改进的HHT算法在振动筛轴承故障诊断中的应用

基于经验模态分解的Hilbert-Huang变换(HHT)存在端点效应,从而影响分解效果。为了改善端点效应,提出了基于镜像延拓法的端点抑制方法。将改进的Hilbert-Huang变换首次应用到振动筛等振动机械的轴承故障特征提取中,通过实验表明该方法可以有效提取振动机械中故障信号的频谱特征,便于工程现场的应用。     

喷气织机电子送经卷取机构虚拟样机开发

针对喷气织机复杂的送经卷取传动系统,以津田驹ZAX型喷气织机为依据,采用自下而上的设计模式开发电子送经卷取机构的虚拟样机,为其复杂机械传动系统研究以及喷气织机数字化技术改造提供了平台支持。通过时间变量多项式拟合了伺服电机速度控制曲线,在此基础上对送经卷取机构进行运动学仿真,获得了织轴与卷布辊的角位移﹑角速度及角加速度规律曲线,仿真结果表明,织轴与卷布辊运动配合关系正确,符合送经与卷取运动的控制要求。     

基于ADAMS的B635A型刨床急回机构运动学仿真

以B635A型牛头刨床为例,介绍了六杆机构的设计过程,并运用Pro/E软件建立了该机构的三维模型,导入到ADAMS仿真软件中,对模型进行了运动学仿真,得到了刨刀的位移曲线、速度曲线和加速度曲线。仿真结果表明:运用ADAMS运动学仿真软件,可以大大提高刨床急回机构的设计效率,并达到最佳切削效果。     

直接淬火低合金高强钢的力学性能和组织研究

试制了屈服强度超过700MPa,抗拉强度超过800MPa,-40℃冲击功大于120J且Pcm(焊接裂纹敏感性指数)小于0.20的高强度厚板。研究了厚板制备过程的轧制和回火温度等参数。结果表明:厚板的微观组织为贝氏体铁素体和M/A组元;随回火温度从580℃升高到630℃,贝氏体铁素体片层界面逐渐退化,M/A组元逐渐消失。     

PSO-Gabor-CNN算法在印刷品套印缺陷的检测

目的二维Gabor滤波器含有多个参数,在印刷品套印缺陷检测中,二维Gabor滤波器使用不同参数增强图像特征的效果差别较大,为了获得二维Gabor在某印刷品套印缺陷检测下的优化参数。方法在印刷品套印缺陷检测中,提出一种PSO-Gabor-CNN算法,采用Sobel算子对印刷品图像进行边缘检测,以粒子群算法(PSO)对二维Gabor滤波器的中心最大频率kmax、带宽σ、模板窗口window进行参数寻优,处理后的图像与模板图像采用加权欧式距离进行评价。然后用优化后的Gabor滤波器对图像进行滤波,最后采用卷积神经网络(CNN)对印刷品套印缺陷进行检测和分类。结果通过粒子群算法,确定了二维Gabor中心最大频率kmax为6.0476、带宽σ为0.1444、模板窗口window为27×27取得最佳效果,此时加权欧式距离为1.1927×10-33。卷积神经网络经过70次训练的均方误差为0.0035,测试样本正确率为96.93%。该方法与无数据预处理的BP神经网络(BPNN)、Sobel预处理的BP神经网络(Sobel-BPNN)、无数据预处理的卷积神经网络(CNN)、Sobel预处理的卷积神经网络(Sobel-CNN)对比,表现出了较好的识别效果。结论该方法可以获取二维Gabor滤波器的较优参数,从而获得较好的滤波效果,将其应用于套印缺陷检测,具有一定的应用价值。     

带式输送机静动态特性计算与分析

针对某型带式输送机,在Solid Works平台上设计了数字化样机模型。分析并计算了槽形托辊组与传动滚筒的静态载荷,以此为依据,在Simulation环境下建立带式输送机的有限元模型,通过静力学分析获得了应力、变形云图,分析结果表明带式输送机具有安全的强度和刚度储备。通过模态分析计算带式输送机的动力学特性,获得了固有频率和振型,明确了带式输送机在低阶共振频率下的振动模式,为其工况下的减振降噪、速度控制以及动力学优化提供了重要依据。     

挤压成形AZ31镁合金的低温超塑性变形

利用挤压成形工艺在300 ℃下将AZ31镁合金铸锭挤制为细晶板材,将制成的拉伸试样在250 ℃下分别以不同的应变速率进行等应变速率拉伸,研究了试样的超塑性变形性能,采用光学显微镜和扫描电镜分别观察了变形后试样的显微组织和断口形貌。研究结果表明,在250 ℃和2×10^-2 s^-1应变速率下,AZ31镁合金试样的伸长率达到了290%,实现了较低温度和较高应变速率下的超塑性变形,有利于节约能源和提高效率;在250 ℃下以2.5×10^-4 s^-1应变速率进行拉伸变形,试样的伸长率最大,达到了390%,最大伸长率下AZ31镁合金的显微组织显示,变形后试样的晶粒仍保持等轴状,但晶粒尺寸比原始晶粒增大约一倍,试样断口形貌表现为典型的韧窝型穿晶断裂特征。     

卷积神经网络在印刷品缺陷检测的应用

目的 为了改善传统机器检测印刷产品缺陷存在误费率高的不足。方法 提出以卷积神经网络为控制核心的印刷品缺陷检测系统。设计可在实际检测中应用的卷积神经网络,设计在线印刷质量检测系统的硬件结构。结果 对结构相同而训练次数、学习率不同的卷积神经网络进行了缺陷检测的性能对比,验证了该卷积神经网络在学习率小于0.01时,可以获得较好的识别效果;在学习率大于0.05时,网络不容易收敛。网络训练次数越多,精度越高,相应的训练时间也较长。在满足快速性和精确度的条件下,确定了适应某印刷品的缺陷检验网络训练次数为50,学习率为0.005,此时的识别率为90%。结论 经过实验证明,该检测系统具有良好的缺陷识别能力,缺陷类型的分类准确率较高。该系统具有一定的实用价值。