工程中圆度的多次定位测量及其数据处理

从测量实践出发,总结出一种利用多次定位技术进行圆度测量的方法.在阐述测量原理,分析测量及其数据处理过程后,给出一个测量实例,并进行了测量不确定度分析.文章给大型工程中类似情况下的测量问题以很好的启发.     

滑动轴承—转子系统Hopf分岔分析计算方法

基于Hopf分岔定性理论、周期系统Floquet理论,针对流固耦合系统力函数计算特点,并考虑系统规模大小对算法的不同要求,提出了一套新的转子-轴承系统Hopf分岔分析计算方法。这套方法主要包括自激周期解计算的边值方法、周期解稳定性判别算法、周期解预测-校正延续算法、自激振动的稳定裕度准则等,可以有效地确定转子-轴承系统Hopf分岔临界点及分岔方向,可以研究分岔解的发展、变化,包括研究实践中关注的“跳跃”、“迟滞”等典型非线性现象。      

高维局部非线性转子-轴承动力系统的稳定性和分岔

采用模态缩减方法对具有非解析轴承的高维局部非线性转子系统进行自由度降阶。提出基于变分不等方程的有限元互补解的的数值方法,在几乎不增加计算量的情况下,使得实际轴承油膜力的Jacobian矩阵可与油膜力自身计算同时完成,并取得协调一致的精度。结合打靶法和Floquet理论对实际转子-轴承系统的非线性不平衡响应及其分岔行为进行计算分析,数值结果表明,所提出的方法不仅极大地降低了计算量,而且具有足够高的精度。     

基础横向振动对电磁轴承转子系统动力特性影响的实验研究

从实验上研究了电磁轴承基础的横向振动对电磁轴承转子系统动力特性的影响。结果表明电磁轴承的控制器对电磁轴承基础横向振动的抑制能力是非常有限的,在控制器的设计过程中必须考虑基础振动的影响,否则较大的基础振动会使电磁轴承系统不能稳定地工作,甚至失去支撑转子的能力。     

滚动轴承振动与噪声关系的灰色研究

以灰色系统理论为基础,通过实验,研究6201和6203轴承振动与噪声的关系。振动用加速度有效值描述,噪声以声压级表示。实验数据处理结果表明,轴承振动与噪声的关系不明显,并具有很大的不确定性。因此,不宜用轴承的振动代替轴承的噪声,应单独研究轴承的噪声问题,制订轴承噪声标准和相应的工艺标准。      

基于神经网络的滚动轴承故障包络信号的自动识别方法

介绍了一种基于神经网络的滚动轴承故障包络信号的自动识别方法。将从包络信号的时域和频域信息中提取的反映滚动轴承故障的特征信息作为BP神经网络的输入,用BP算法对该网络进行训练。利用BP神经网络的智能性来实现滚动轴承故障的智能诊断。     

基于在轨组装维护的多载荷协同观测卫星平台构型设计

针对高轨遥感卫星多载荷协同观测和一致测量应用需求,在前期总体技术方案研究的基础上,通过开展现有在轨组装航天器和高轨卫星公用平台的构型调研,提出了一种适用于多载荷协同观测需求的平台构型设计方案。平台利用CZ-5运载火箭发射并在轨展开,采用“网格式中心承力筒+板+桁架”式的总体构型,开展了主传力路径、贮箱承载结构、网格式中心承力筒等的细化设计工作,并进行了结构产品的初步设计,建立了平台结构整星的有限元模型。仿真分析表明:平台结构整星的各向一阶频率均能满足运载火箭的频率要求。基于标准化、通用化的平台接口设计,使其具备可扩展及可维修的能力,大大提升了平台鲁棒性。基于全网格筒的主承力设计,增强平台结构承载能力,并改善平台内部热环境。该设计方案可为基于在轨组装维护的高轨遥感大平台结构的设计提供有价值的参考。     

缝纫/RFI层合板单钉连接性能试验研究

通过对不同铺层及不同缝纫角度的缝纫／RFI层合板的单钉单剪连接强度试验,了解到缝纫针脚位置对缝纫层合板机械连接性能有显著的影响。当针脚距离钉孔受挤压边缘较近时,缝纫层合板的挤压破坏强度低于普通的层合板,只有当针脚在钉孔挤压区外或距离钉孔受挤压边缘较远时,缝纫层合板才显示出好于普通层合板的机械连接性能。试验结果还表明铺层比对缝纫层合板的机械连接性能也有影响,其规律类似于普通层合板。     

角接触球轴承生热预测方法与灵敏度分析

通过拉丁超立方实验设计法获取角接触球轴承NSK-7015C的结构参数样本数据,采用Newton-Raphson法求解轴承变形几何协调方程、滚动体平衡方程和内圈平衡方程所构成的非线性方程组。应用Kriging和Monte Carlo相结合的方法(AK-MCS)构建样本数据与轴承生热的函数关系,在此基础之上使用全局灵敏度计算方法计算轴承结构参数对轴承生热的影响。研究结果表明:在相同轴承结构参数下,采用AK-MCS法预测的轴承生热与轴承拟静力学分析模型求得的结果差值均小于0.003 W,说明AK-MCS算法的预测结果具有较高的准确性；轴承生热对轴承滚动体直径变化反应最灵敏,轴承内、外圈沟道直径影响次之,轴承内、外圈沟道曲率半径影响最小,该研究能够为轴承结构参数的设计优化和加工精度的选择提供理论依据。      

基于机匣信号的滚动轴承故障卷积神经网络诊断方法

针对在滚动轴承故障激励下的机匣微弱故障特征,提出了基于卷积神经网络(CNN)的故障诊断方法。利用矩阵图法、峭度图法以及小波尺度谱法3种振动信号的预处理方法,将一维原始信号转换为图像信号;利用卷积神经网络对故障进行识别。通过比较分析发现:通过连续小波尺度谱更易提取滚动轴承的故障特征,其故障识别率达到95.82%,均高于其他几种振动信号预处理方法;由于卷积神经网络可以利用深层网络结构自适应地提取滚动轴承故障特征,比传统支持向量机(SVM)方法的故障识别率高约7%。结果证明了该方法的有效性与可行性,且具有较好的泛化能力和稳健性。