基于灰色神经网络模型的强力旋压连杆衬套屈服强度预测

强力旋压连杆衬套的力学性能与旋压参数之间的关系复杂,难以用较为系统的数学公式进行表达。为科学准确预测连杆衬套的屈服强度,采用灰色系统理论,选取旋压工艺参数作为系统相关因素,建立预测连杆衬套屈服强度的GM(0,3)模型,经过后验差检验,模型精度二级,平均相对误差为3.25%。为提高模型精度,利用RBF神经网络对预测残差进行修正后,将模型精度提高为一级。在将外来数据回代检验时,GM(0,3)+RBF模型预测结果相对误差在1%左右。研究结果表明:利用灰色理论建立的GM(0,3)+RBF模型能够较精确的预测连杆衬套屈服强度,且预测能力较强,建模简单快速。     

薄壁衬套加工夹具设计

对某薄壁衬套进行加工工艺分析,需要为加工油槽和铣两个10°的斜面设计一套专用夹具。根据零件精度要求和工序设计了一套底座为斜面的加工中心专用夹具,该夹具具有快速装夹、定位等功能,提高了生产效率,降低了加工成本。     

基于Simufact筒形件强力旋压与变薄拉深成形质量研究

为了得到较高成形质量的筒形件,采用有限元数值模拟的方法对强力旋压与变薄拉深两种筒形件成形工艺进行分析,使用锡青铜杯形件作为研究对象,利用Simufact有限元仿真软件对同一毛坯进行两种不同成形工艺的数值模拟。以连杆衬套成形件的内径扩径量、外圆度误差、外轴线直线度误差、内轴线直线度误差与喇叭口长度为成形质量评价指标,选取最佳成形工艺,并对仿真可靠性进行试验验证。结果表明,就锡青铜的三旋轮错距强力旋压与三次连续变薄拉深而言,变薄拉深工艺的尺寸精度略优于强力旋压工艺,且变薄拉深工艺形成的喇叭口较短,材料利用率高,适用于单一型号连杆衬套的大批量生产。     

基于RBF神经网络的连杆衬套强力旋压轴线直线度预测

为了实现对连杆衬套强力旋压轴线直线度误差的预测,从而改善连杆衬套的性能,基于MATLAB平台,建立了减薄率、进给比、首轮压下比与轴线直线度误差之间的RBF神经网络模型。用仿真数据对其进行训练,然后预测内、外轴线的直线度误差。并将预测值与仿真值比较,得出RBF神经网络预测误差百分比,与实测值进行比较,验证RBF神经网络在实际生产中的预测性能。再与同样条件下所建立的BP神经网络预测误差百分比对比。发现RBF神经网络可以用来预测连杆衬套强力旋压轴线的直线度误差,并且比BP神经网络收敛速度及学习速率更高,训练过程更稳定,预测精度更高。     

基于响应曲面法的错距旋压连杆衬套各旋轮工作圆弧半径的研究

以锡青铜筒形件为研究对象,以成形质量(内径扩径量、外圆度误差、直线度误差)为评价指标,运用Simufact有限元仿真软件对错距旋压过程进行数值模拟,采用响应曲面法对错距旋压成形的各旋轮工作圆弧半径进行分析,分析了每个旋轮工作圆弧半径大小对成形质量(内径扩径量、外圆度误差、直线度误差)的影响,得出最优的旋转工作圆弧半径大小顺序并对其值进行优化,再以实验进行验证。结果表明:各旋轮工作圆弧半径大小顺序为旋轮1旋轮2旋轮3时,成形质量最好,且当旋轮1工作圆弧半径为6 mm、旋轮2工作圆弧半径为5mm、旋轮3工作圆弧半径为4mm时,经强力旋压得到高成形质量的锡青铜连杆衬套。     

枪弹初速激光测试系统方案设计

叙述了利用激光光幕测试枪弹初速的基本原理，并对激光光幕的形成，睡的实现，利用微机进行高精度测速，机械装置的实现等提出了一套可行的方案。在机械装置具有足够高精度的前提条件下，该测试系统能够实现间初速的测试。     

用两种软件对比分析四缸发动机振源

针对某直列四缸发动机,利用MATLAB和ADAMS两种软件分别对其进行振源分析。首先通过理论分析初步确定该机的主要激振源:二阶往复惯性力和倾覆力矩,利用MATLAB软件对激振源的时频域特性进行研究。然后应用ADAMS软件对该发动机进行动力学仿真,在后处理中选择适当位置的测量信息,经过进一步分析确定该机的激振源类型及其时频域特性。将用ADAMS分析得到的结果与MATLAB分析得到的结果进行对比,其一致性良好,从而验证两种分析方法的正确性。分析结果为进一步对该发动机进行振源控制提供必要的数据参考。     

滑动轴承外径面表面粗糙度的数值模拟与分析

基于滑动轴承外径面表面粗糙度对其过盈配合的性质会产生一定影响的假设,提出了一种通过自底向上建模的方式和APDL语言编程构造出符合Gauss分布的表面形貌三维模型的新方法,其利用轮廓算术平均偏差和标准差的关系,以及Gauss随机数生成函数模拟了滑动轴承外径面的表面粗糙度,对计入和不计入其表面粗糙度的滑动轴承过盈配合进行了仿真分析,结果表明:滑动轴承外径面的表面粗糙度在一定程度上影响着滑动轴承过盈配合的性质。