刃磨成为一种提升钻削刀具加工精度的高效方法,设计了一种刃磨大长径比刀具。通过六轴数控工具磨床以刃磨方式制备外径尺寸0.5mm与长径比为10的大长径比刀具。利用4Cr13不锈钢开展微孔钻削测试,再根据钻削力、刀具磨损程度、微孔加工水平进行刀具钻削特性评估。研究结果表明当微孔数量增加后,采用刃磨大长径比刀具方式则发生了钻削轴向力的明显减小,形成了更平缓的上升趋势。刃磨方法能够大幅减小大长径比刀具横刃与后刀面磨损宽度。刃磨大长径比刀具形成负前角横刃并对挤压工件形成更小的刮削,采用正前角的内切削刃处理时形成了更大的切削工件区域,引起钻削轴向力的明显减小,有效控制刀具钻尖发生磨损程度。刃磨大刀具方式形成了外形更规则的孔口,微孔形成了更小圆度误差,刃磨大长径比刀具形成孔壁粗糙度更小的微孔。

为了更好地识别噪声与时变转速条件对变工况齿轮箱的故障,开发了一种通过深度小波自动编码器(DWAE)与门控循环单元神经网络(GRUNN)相结合的变工况齿轮箱故障识别方法,其能够从含噪样本自主提取得到鲁棒故障特征;通过Adam与Dropout方法进行训练,通过Softmax分类器对待诊样本的变工况齿轮箱运行状态进行了准确识别。研究结果表明,采用该模型识别齿轮故障时,能够达到有效分离齿轮的6种故障状态,从而满足齿轮状态聚类的优化功能;该模型能够提取出DWAE的鲁棒特征参数,也可以发挥GRUNN以实现消除梯度的效果。当训练样本数增加,待诊样本的准确率也发生了明显提升。样本数超过200后,测试待诊样本可获得稳定准确率,通过DWAEGRUNN方法识别得到的准确率最高。针对变转速工况,该模型可以保持很好的准确率。

为全液压转向系统设置双转向器可以解决大排量需求的问题,但此种布置会影响系统的动态响应特性,因此分析系统的可行性。根据某自卸车全液压转向系统的结构特点,对单转向器系统的关键参数进行分析和设计,获取各参数的数值;根据车辆转向参数的需求,对转向系统的压力损失和温升进行校核,以验证系统可否满足需求;根据前述分析,采用AMESim搭建分析模型,通过转角输入验证模型准确性,并验证负载、输入变化对系统特性的影响;基于转向系统试验台,通过输出特性分析,对前述设计和分析模型进行验证。结果可知:双转向器系统压力损失满足要求,最高温升控制在56.8℃,控制在系统要求的范围内;影响双转向器系统输出特性和油液流量的因素主要是方向盘转速和系统负载,其他因素基本无影响,仅对系统的响应时间产生影响;试验测试平台获取的角速度阶跃输入...