会对结果造成影响。基于以上问题,提出了一种利用峭度确定k值的方法。选取k值为2~n的整数,计算当k值为2~n时,每一个k值相关系数最大分量的峭度,并绘制峭度的变化曲线,若在该曲线内峭度没有峰值且单调递增,则继续计算当k为n+1时相关系数最大分量的峭度值,重复以上步骤,以峭度最大作为优化的标准,当峭度最大的时候,k为最佳值。用实际故障信号验证了方法的可行性,为VMD方法的研究提出了一种新的思路。