基于金属熔覆三维成型的机械手指研究与设计

文中介绍了基于三维打印的激光熔覆技术(LMD),用于机械手指的成型和修复缺损部分。以金属表面强化与修复为工程应用背景,从理论分析和实验两个方面,研究激光熔覆再制造的工艺,通过大量的数据揭示多种工艺参数对成型质量的影响。在分析比较SLA、SLM、SLS技术原理的基础上,重点阐述LMD技术的特点,分析影响金属成型质量的关键因素——稀释率。借助于测量仪器对实验数据进行记录和分析,结合理论得到较为准确的实验参数,并分析实验过程中所产生问题的原因,经理论与实际相结合,验证得出最优参数。     

LMD方法在脑电信号处理中的应用研究

局部均值分解(LMD)是一种新的非线性非平稳信号处理方法,该方法具有较强的自适应性,能将复杂信号分解为一系列具有物理意义的PF(production function)分量。但在信号分解过程中会产生端点效应,这将影响LMD分解精度,严重时会导致信号失真。在详细分析了LMD产生端点效应的原因之后,提出了一种基于相似波形加权匹配的端点延拓算法。通过对视觉诱发脑电信号进行仿真,并且和不做延拓的LMD分解结果做对比,说明该方法能够有效抑制LMD的端点效应,取得较好的分解效果。     

轴承振动信号采集分析系统设计与实现

准确采集振动信号信息是轴承故障诊断的关键,利用传感器采集振动信号数据,经A/D转换后传输至STM32微控制器,STM32控制Wi-Fi模块将数据发送至PC,采用局部均值分解(LMD)方法对采集的振动数据进行分析处理,实现对滚动轴承运行状态的远程监控.实验结果表明:系统能够对滚动轴承振动信号进行精准采集和分析,传输性能好、速度快,适合在工业行业推广使用.     

步进电机恒流驱动电路设计

针对步进电机在恒压驱动控制中,高频条件下容易出现电机失步,造成无法正常运转的情况,设计了基于LMD18200的电流滞环驱动电路。通过对步进电机功率放大器电路的常见形式进行研究,分析恒压与恒流驱动电路设计上的差异,理论上推导恒流驱动稳定电流及波动频率等特性。利用Matlab仿真对比恒流与恒压驱动电路相电流的上升速度,说明两种方式下平均输出力矩以及运行频率情况。以电机驱动集成芯片LMD18200实现两种驱动方式的硬件电路,分别对型号TS3641N1E2的负载电机进行测试。在不同的运行频率下,根据两种驱动电路的相电流以及运行状态,验证步进电机恒流驱动电路设计满足空间光学遥感器机构控制的要求。     

爆破振动信号的局部波分解方法

针对爆破振动信号具有非线性、随机性较强的特点,提出利用局部波分解(Local Mean Decomposition,LMD)处理并分析爆破振动信号。结合露天铁矿逐孔起爆方式下爆破振动测试信号分析,研究信号的时频及能量分布特征。结果表明:LMD方法能完整地分解重构爆破信号,有效减少模态混叠现象,更加真实反映信号的原始信息;相比经验模态分解方法(Empirical Mode Decomposition,EMD)、LMID方法的端点效应轻微,具有较高的解凋精度;LMID方法可以精确分析振动能量的分布规律,有利于进一步识别爆破本身的力学作用特征。     

LMD的LabVIEW实现及其在齿轮故障诊断中的应用

将局部均值分解(local mean decomposition,LMD)算法在LabVIEW平台上加以实现,开发出LabVIEW的LMD模块。为减小误差,采用三次样条插值法代替滑动平均法来获得局部均值函数和包络估计函数,用形态学滤波算法得到瞬时频率和瞬时幅值的平滑曲线,并通过仿真信号验证LMD算法对于多分量信号的分解能力。最后,利用开发的模块对实测齿轮磨损、断齿故障信号进行分析,成功提取出故障特征频率信息,结果表明开发的LMD模块可以有效应用于齿轮故障的诊断。     

基于形态学的一种齿轮故障特征提取方法

针对数学形态学滤除白噪声能力不足的问题,提出了奇异值分解（ SVD）、局域均值分解（ LMD）和数学形态学相结合的特征提取方法。将信号进行奇异值分解,对分解后的主要成分取均值,然后进行局域均值分解,选取主要分量求和重构,再用形态学差值滤波器提取故障信号的频率特征。通过数值仿真试验和齿轮局部故障模拟实验,结果表明：该方法能够清晰地提取出故障信号的频率特征,并与奇异值分解形态滤波法相比较,证明了该方法的有效性。     

A new rotating machinery fault diagnosis method based on improved local mean decomposition

A demodulation technique based on improved local mean decomposition (LMD) is investigated in this paper. LMD heavily depends on the local mean and envelope estimate functions in the sifting process. It is well known that the moving average (MA) approach exists in many problems (such as step size selection, inaccurate results and time-consuming). Aiming at the drawbacks of MA in the smoothing process, this paper proposes a new self-adaptive analysis algorithm called optimized LMD (OLMD). In OLMD method, an alternative approach called rational Hermite interpolation is proposed to calculate local mean and envelope estimate functions using the upper and lower envelopes of a signal. Meanwhile, a reasonable bandwidth criterion is introduced to select the optimum product function (OPF) from pre-OPFs derived from rational Hermite interpolation with different shape controlling parameters in each rank. Subsequently, the orthogonality criterion (OC) is taken as the product function (PF) iterative stopping condition. The effectiveness of OLMD method is validated by the numerical simulations and applications to gearbox and roller bearing fault diagnosis. Results demonstrate that OLMD method has better fault identification capacity, which is effective in rotating machinery fault diagnosis.     

基于FA-SR与LMD的滚动轴承故障检测

由于噪声的严重影响,滚动轴承故障特征的提取颇为困难。针对该问题提出了基于改进的萤火虫算法(FA)优化随机共振(SR)与局部均值分解(LMD)结合的方法。首先利用优化后的SR系统使信号达到最优共振,再经过LMD将信号分解成多个乘积函数(PF),以信息熵、相关系数为标准选取合适的PF分量重构信号,对重构后的信号进行快速峭度图(FK)分析,由所得参数设计带通滤波器,最后用Hilbert包络解调滤波后的信号即可得到故障特征。通过对轴承实验数据的分析表明,该方法能可靠地检测出轴承故障特征。     

激光熔化沉积Ti-6Al-2Zr-Mo-V合金高周疲劳变形行为

研究激光熔化沉积Ti-6Al-2Zr-Mo-V合金在高周疲劳失效中的变形行为,并提出相应的变形机制.结果表明,激光沉积钛合金疲劳裂纹萌生和扩展中的变形行为都与其位错运动和滑移行为密切相关.疲劳裂纹扩展中的滑移主要沿两个滑移面进行;裂纹扩展亚表面存在大量二次裂纹.解释两种不同类型二次裂纹的形成机制和作用.分析粗大柱状晶晶界变形特征.