斜齿圆柱齿轮正交法参数优化设计

用正交法对斜齿圆柱齿轮传动进行参数优化设计 ,用方差分析法找出对质量影响最显著的因素 ,最后 ,由信噪比作为指标选出最佳参数组合 ,这是一种快速创新开发产品的设计方法。     

采用逐次正交化法的最优分布式Kalman滤波器

为解决大系统中应用整体式Kalman滤波遇到的非实时性难题,本文提出一种能保持最优的分布式Kalman滤波计算方法——逐次正交化法。这是一种适合多微机并行计算的最优算法,确保滤波的“实时性”,优于一般次优分布式Kalman滤波器。     

三块各向正交异性矩形板构成的卫星帆板在各种载荷下的横向弯曲

本文以三块各向正交异性矩形板组成的卫星帆板为研究对象,首次利用半解析方法研究了其横向弯曲的问题。就板间连接处复杂的边界条件,提出了与之对应的挠度函数形式。在此基础上采用相同形式的挠度函数求出了帆板在各种横向外载荷作用下的挠度,为解决多板连接结构的弯曲问题提供了一种有别于以往数值方法的新思路。     

桥梁结构移动载荷识别的新方法

桥梁结构的移动载荷识别技术是桥梁工程建设的技术难点之一。本文在载荷匀速移动的基础上,将时域识别的方法推广运用到变速运动的载荷,运用广义正交变换技术研究了移动载荷识别的新方法,并推导出了在广义正交域下移动载荷识别的数学模型。通过计算机仿真算例验证了该理论的正确性及在工程运用中的可行性。该模型适用于桥梁结构的移动动态载荷识别,为移动载荷识别技术的发展打下一定的基础。     

一种基于EPLL技术的自适应正交解调技术研究

针对过零检测实现的全数字锁相环不仅锁相速度慢, 而且过零点的扰动会 直接影响锁相精度以及适合模拟电路实现的相干解调技术,在数字电路中实现则需要设 计高阶数字低通滤波器,将占用大量数字电路资源并且会显著增加系统功耗等问题,在 设计一种新型全数字锁相环(All-digital Enhanced Phase-lock Loop,EPLL)的基础上,结合自 适应正交解调技术,提出了一种基于EPLL 技术的自适应正交解调技术方案,并对该方 案进行了研究与仿真。仿真得到了满意的结果,验证了基于EPLL 技术的自适应正交解 调技术方案的可行性,并研究验证了算法的参数变化对其性能的影响,为今后算法在数 字系统中的实现以及其在各领域的应用研究奠定了坚实的基础。     

薄壁件多点柔性加工变形的分析和控制研究

针对开发薄壁件多点柔性工装系统的需求,研究薄壁件多点柔性铣削加工中的变形问题,运用有限元软件ABAQUS对零件的实际加工过程进行模拟仿真.多点柔性工装系统采用布局,分析吸盘边距和吸盘真空度对薄壁件加工变形的影响.通过改变A、B、C三组吸盘的真空度建立三因素四水平正交试验,总结出A、B、C三组吸盘分别调整真空度至-0.5bar、-0.8bar、-0.5bar能够获得更小的平均变形量,对多点柔性工装系统控制薄壁件的加工变形方面给出了建议.     

基于虚拟正交试验的压气机叶轮轴-毂径向微动特性研究

用Pro/E建立压气机叶轮轴-毂三维模型,利用ANSYS软件采用子结构结合网格随移技术的分析方法,建立其有限元模型。采用虚拟正交试验方法对压气机叶轮轴-毂进行仿真,得出过盈量、摩擦系数、转速对最大单位摩擦功和平均摩擦功影响显著性次序及影响规律,得到最优组合。结果表明,模拟及正交试验优化结果准确、可靠,有效地降低了摩擦磨损程度,对实际装配过程具有一定的指导作用。     

基于支持向量机和粒子群算法的钛合金铣削加工参数优化

钛合金材料在加工过程中受铣削力影响易于产生变形而影响加工效果,为保证加工质量,提高生产效率及降低加工成本,研究切削加工参数的合理选择非常重要.对钛合金材料Ti6Al4V铣削加工进行有限元数值计算,结合试验设计方法构建了基于支持向量机的切削力预测模型,以材料去除率为优化目标,提出了一种基于支持向量机和粒子群算法的优化方法,对钛合金铣削加工参数进行了优化.结果表明,该方法准确、高效、可行,为钛合金加工工艺参数优化提供一种新的方法,具有良好的推广价值.     

端弯联合弯叶片对叶栅旋涡结构和气动性能的影响

为了研究弯叶片弯角、端弯弯高和端弯弯角三个参数对扩压叶栅流道内的旋涡结构和气动性能所造成的影响大小和交互作用的主次顺序,以环形扩压叶栅为研究对象,通过正交试验设计的方法,对试验结果进行分析。结果表明,存在一个最佳弯叶片弯角以平衡集中脱落涡和壁角涡对叶栅出口总压损失分布的影响;弯叶片弯角的提高会导致壁角涡减弱并且涡核靠向端壁,集中脱落涡增强并且涡核靠向流道中部;旋涡结构的变化进而导致端部高损失区域损失减小并且靠向集中脱落涡涡核,流道中部损失增厚并且向中部收缩。端弯的弯高和弯角对角区的影响明显强于流道中部;壁角涡强度的提高导致端部损失的增加;集中脱落涡涡核向端壁移动,导致流道中部损失向端区扩散,但损失减小有限。