履带车辆振动谱测试与分析方法研究

分析了引起履带车辆振动的主要因素,建立了车辆运动过程动力学模型,分析了车速、路面激励与车辆振动谱三者之间的关系.通过对典型测点的振动加速度信号分析,得出影响该履带车辆振动的主要因素是行动部分传到车体的振动,与车速密切相关,而由动力传动系统传到车体的振动相对较小.在履带车辆减振设计时应主要考虑由车速引起的工作频率与车辆固有频率的耦合同题,同时改变车体多个局部构件的固有频率重叠亦可消除共振耦合现象,减小车体的振动量级,改善车辆人-机环境.     

基于滑模观测器的车辆半主动座椅悬架系统H∞最优控制

针对考虑人体模型的五自由度半主动座椅悬架系统,提出了一种基于滑模观测器的H_∞最优控制器。由于座椅悬架系统的未建模动态、参数不确定性和作动器未知输入在同一个通道内,所有扰动可视为集总干扰。通过结合低通滤波技术构造辅助变量,建立增广系统设计滑模观测器,成功实现了利用直接可测量加速度信息对集总干扰的估计,进而利用H_∞技术对滑模观测器估计误差和振动输入引起的干扰进行抑制。冲击工况和随机路面激励下的仿真结果表明：(1)滑模观测器能够精确估计座椅悬架系统的未知扰动;(2)带有滑模观测器干扰补偿的H_∞最优控制相较无补偿的H_∞控制和无控制,座椅悬架的性能指标与乘坐舒适性都有明显的改善。     

基于双谱熵模型的故障模式识别

提出利用双谱计算信号的双谱熵,并作为特征参量进行故障模式识别的方法。分析了振动信号双谱的特征,在子空间分布概率下,推导了基于能量分布的双谱熵计算方法。在理论推导分析的基础上,进行了某齿轮箱在4种工况下的振动信号提取实验,建立了齿轮箱故障模式识别BP神经网络。最后将双谱熵特征参量作为输入,对设置了4种故障工况的齿轮箱进行了故障模式识别,成功地判别了4种工况,验证了方法的有效性。     

基于EEMD-SVD与SVM的.轴承故障诊断

针对轴承振动信号具有非线性、非平稳性以及故障特征提取困难的问题,提出了一种基于EEMD-SVD与支持向量机的轴承故障诊断方法。首先,利用集成经验模态分解方法将轴承振动信号自适应地分解为多个本征模态函数分量。然后,根据峭度准则选取6个本征模态函数分量,并将其构成的矩阵进行奇异值分解得到特征向量。最后,将特征向量输入支持向量机进行故障诊断。利用凯斯西储大学的轴承数据进行了试验,并与BP神经网络进行了对比,结果验证了本文方法的有效性。     

基于电阻应变片的扭矩测量方法研究

电阻应变片式传感器是应用最广泛的传感器之一。将电阻应变片粘贴到各种弹性敏感元件上,可构成测量位移、加速度、力、力矩、压力等各种参数的电阻应变式传感器。     

基于ADAMS机械手的运动学仿真研究

在ADAMS软件中建立机械手的简单模型,并添加约束进行运动学仿真。通过ADAMS/PostProcessor,可得到机械手上任意一点的位移、速度和受力等方面的分析曲线。最后利用其末端位移、速度、加速度分析曲线为实际机械手控制提供重要的依据。