导电加热切削最佳加热电流数据库及其插值算法

建立了一个导电加热切削最佳加热电流数据库，并将插值算法应用到该数据库中。     

基于变矩阵结构奇异值分解的信号分解算法

矩阵结构对奇异值分解的信号处理效果有重要影响,改变传统算法中矩阵结构固定的思想,提出在奇异值分解中采用变化的矩阵结构,每分解一次,矩阵结构就改变一次,以适应信号中不同的周期性分量。每次的分解都将上一层的信号分解为主、副两个分量,提取副分量,而对主分量再次进行变矩阵结构的奇异值分解,如此反复进行,最终将原始信号分解为一系列主、副分量。信号处理实例表明,这一方法具有良好的信号分离效果,能够实现信号中不同周期性分量的有效分离。     

柔性椭圆轴承故障频率分析与CMWT-FH特征提取

柔性椭圆轴承（Elliptically shaped baring,ESB）在工作中承受循环交变应力载荷,是谐波减速器中最易损坏的核心零件。根据ESB的运动学特性,推导其滚道表面发生局部缺陷故障时的特征频率公式。由于其故障特征容易被长短轴交替产生的振动激励信号所掩盖,提出连续Morlet小波变换（Continuous Morlet wavelet transform,CMWT）与基于FFT的Hilbert频谱分析（FFT based Hilbert,FH）结合的CMWT-FH故障特征提取方法。与普通FH方法的特征提取效果对比分析,CMWT-FH方法可以更容易、更准确地识别出ESB的故障特征频率及其边频带频率：外圈故障时,外圈故障特征频率及其高次倍频两侧存在间隔为二倍转频调制频率的边频带;内圈故障时,内圈故障特征频率及其高次倍频两侧存在间隔为转频调制频率的边频带。可结合故障特征频率及调制边频带来判断故障出现在外圈还是内圈。     

基于小波变换的轴承振动特征波形分离

轴承的振动信号中包含了轴承的损伤信息,本文研究利用小波分析方法对这些损伤信息波形特征进行分离.对一个轴承振动信号的处理实例表明:小波分析方法分离出了轴承的冲击振动波形特征、调制波形特征、二倍频振动波形特征,并由此确定了轴承的滚道和滚珠存在损伤、内外圈存在平行不对中等故障现象,取得了传统的傅里叶分析无法得到的结果.     

导电加热切削切削区加热电阻和切削用量的关系研究

提出了导电加热切削切削区加热电阻的组成及其测量方法,并对它和切削用量的关系进行了研究和分析,指出发削区加热电阻能作为切削状态的识别参量,从而为进行加热电流的自动控制提供了依据。     

流体支点浮瓦轴承初始工作机理分析及单瓦承载浮起特性研究

开展自生静压流体支点浮动可倾瓦轴承的润滑机理及浮起特性研究.首先推导考虑内层静压孔与外层静压腔之间的流量连续方程,提出内外层油膜厚度公式.采用有限元方法求解内层动压润滑与外层流体静压润滑Reynolds方程,分析了流体支点浮动瓦轴承初始工作机理,得出轴瓦浮起需要满足两个要求的重要结论:第一轴瓦外层具有一定的初始间隙,第...     

导电加热切削切削区加热电阻模型及试验分析

分析现有一种加热电阻模型的不合理性,针对切削区的变形特点,提出一种符合实际变形情况的加热电阻模型,从理论上建立该电阻三个组成部分与刀具角度、切削用量、变形系数等计算公式.根据加热回路的特点,提出一种对加热电阻的精确检测方法,结果表明,此电阻随切削深度、进给量的增大而减小,而随切削速度的增大而增大,验证了理论分析,进而建立了该电阻和切削用量三要素的经验公式.通过对加热电阻的检测可以判断切削用量的变化状况,进而实现对加热电流的自动调整.最后指出,在加热电阻的三个组成部分中,材料电阻和扩展电阻对改善材料的切削加工性起关键作用,而刀-屑接触电阻则会加剧前刀面的磨损.     

轴承故障的自适应小波神经网络分类

提出了一种用于故障分类的自适应小波神经网络,网络第一部分利用小波伸缩平移系把信号分解到不同频道上进行特征提取,第二部分对提取的特征信息进行学习或判断.推导了该网络的学习算法,并应用其对轴承进行了故障分类,结果表明该网络分类准确,可靠性高.     

基于自适应小波神经网络的故障分类

结合小波变换和社会网络理论,提出了一种自适应小波神经网络,网络在学习过程中对小波的尺度参数和平移参数进行自适应调整,最大限度地对信号进行特征提取,并研究基于自应小波神经网络的机械故障分类方法,对轴承的分类实例结果表明该网络分类准确、可靠性高。     

小波包分析在轴承早期故障诊断中的应用

为了识别轴承早期损伤引起的故障信号,利用小波包对轴承的振动信号进行处理。小波包分析的实质是对小波分解的结果作进一步细分,因而具有比小波分解高得多的频域分辨能力。文中用小波包分析了两个存在早期轻微损伤的轴承的振动信号,并比较了自然序、Gray序以及移频算法的处理结果。这些分析结果表明,小波包分析能够有效地将隐藏在正常振动信号之中的早期弱故障信号提取出来,从而发现轴承的早期损伤。