提出了抑制水平振动的磁流变式调谐液柱阻尼器(MR-TLCD)模型,建立了单自由度结构——MR-TLCD的耦合运动方程。从系统动力方程出发,根据离复位控制策略,确定了MR-TLCD与单自由度结构相互作用过程中的合理阻尼大小。数值计算中,利用谐波叠加法模拟风荷载作用于该系统,并通过调节MR-TLCD的电压进行实时控制。仿真结果说明了在离复位控制策略下,MR-TLCD用于结构风振控制的合理性和有效性,是理想的半主动控制装置。

以一典型的由驱动轮、从动轮、张紧器和多楔带组成的三轮-带传动系统为研究对象,建立了三轮-带传动系统轮-带耦合振动计算的数学模型。模型中,带简化为纵向运动伯努利-欧拉梁,各轮和张紧器简化为刚性旋转元件。应用边界值问题(BVP)求解技术计算了带横向位移的稳态解;带的横向振动位移为时间与空间的函数,为求解方便,应用迦辽金法将其离散为时间函数和空间函数之积,计算了各带的横向振动。实验测试了一三轮-带传动系统中带的横向振动和轮的旋转振动。论文对计算结果与实测结果进行了对比,结果表明,计算值与实测值吻合较好,从而验证了模型和论文计算方法。文中计算带横向振动的方法,对计算发动机前段附件驱动系统等复杂的多楔带传动系统动态特性具有参考价值。

薄平板在汽轮机末级叶片和风力机叶片等领域获得了广泛的应用,也作为基准对象用于流线型箱梁的颤振研究中。由于不同来流攻角对薄平板气动性能的影响不同,因此研究不同攻角下薄平板的颤振机理,把握其颤振特性,对保障结构安全具有重要意义。以宽高比为40的薄平板模型为研究对象,基于不同风攻角下的颤振导数,采用双模态耦合颤振分析方法,通过对不同攻角下颤振过程中气动阻尼、弯扭运动相位的差异性分析,研究了薄平板在不同风攻角下的颤振机理,指出了影响颤振性能的主要原因。研究结果表明:0°和3°攻角下颤振性能相似,均为扭转主导的弯扭耦合颤振;在5°和7°攻角下,薄平板虽然发生扭转主导的弯扭耦合颤振,但此时非耦合气动力提供的气动正阻尼显著减小,而耦合气动力提供的气动负阻尼增强,因而直接导致了大攻角下薄平板颤振临界风速的...

为了发展一种新的、简单通用的磁流变减震器模型,以适用于半主动悬架的动力学分析与控制。通过对磁流变减震器进行运动学和流变学分析,将减震器的作用力分为剪切项、黏性项、摩擦项、弹性项和惯性项。对于其中表征磁流变液特性的剪切项,使用魔术公式进行描述,变化魔术公式中的系数可以适应不同使用工况,达到精度和适应性的统一。以魔术公式描述剪切项是该文的特色,因此将所提出的模型称为魔术公式模型。通过参数辨识获得各项参数与施加电流的关系,建立起磁流变减震器滞回特性魔术公式模型。该模型形式简单、参数一致且参数物理意义明确,方便用于半主动悬架系统动力学分析与控制器开发。通过试验数据与仿真结果对比,证明模型有较好的精度和适用性。

为减小水电机组振动和提高整个系统运行的稳定性,提出利用磁流变液阻尼器(MRD)开展对大型水电机组的主动振动控制研究。在相关磁流变液阻尼器实验研究和理论研究的基础上,利用模糊控制处理复杂系统的优越性,建立了机组轴系统的MRD模糊振动控制模型。并通过将自适应机构与模糊逻辑控制器相结合,提出了一种基于系统振幅的变量化因子的自适应模糊控制策略,利用MATLAB模拟验证了其有效性。结果证明:该控制策略有效抑制了水电机组轴系统的非线性振动,降低了不同运行工况下的系统振幅。与恒定电流下的MRD被动控制相比,自适应模糊控制的MRD阻尼器的能量耗散能力更高,对系统振幅的控制效果更为显著。

针对齿轮箱故障诊断时使用单一传感器进行信号获取过程中存在信息不完整的问题,导致故障特征信息及诊断推理方法具有随机性和模糊性。利用多传感器信息融合的二阶张量特征作为输入,构建了一个支持张量机和集成矩阵距离测度(Assembled Matrix Distance Metric,AMDM)的K最近邻分类器(k-nearest neighborhood classifier,KNN)决策融合故障诊断模型。首先,对多传感器信息时频域特征层进行融合,获得二阶张量的特征样本;其次,分别构建基于集成支持张量机、KNN-AMDM的故障诊断模型,并针对两类故障诊断模型的输入,设计了两种基本概率分配赋值的转化方法,通过不断调整参与的传感器数目获得6种不同的故障征兆张量集,进而得到12种不同的初步故障诊断结果;最后,采用D-S证据理论对12个证据体提供的基本概率分配值进行融合决策,得到最终的齿轮箱故障诊断结果。实验对比表明,...

考虑相邻叶冠之间的接触摩擦作用,将扭形带冠叶片简化为自由端带有集中质量的悬臂梁,冠间接触采用带有迟滞特性的宏观滑移模型模拟,基于Timoshenko梁理论和库仑摩擦定理,提出了一种干摩擦扭形带冠叶片动力学响应的数值求解方法。基于所提方法,分析了叶片安装角和扭角对干摩擦叶片动力学特性的影响,并通过有限元方法验证了求解结果。研究结果表明随着安装角和扭角的增加,会削弱冠间接触表面的减振效果,但并不会对最优法向接触压力产生影响;并且,相比于有限元方法,所提方法在保证求解精度的情况,具有较高的求解效率。此研究结果能够为旋转扭形叶片冠间阻尼结构的设计和优化提供理论指导。

为了快速准确地实现航空发动机转子故障的分类与识别,提出了双阶自适应小波聚类方法。双阶自适应小波聚类过程是首先采用粗网格量化数据空间,找出存在聚类的空间区域,实现数据的预分选聚类;然后统计子聚类的信息,计算其二次聚类的量化值;最后对子聚类的数据空间进行自适应细划分,实现子聚类数据空间的小波聚类。应用双阶自适应小波聚类方法对航空发动机转子的正常、不对中、碰摩、松动故障进行分类与识别,结果显示9种类型被正确分类。因此表明,对于密度分布不均勻的多类型混合数据,双阶自适应小波聚类方法能够根据数据分布特点自适应的量化网格,实现故障的正确分类与识别,诊断精度显著高于传统的小波聚类方法。

从机械系统中传出的信号通常包含着不同的叠加振动成分,包括有用信息以及不可避免的背景噪声和其他频率干扰,因此波形较为复杂,并且其幅值和频率会随着时间发生变化。当背景环境较为复杂或噪声较大时,从混合信号中提取出的轴承故障特征信号更是如此。对于此类信号,模态分解算法不仅可以去除大量的高频噪声,而且还能将振动信号分解成一系列具有单一成分的模态分量,从而更好地发现振动信号的物理意义。引入一种新的轴承故障特征提取方法,首先利用变分模态分解算法先将故障信号分解为若干个成分单一的模态分量;然后利用一种新的能量算子——频率加权能量算子对含有故障频率的模态分量进行处理,得到其能量谱从而提取出轴承故障特征频率;最后以一种常见的振动筛分设备振动筛为实际案例,对其轴承故障特征进行提取,并通过对比,说明...

针对振动信号的非线性、非平稳特征,提出了一种基于局部保持投影（Locality Preserving Projections,LPP）的转子故障特征提取方法。该方法利用LPP降维后保留数据内部非线性结构的特点,对高维的故障振动信号降维并提取出低维的数据作为特征矢量,采用BP神经网络作为分类器进行故障诊断。实验结果表明,LPP方法能有效提高故障诊断的准确率。