这里以角接触球轴承25TAC62B为研究对象,采用SKF法计算轴承的发热量,将轴承座外表面分为五个面,基于随机有限元方法对轴承座与轴承的装配体有限元模型进行仿真分析,研究轴承内外圈及滚动体温度的离散程度变化规律,以及对轴承座五个外表面对流系数的敏感性,并分析轴承座内表面与轴承外圈外表面的径向热变形情况。研究结果具有一定的工程实用价值,为进一步研究轴承温度控制和轴承部件热结构耦合随机特性奠定基础。

复合材料拉挤多腔板在线生产时有时会产生缺陷,导致生产线故障甚至全面停车,因此需要对在线生产的复合材料进行实时无损检测。为此,采用敲击测试的方法,获取振动信号,利用小波包分析对敲击振动信号进行多层分解,分解后的频带能量作为特征向量。把经过归一化处理的特征向量用支持向量机(SVM)进行分类识别。经过实验验证,识别率达到100%。这表明使用小波包分析和支持向量机结合的方法可以对复合材料拉挤多腔板进行故障诊断,在实际应用中具有较好的前景。

为了提高四杆机构设计的精度,提出了一种改进的教与学(MTLBO)算法。与其他经典的智能优化算法如差分进化(DE)算法,粒子群优化(PSO)算法与教与学(TLBO)算法相比,此算法在学习阶段提高了各组之间的交叉率,扩大种群寻优空间,增强局部搜索能力,避免早熟收敛。这里通过建立平面四杆机构模型,分析模型的相关参数,并采用改进的教与学算法对模型参数进行优化。数值实验表明,改进的教与学算法比传统的教与学算法收敛速度快,在对四杆模型的优化中,能够更好的获得模型的最优解,四杆的设计精度提高了70%,由此说明了该优化算法能有效优化四杆模型,提高设计精度。

针对传统的故障诊断技术在实际工程中滚动轴承多故障耦合情况下的故障诊断准确率偏低的问题,提出了一种基于Adam算法优化的卷积神经网络(CNN)诊断模型。该方法的原理是从多故障耦合情况下轴承振动数据中自主学习有用的轴承故障检测特征信息然后进行准确的故障诊断。为了证明该方法的有效性和保证实验的公平性,在滚动轴承单种故障和多种故障同时存在的情况下,将提出的方法与随机梯度下降法优化的卷积神经网络,支持向量机进行比较。比对使用相同的数据来客观的评估相应的性能。该方法对滚动轴承多故障耦合情况下的15类故障进行实验诊断,准确率达到了100%,使多故障耦合情况的滚动轴承故障诊断准确率大大提高。

为了更加准确地揭示轴承振动响应的机理,考虑了滚动轴承受到不平衡力以及运行产生的扰动力的影响,基于Hertzian接触理论,并结合弹性力学、轴承运动学以及几何学,建立了4自由度深沟球轴承动力学模型。为了能够更好地描述轴承实际运动过程,该模型将内圈与外圈通过频率在一个模型中全部体现出来,并且将轴承运行时的共振部分也考虑在其中,从轴承实际运动的角度刻画轴系-内圈-外圈-轴承座传递过程。以深沟球SKF6205-RS轴承为建模对象,利用四阶变步长的Runge-Kutta法对动力学的拉格朗日方程进行求解,得到振动响应时域信号以及频域信号,与凯斯西储大学轴承实验结果进行了比较,验证了模型的可行性。最后,将模拟与实验中产生的共振部分做了定量分析,验证了模型的准确性。

为了探索植物叶脉对滚动接触摩擦副表面摩擦磨损性能的影响,这里基于APDL参数化设计语言,以叶脉为研究对象,对ANSYS软件进行了二次开发,实现了叶脉的有限元参数化建模。同时,利用ANSYS/LS-DYNA求解器、LS-PREPOST后处理器对“滚子-叶脉”系统进行了显式动力学分析。结果表明应用APDL编程和ANSYS的二次开发,可以实现叶脉有限元参数化建模和动力学分析的全过程。这为进一步研究叶脉对滚动接触摩擦副的影响机理提供了思路,也为叶脉拓扑结构的优化奠定了基础。