高黏度齿轮泵运行与结构参数对泵内压力场影响

为解决高黏度齿轮泵普遍存在的噪声、寿命短等问题,针对影响泵内部压力场变化的因素进行研究,包括运行参数：介质黏度、转速、输出压力,结构参数：齿数。与普通齿轮泵相比,高黏度泵泄漏影响减弱,但困油现象引起的径向力不平衡、噪声高、寿命低的问题更加突出。通过CFD方法对高黏度齿轮泵输送介质过程中内部压力场进行全程模拟。结果表明:困油处压力变化范围随着介质动力黏度的增加而升高,升高速率与动力黏度呈指数关系,当动力黏度为3 Pa·s时,升高速率为 70 MPa/s,动力黏度为30 Pa·s时,升高速率达到 877 MPa/s;转速、输出压力与齿数的增加对泵内压力整体影响较小,但会引起困油处压力的迅速升高。“困油”问题是高黏度齿轮泵优化设计需要考虑的关键因素,合理增加卸荷槽尺寸、降低转速与出口压力、减小齿数是解决高黏度齿轮泵困油问题的有效途径。     

基于多重移位复用的轴承健康监测报警存储方法研究

旋转机械正朝着高速化、智能化、高性能方向发展,为及时发现早期故障,需要研发健康监测系统。报警存储用于分析故障原因,是系统核心。针对大多系统报警存储存在缓存时间长度随采样率变化、缓存数据丢失、单次报警等问题,提出一种基于多重移位复用的方法,将多个移位寄存器、队列和循环索引相结合并利用LabVIEW平台实现该方法。实验结果表明,该方法可以自动存储报警前后10 s内所有数据,解决了数据丢失、单次报警等问题。     

固溶、变形与时效复合处理对AZ61镁合金组织和硬度的影响

对AZ61镁合金进行了固溶处理、形变及时效处理的复合处理试验,研究了形变量及时效工艺参数对合金组织和硬度的影响规律。结果表明,AZ61镁合金经固溶处理后,原始组织中枝晶间的大部分网状的Mg_(17)Al_(12)第二相溶入α-Mg基体,形成了过饱和固溶体,合金硬度降低。经形变处理后,出现了形变孪晶组织,同时产生了加工硬化现象,其效果随变形量的增加而增大。将AZ61镁合金形变后再进行时效处理,由于镁合金的低层错能,又重新生成了再结晶等轴晶粒,再结晶之后的晶粒尺寸随形变量的增大而变小。在时效析出第二相的强化作用下,合金硬度随时效温度变化呈先升高后降低的趋势,峰值时效温度为200℃。     

基于阻抗匹配原则多层吸波材料研究进展

基于隐身技术在武器系统中的运用,针对阻抗匹配原理提出并设计了多层吸波材料,分别计算了单层、双层及多层结构吸波材料其自由空间与介质材料界面上的反射率,阐述了吸波材料的匹配特性及其对复合吸波材料吸波性能的影响,并介绍了多层吸波材料的研究进展。     

一种跨垄式草莓采摘车的设计

近年来,人工采摘成本的提高制约了经济水平的提高,设计智能水果采摘车势在必行。设计一种基于视觉的智能跨垄式草莓采摘车,重点对机械部分设计进行分析阐述,利用机器视觉技术对水果是否成熟进行分辨,能够在复杂的环境下进行工作。通过应用证明工作过程中,耗时短,性能稳定,可靠,采摘效率高。     

电磁平衡头齿盘齿形参数对自锁力矩的影响研究

针对电磁主动平衡头自锁力矩问题,通过大量仿真分析的方法,得出了磁盘参数对自锁力矩的影响规律.首先,根据磁路自锁原理,针对特定结构,将自锁磁路简化为由磁盘、永磁体和支撑环3个零件构成的结构并建立了三维模型;其次,借助有限元分析的方法,通过改变单一变量,分别计算了齿盘上不同齿数、齿长、齿边距、齿张角对自锁力矩峰值的影响;最...     

基于响应面分析法的粮食搬运RGV抓手优化设计

取货抓手是粮食搬运RGV完成存取货任务的重要组成部件,由于承载较重,抓手极易发生疲劳和变形.传统的设计方法主要靠实际经验确定抓手的关键尺寸,设计周期长、可靠性低.基于ANSYS软件并采用响应面分析法对抓手进行尺寸优化设计,以抓手的关键尺寸为设计变量,以降低最大等效应力、减小整体变形为优化目标,分析尺寸参数与优化参数之间...     

基于FDM和MED的滚动轴承故障诊断方法

针对滚动轴承早期微弱故障特征难以提取的问题,提出最小熵反褶积(MED)与傅里叶分解(FDM)联合降噪的方法。利用MED对采集到的滚动轴承振动信号进行处理以消除噪声影响,将降噪后的信号经过FDM得到若干傅里叶固有频带函数(FIBFs)。依据相关系数准则,选取故障特征信息较丰富的前3个分量进行重构,用包络谱对重构信号进行分析。实验结果表明,MEDFDM包络谱中特征频率及其倍频的幅值明显增大,噪声幅值减小,能有效地提取滚动轴承的早期微弱故障特征,且效果优于FDM。     

基于卷积网络的滚动轴承故障诊断研究

针对传统故障诊断方法不能有效识别滚动轴承振动信号且难以在振动信号中提取所需特征、预处理步骤过多和难以区分故障类型的问题,提出了一种新型卷积神经网络(CNN)模型。首先对传统CNN的激活函数和池化方式进行改进,然后以卷积长短时记忆(Conv-LSTM)作为卷积层。相比于传统的故障诊断方法,新型CNN模型可直接训练切片后的原始加速度振动信号,并可同时识别和分类出故障类型。SKF6005型轴承实验结果表明,新型CNN模型相对于纯CNN模型具有更好的分类效果和更高的分类准确度。