细长轴磨削变形的变速优化智能预测控制研究

在建立细长轴磨削过程中工件弹性变形数学模型的基础上，打破了传统的恒速控制方法，提出了一种控制细长轴磨削弹性变形的变速优化适应控制策略：根据磨削系统沿工件轴向各点刚度的不同，通过不断改变工件转速和纵向进给速度，控制法向磨削力的变化，进而控制工件的弹性变形；同时，由一个神经网络预测系统和一个模糊控制系统实时控制加工过程中的磨削深度，进一步控制加工中由于砂轮磨损而引起的细长轴形状误差。仿真和实验结果表明：变速优化适应控制策略和模糊神经网络预测控制方法是可行的，可极大地提高磨削生产率，减小细长轴的形状误差。     

磨削过程优化及其计算机仿真

建立了变进给磨削过程磨削功率的数学模型，通过改变磨削控制进给率，使磨削功率在功率极限域内变化，从而提高了粗磨阶段的磨削效率。粗磨结束时，通过设置超调量和采用负进给回撤策略缩短光磨时间和提高工件的表面质量。利用计算机仿真，得出能够应用于实际磨削过程的最佳磨削方案，使磨削过程得到全面优化。利用仿真所得的最佳磨削方案对磨削过程进行了试验验证，结果表明所建模型的正确性和优化策略的可行性。     

链板参数的精密视觉测量

以电荷耦合器件(CCD)为图像传感器,建立了齿形链链板的测量系统,在图像处理的基础上,计算了齿形链链板的销孔直径及圆度误差、链板节距和两直边夹角.用厂家提供的标准样件对被测零件进行标定,在计算销孔圆度时,提出了用解析法求解最小区域的计算方法,在不损失效率的前提下提高了测量精度,消除了测量原理误差.实验表明,利用亚像素方法测量时,链板节距为6.299 mm,标准差为±0.005 3 mm;销孔直径为2.564 mm,标准差为±0.005 mm;两直边夹角为60.453°,标准差±0.003 75°;圆度误差为12.9μm.     

利用地震资料估算地层速度的精度分析

为了了解利用地震数据进行地层速度估算的适用性和可靠性,依据大港油田的测井数据和地质特征设计了一个典型地质模型。通过对正演模拟叠前地震波场的速度分析,讨论了地震速度分析误差对地层速度的影响,在此基础上,对实际地震速度与测井速度进行了分析对比。发现在将地震速度转换为层速度过程中,地震速度分析的误差被放大,这种放大效应会严重降低利用地震速度进行岩性检测的精度和可靠性。     

磁流变力矩传动装置的有限元仿真及试验

针对磁流变液的流变和相变双重特性进行了研究,阐述了其流变原理。通过ANSYS有限元数值方法对力矩传递模型进行了仿真分析,在此基础上,采用SG-MRF2035型号的磁流变液,研制出了间隙为1.5mm的磁流变力矩传动装置样机,并通过搭建的测试平台对样机进行了力矩输出性能试验。试验结果表明:该装置能够输出柔顺可控力矩,为磁流变液的广泛应用开辟了一条新途径。     

复杂地表煤田地震资料处理的关键技术研究

利用广义线性反演折射静校正和叠加能量最大剩余静校正解决由于地表因素引起的反射时差问题;用基于能量和时差调整的规则干扰压制技术消除与地表有关的干扰波;用基于频谱调制的地表一致性反褶积技术补偿激发和接收因素引起的地震记录频谱差异,增强地震信号在叠加剖面上的聚焦能力.结果表明,上述方案降低了地表因素对地震信号的能量、频率和传播时间的影响,在共炮点道集上,折射波同相轴的线性轨迹和煤层反射同相轴的双曲线轨迹被清晰地恢复出来.叠加剖面上煤层反射的旁瓣得到压制,主频提高了10 Hz,改善了地震资料描述煤层结构的能力.     

轴承感应拆装的计算机仿真研究

在研究轴承内环感应拆装的基础上,建立了感应加热过程中工件内电磁场和涡流分布的基本方程.通过MATLAB软件对被加热工件进行了电磁场和涡流分布的计算机模拟,形象描述了工件内电磁场的分布规律,证明了集肤效应的存在,为轴承感应拆卸装置的设计研究提供了理论依据.通过对感应加热过程中轴承内环内外表层温度的测试,间接证明了所建模型和计算机仿真的正确性.     

与炮检距有关的地层吸收对AVO分析的影响及其补偿方法

地震波在黏弹性介质中的吸收效应严重影响了地震波的动力学特征。对叠前地震数据而言,这种影响可以分为两部分：一部分是与深度有关的吸收影响;另一部分是与炮检距有关的吸收影响,其中对AVO分析的影响主要来自于与炮检距有关的吸收作用。在CRP道集中,通过计算非零炮检距地震道与零炮检距地震道的吸收差异,进行与炮检距有关的吸收补偿,消除了地层吸收对CRP道集横向反射特征的影响,提高了AVO分析和叠前地震反演的精度。     

新型结构可靠性分析自适应加点策略

为了在进行结构可靠性分析时,能够构建高精度、高效率的代理模型,提出了一种面向多种代理模型的基于通用学习函数(GLF)的结构可靠性分析自适应加点策略.该策略被视为一个多目标优化过程,GLF考虑了样本点间的平均距离和最小距离、是否分布在极限状态函数的附近以及联合概率密度函数等因素,使得自适应添加的样本点能稳健、高效地提升代理模型对失效概率的估计精度.数值案例和工程案例结果表明,针对不同的代理模型,GLF能够利用少量的样本点,高精度、高效率地估计出结构的失效概率.