一种可提高铰削精度和效率的浮动套筒

目前各类手用铰刀虽多,但不论在机床上顶着铰或用手铰,由于铰刀轴线与工件轴线难以保持一致,一般铰后的孔径都会产生锥度或喇叭口,而且孔径经常大于图纸要求的尺寸,甚至造成报废。铰削中普遍存在着工效低、     

新型深孔镗刀头

我们在生产中遇到一种大工件,外形复杂,要加工的内孔深达624毫米,直径96毫米,精度要求为D_4,近似于深盲孔加工。因孔太深,加工时易因出现锥度而报废。而任务规定     

直角三角形在夹角内孔及圆锥体精确加工中的应用

在普通车床上,一般只能车两轴线平行的偏心孔或锥度件,不能加工两孔轴线有夹角的内孔。即使在卧镗上加工夹角内孔,由于工作台的刻度盘最小分度值为1°,也不能将夹角扳得十分准确。我们利用直角三角形边与角的函数关系,第一次在车床上车出了精度较高的夹角内孔。     

基于神经网络的直升机自动倾斜器轴承故障诊断方法

为了进一步提高直升机的安全性，利用BP神经网络和RBF神经网络对直升机自动倾斜器轴承进行故障诊断。完成了直升机自动倾斜器轴承故障植入试验，获取了自动倾斜器轴承的故障振动数据，并进行了振动数据的特征信号提取。采用振动数据特征信号的多参数融合作为神经网络的输入，对自动倾斜器轴承故障进行诊断，获得了较高的故障诊断率。采用基于神经网络的故障诊断方法，自动倾斜器轴承各类故障的最高故障诊断率均大于89%。     

基于LMD和RBF相结合的尾桨台传动系统滚动轴承故障诊断方法

提出了局部均值分解(Local mean decomposition,简称LMD)方法和径向基函数神经网络(Radial Basis Function Neural Network,简称RBF)相结合的滚动轴承故障诊断方法.LMD方法是一种新的自适应时频分析方法,能够有效地提取故障特征.该方法首先采用LMD对滚动轴承振动信号进行分解,计算分解得到的PF分量能量比,作为特征向量输入到RBF神经网络中,进行故障分类和识别.通过真实滚动轴承数据的故障诊断实验,验证了该方法的有效性.     

空间太阳能发电和微波与电离层相互作用

本文第一部分研究了空间太阳能热发电，基于所提的评价动力系统的准则，比较了三种热力学系统，并给出了一些参数变化对闭式回热Ｂｒａｙｔｏｎ循环系统的影响，本文第二部分对微波速对电离层中电子的加速和受热进行了数值研究，得出了一些结果。     

模型桨叶标定技术研究

本文主要对模型桨叶标定中涉及的若干技术进行了探讨,介绍了模型桨叶贴片位置,分析了模型桨叶标定时不同工装方式的优劣,对标定时的挥舞/摆振解耦处理方法进行了介绍,并给出了部分标定结果。最后,对标定后期的处理方法进行了阐述。