变速箱齿轮故障的模糊聚类诊断法

在对变速箱齿轮振动信号提取特征参数向量的基础上建立运行状态样本 ,通过模糊聚类的方法对特征参数向量进行分析 ,进而将待诊断信号的特征参数向量根据运行状态样本分类而达到诊断的目的。该方法能有效识别正常运行状态与故障状态     

固定化纤维素酶催化反应动力学模型研究

建立固定化纤维素酶反应动力学模型，在此基础上系统研究了席勒模数、产物竞争性抑制、体系宏观底物浓度等因素对球形载体内部底物分布的影响，并讨论了各因素对固定化纤维素酶效率因子的影响。结果表明席勒模数增大使载体内底物浓度降低，效率因子减小；产物竞争性抑制增大使载体内底物浓度升高，对效率因子的影响与席勒模数和体系宏观底物浓度有关，共存的产物竞争性抑制和内扩散限制之间存在相互减弱对方影响的效应；体系宏观底物浓度增大使载体内底物浓度升高，效率因子增大，可以减弱席勒模数与产物竞争性抑制的影响。     

基于信息熵的时频参数优化及内燃机轴承磨损监测

时频分析是单分量调频信号的最优分析工具,但是对于多分量线性调频信号存在比较严重干扰项的影响。为了抑制时频分布交叉项干扰,同时保持一定的时频聚集性,采用时频信息熵优化的方法,对时频分布中的参数进行了优化,给出了参数选择范围,仿真试验表明,该方法提高了时频分布中分辨率。研究结果应用于内燃机轴承磨损状态监测中,提取了故障特征,揭示了内燃机状态变化。     

基于小波包能量的信息表示在汽车齿轮箱状态监测中的应用

在分析信号的能量特征的基础上,提出一种基于小波包能量谱的信号特征表示方法:将信号特征表示为对分解结点的能量谱,有效压缩设备的状态信息.在设备的状态特征的可视化过程中,进一步将特征向量中数据的大小用像素点的颜色表示,将设备的大量状态特征转化为关于时间和小波包分解结点的连续彩图表示.这种设备状态的表示方法称为彩图表示.应用彩图表示法将大量的变速器齿轮的状态信号转化为彩图表示,结果清晰显示了变速器齿轮的状态以及状态随时间缓慢变化的过程.     

基于虚拟样机技术压力机曲柄滑块机构的敏感度分析

为了研究曲柄和连杆的尺寸对压力机的压紧力大小的影响,针对某压力机的曲柄滑块机构进行敏感度分析,找出对压紧力影响较大的因素。首先根据压力机的物理样机抽象出几何模型,由压力机的实际参数确定仿真分析的初始条件。根据初始条件在ADAMS中建立压力机的参数化虚拟样机,并进行仿真分析。经过设计研究找出对滑块压紧力影响较大的因素,为压力机的压紧力优化提供设计变量选择的依据。     

基于模糊控制的汽车防抱控制方法的仿真研究

建立在制动过程的汽车二轮数学模型,同时建立了基于ABS的模糊控制器,进行了直线的制动仿真实验。实验结果表明采用基于滑移率的模糊控制方法,可以有效防止车轮抱死,缩短了制动距离,且该方法对具有不同峰值附着系数的路面具有较高的适应性。     

连续小波变换在齿轮磨损估计中应用研究

通过对连续小波变换的分析研究,提出了一种提取信号在小波尺度上的能量谱的信号分析方法。该方法能有效地对不同磨损状况下的齿轮振动信号进行分析,分析结果说明信号在小波尺度上的能量谱与齿轮的磨损程度有密切的关系。求出不同磨损状况下齿轮振动信号的能量谱对尺度的积分值,并根据这些值拟合得到的曲线与齿轮磨损过程曲线非常相似,这说明可以用连续小波变换的能量谱估计齿轮磨损状况。最后提出了一种连续小波变换的齿轮磨损特征量提取方法,用于提取齿轮磨损程度的特征向量,特征量间的欧氏距离说明这些特征向量能很好地表征齿轮的磨损状况     

小波包分解与神经网络相结合的变速箱齿轮故障识别

提出了一种识别变速箱齿轮故障的新方法，通过对小波包分解的分析研究，将基于小波包能量的小波包分解特征提取方法用于提取齿轮运行状态的特征向量，并以此作为BP神经网络的输入对神经网络进行训练，建立了基于BP神经网络的齿轮运行状态分类器，用以识别齿轮的运行状态，, 变速箱齿轮故障识别为例，用文中所述方法对变相齿轮的正常状态，磨损状态，断齿状态进行识别验证，验证结果表明该方法的效果良好。     

小波神经网络故障诊断系统的设计与应用

采用能量分布特征提取方法和优化BP算法，提出了一种基于小波变换和BP神经网络的故障诊断系统。利用该系统对汽车变速箱三挡齿轮磨损程度进行估计，诊断结果与实际完全吻合，表明该小波神经网络故障诊断系统的有效性。由于小波分析特别适用于非平稳信号的处理，因此该小波神经网络诊断系统对复杂机械设备的故障诊断有着广阔的应用前景。     

汽车塑料件注塑模具的CAE流场分析与应用

模流分析技术是利用计算机对注塑件动态填充过程进行模拟。该文在对汽车内锁止把手进行注塑模具设计的基础上，对其注塑过程进行模流分析，并通过模流分析验证结构的合理性。注塑过程模拟表明模流分析能够很好地模拟填充过程，且能验证模具工艺的合理性，为模具的设计提供依据。