汽车前悬架系统动力学仿真与分析

利用ADAMS/Car整车设计软件包建立了该悬架系统动力学模型,选取"两侧车轮同向跳动"工况进行仿真,在ADAMS/PostProcessor后处理模块中分析了车轮上下跳动过程中参数变化对悬架性能的影响,总结出该型车设计中存在的缺陷,优化了不符合设计要求的参数,使前束角、主销内倾角及转向角达到理想值。研究结果表明:利用Adam s/Car预测悬架性能简洁、方便且经济,仿真结果可用于指导悬架设计和参数优化。     

基于EEMD-Treelet和高斯过程的起重机齿轮故障诊断

齿轮故障诊断对于起重机安全运行至关重要;提出了一种基于集成经验模态分解(ensemble empirical mode decomposition, EEMD)-Treelet变换和高斯过程(gaussian process, GP)的起重机齿轮振动故障诊断新方法;设计一种细菌觅食算法(bacterial foraging optimization, BFO)优化高斯过程模型超参数;建立基于集成经验模态分解-希尔伯特变换的齿轮振动参数信号特征提取方法,利用Treelet变换实现这些特征的降维学习;建立基于细菌觅食算法优化高斯过程的齿轮故障模型;实验结果表明,EEMD-Treelet-GP诊断方法不仅可以识别最佳特征向量,而且可以识别故障位置。     

表面磨损对钢丝绳裂纹萌生与扩展的影响

结合扩展有限元法和M积分法,建立了1×19+IWS钢丝绳不同表面磨损的简化有限元模型,对其在轴向拉伸载荷下的裂纹萌生与扩展进行了仿真研究。分析了钢丝绳在拉伸载荷下整体与磨损区域的应力分布;随后基于扩展有限元法与M积分法,得到了不同径向与轴向磨损量下磨痕区域的应力强度因子。结果表明,随着径向磨损量增大,在磨损量5.5%之前,磨痕处的应力强度因子随磨损量线性增长,在超过5.5%磨损量之后,急剧增加,研究成果验证了GB/T 5972—2016《起重机钢丝绳保养、维护、检验和报废》中规定的钢丝绳报废标准。相比于径向磨损,钢丝绳的轴向磨损量对磨痕处应力强度因子的影响不大,并且越大的轴向磨损对裂纹扩展的抑制越强。     

基于变分非线性调频模态分解的滚动轴承多故障诊断方法研究

基于变分非线性调频模态分解,提出一种滚动轴承多故障诊断方法。对滚动轴承多故障振动信号分量的瞬时频率和瞬时幅值进行估计;在此基础上,通过最小化信号的带宽实现滚动轴承故障信号的重构。对比所提方法与变分模态分解法,通过实验案例对所提方法进行验证。结果表明：所提方法明显优于变分模态分解方法,即使在强噪声背景下,仍能有效地实现滚动轴承多故障信号的分解与重构,可以有效地诊断滚动轴承多故障。     

基于Workbench六面体网格的桥式起重机受载主梁有限元分析

主梁是起重机的关键部位.以某起重机为模型,利用材料力学理论,计算受载主梁的挠度,分析主梁挠度随载荷大小及位置的变化规律.然后利用ANSYS Workbench软件,建立起重机受载主梁的有限元模型,对模型进行六面体网格划分,分析受载主梁的挠度和应力随载荷大小及载荷位置的变化规律,并与理论结果进行对比分析.结果表明,主梁挠度和应力与载荷位置呈正相关.当载荷作用在主梁跨中位置时,主梁挠度变形最大.     

基于深度学习的岸桥机构减速箱振动故障识别

针对岸桥机构减速箱振动信号局部扰动特征学习问题的复杂性,提出一种新型故障诊断模型.首先利用整体经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)变换对振动信号进行瞬态时频分析,获取典型参数的边际谱等特征,形成深度学习的特征向量.在此基础上,提出一种基于深度收缩自编码网络-模糊支持向量机的起重机械故障状态识别模型,并与深度稀疏自编码网络-模糊支持向量机模型等其它模型进行比较.实验结果显示,针对起重机械故障状态识别问题,所建立的新深度学习模型有很好的识别能力,识别准确率可达95.6％.