排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
一、单个滚柱滚动过程分析
滚动体在直线导轨上滚动是直线导轨副所包含的最主要运动方式,也是摩擦力的主要来源。故我们将其中一个滚柱抽象出来讨论,就可以更直观地认识滚动运动过程。 相似文献
2.
采用环-块式摩擦磨损试验机研究了玄武岩纤维增强环氧树脂基复合材料在不同载荷和速度下的磨损行为与机制.结果表明:在相同载荷200N时,速度对摩擦系数的影响不大,而磨损率随着速度的增加而增大;在相同速度0.84m/s条件下,摩擦系数和磨损率都随载荷的增加而增大.低速低载时磨损主要表现为粘着磨损;高速低载时有玄武岩纤维从基体中脱落,表现为磨粒磨损特征;高速高载时磨损机理为基体疲劳剥落和磨粒磨损. 相似文献
3.
为解决一维振动信号难以充分挖掘表达状态特征信息以及柱塞泵配流盘磨损早期识别问题,基于卷积神经网络(Convolutional neural networks, CNN)优秀的图像处理能力,提出了一个优化VMD-CWT-CNN模型。首先,采用连续小波变换(Continuous wavelet transform, CWT)对信号进行预处理,得到信号的二维时频图,作为CNN模型的一路输入,将状态识别问题转化为CNN图像识别问题。其次,基于相关系数对变分模态分解(Variational mode decomposition, VMD)参数优化后,利用优化VMD对振动信号进行预处理,再以相关系数和峭度值最大为优选原则,甄选出三组蕴含故障特征的本征模态函数(Intrinsic mode function, IMF),将其重组为三通道一维信号,作为CNN模型的另一路输入。最后,在CNN模型中将两路信息汇聚并得到柱塞泵配流盘磨损状态识别分类结果。实验中,此方法分别采用优化VMD和CWT对振动信号预处理,再结合CNN对磨损状态进行分类。实验结果表明,该方法对于配流盘磨损的三种状态的识别效果显著优于单路... 相似文献
4.
5.
6.
8.
液压系统电机电信号中包含丰富的系统运行状态信息,如何准确对电信号中的运行信息进行提取和分类是实现液压系统状态监测的关键。电机电流信号中蕴含的液压齿轮泵早期故障特征微弱,提取困难,用传统时频分析方法难以实现故障特征分离。本文提出基于相关系数和人工蜂群算法(Artificial bee colony,ABC)实现了对变分模态分解(Variational mode decomposition,VMD)参数的优化,同时以信号相关系数和峭度值最大为选取原则,确定有效的本征模态函数(Intrinsic mode function,IMF),并将IMF有效分量的排列熵和均方根值作为高维特征向量输入深度信念网络(Deep belief network,DBN-DNN),实现了对齿轮泵运行状态进行监测。结果表明,该方法能准确稳定地提取电流信号中携带的齿轮泵故障的微弱特征,进行齿轮泵运行状态监测,提高了齿轮故障诊断的准确性。 相似文献
1