塑料合金高弹性联轴器试验台的开发研究

对塑料合金高弹性联轴器的综合性能试验台进行了设计，阐述试验台的设计要求、设计思想和结构特点，并介绍试验台的总体布局和组成部分；液压系统是试验台的核心部分，重点对液压系统进行设计及说明。     

齿上开槽对滤波减速器力学性能的影响

本文使用有限元法研究滤波减速器轮齿上开槽对滤波减速器轮齿的动力学性能和传动性能的影响。通过对滤波减速器齿上不同开槽形状进行有限元对比分析,结果显示直槽对轮齿力学性能有很好的改善作用。在此基础上分析了直槽的槽深、槽宽、应力释放孔大小和应力释放孔与直槽的倒角大小对轮齿力学性能的影响以及不同载荷下轮齿应力分布情况。研究结果表明在滤波减速器齿上开直槽,当槽深大于轮齿模数的三倍,应力释放孔和倒角的半径大于槽宽的十倍,槽缝宽度不超过轮齿模数的十分之一时,其接触应力、弯曲应力和冲击振动较小。     

基于量子加权长短时记忆神经网络的状态退化趋势预测

提出基于量子加权长短时记忆神经网络(QWLSTMNN)的旋转机械状态退化趋势预测方法。首先采用小波包能量熵误差构建状态退化特征集,然后将该特征集输入QWLSTMNN以完成旋转机械状态退化趋势预测。在QWLSTMNN中,将输入层权值量子位扩展到隐层以获取额外的梯度信息;利用隐层权值量子位的反馈信息以获取输入序列的全部记忆,改善了原长短时记忆神经网络(LSTMNN)的非线性逼近能力和泛化性能,使所提出的状态退化趋势预测方法具有较高的预测精度;另外,采用新型的基于量子相移门和量子梯度下降法的学习算法以实现QWLSTMNN的网络量子参数(即权值量子位和活性值量子位)的快速更新,提高了网络收敛速度,使所提出的预测方法具有较高的计算效率。滚动轴承状态退化趋势预测实例验证了该方法的有效性。     

基于增强最小熵解卷积的航空发动机故障诊断

为有效提取轴承的微弱故障特征,提出一种基于无偏自相关分析的增强最小熵解卷积方法。该方法的滤波器系数的迭代求解中,通过抑制滤波信号中的非周期成分,实现对周期性故障冲击的增强检测,完成轴承故障的准确辨识。仿真信号分析结果表明,所提方法在复杂干扰下仍能准确提取轴承故障冲击序列。航空发动机故障诊断案例分析证实了该方法对复杂机械结构中轴承故障诊断的有效性。     

超高分子量聚乙烯塑料轴承设计研究

超高分子量聚乙烯具有优异的物理和机械性能,其机械强度高、硬度大、摩擦系数低、尤其耐磨性能极佳,在所有工程塑料中名列前茅。因而用超高分子量聚乙烯替代金属作为轴承材料,其应用前景必定十分广阔。在分析材料性能的基础上,对超高分子量聚乙烯塑料轴承设计原理进行了研究,为工业化生产提供理论依据。     

陶瓷在水润滑轴承中的应用

简要介绍了水润滑陶瓷轴承的材料选择、润滑机理及性能影响因素，并对比传统轴承的材料和工况，重点介绍了水润滑陶瓷轴承的性能优势。     

混合润滑状态下齿轮接触刚度

为研究混合润滑状态下齿轮的接触刚度,提出了一种计算齿轮接触刚度的方法。首先计算出齿轮啮合过程中运动参数和受力情况,然后采用混合弹流润滑方法求解得到不同时刻粗糙齿面啮合处的膜厚与压力分布,将结果代入接触刚度计算式,得到不同时刻齿轮啮合的接触刚度。讨论了不同工况对齿轮啮合接触刚度的影响,并将光滑表面接触刚度与粗糙表面接触刚度进行了对比。结果表明:转速和载荷对接触刚度影响很大,速度越快,接触刚度越小;载荷越大,接触刚度越大。     

基于软阈值和小波模极大值重构的信号降噪

软阈值小波降噪是一种常用的非平稳信号特征提取方法.为了改进软阈值小波降噪法的性能,提出一种基于软阈值和二进小波变换模极大值的新小波降噪方法.首先,对信号进行二进小波变换,再对小波系数进行软阈值处理;然后,选择由信号产生的小波系数模极大值点;最后,用交替投影算法重建信号.理论分析表明,该方法能有效地降低软阈值小波降噪法的误差下界.仿真试验表明,该方法提高了降噪结果的信噪比,且较好地保留了信号中的奇异性.将该方法和二进小波变换软阈值降噪法结合起来,应用于滚动轴承故障振动信号降噪.结果表明,该方法能有效地提取到信号中的冲击特征.     

基于双隐层量子线路循环单元神经网络的状态退化趋势预测

针对现有人工智能预测方法在旋转机械状态退化趋势预测中存在预测精度较差、计算效率较低等缺点,提出基于双隐层量子线路循环单元神经网络(Double hidden layer quantum circuit recurrent unit neural network,DHL-QCRUNN)的旋转机械状态退化趋势预测方法。首先采用量纲一化排列熵误差构建状态退化特征集,然后将该特征集输入DHL-QCRUNN以完成旋转机械状态退化趋势预测。在所提出的DHL-QCRUNN中,设计双隐层结构以提高网络的非线性映射能力;并引入量子相移门和多位受控非门以实现信息的传递;通过双隐层的量子反馈机制获得输入序列的整体记忆;最后采用输出层激发态的概率幅表示输出,通过以上方法改善了网络的非线性逼近能力和泛化性能,使所提出的旋转机械状态退化趋势预测方法具有较高的预测精度。此外,通过量子Levenberg-Marqudt(LM)算法更新DHL-QCRUNN的网络参数,提高该网络的收敛速度,使所提出的状态退化趋势预测方法具有较高计算效率。滚动轴承状态退化趋势预测实例验证了该方法的有效性。提出了基于DHL-QCRUNN的旋转机械状态退化趋势预测新方法,该方法具有较高的预测精度和较高的计算效率。     

聚四氟乙烯工程材料的摩擦磨损性能研究

用MPV-200型摩擦磨损试验机研究了干摩擦条件下磨损时间、滑动速度、载荷、填料等对聚四氟乙烯(PTFE)工程塑料摩擦磨损性能的影响，结果表明：PTFE材料的摩擦因数和磨损率先随速度的增大而减小，然后又随着速度的增大而增大；随磨损时间的增长而降低，最后趋于稳定值；另外，摩擦因数大体上随载荷的增大而减小，磨损量则随载荷的增大而增加；填料可将PTFE的磨损量降低2个数量级，其中石墨使PTFE的摩擦因数降低，玻璃纤维和碳纤维则增大了PTFE的摩擦因数，而MoS2对PTFE摩擦因数的影响较小。对PTFE工程塑料的摩擦磨损特性进行系统分析，为优化设计提供理论基础。