基于实验平台,采集滚动轴承正常、内环故障、外环故障和滚珠故障四种工况的振动信号,利用时域分析法提取故障特征量。分析隐含层神经元数量、隐含层激活函数和样本比例对极限学习机网络诊断效果的影响,同时从网络对样本比例的适应性、算法的稳定性、仿真耗时和抗噪能力四方面比较BP、SVM和RBF网络。结果表明针对轴承故障诊断,极限学习机在神经元数量较少时采用Sigmoid()函数、神经元数量较多时采用Hardlim()函数,其诊断效果较佳;极限学习机相比BP、SVM和RBF网络,能够更好的适应样本比例的变化,且算法的稳定性和准确性均为最优;极限学习机仿真计算时间相对较短、抗噪能力较强。

针对改进姊妹孔在吹风比为0.5、1.0、1.5、2.0情况下的温度场、流场以及冷却效率分布作了数值研究,模拟结果与圆柱孔和传统姊妹孔进行了分析比较。结果表明与圆柱孔和传统姊妹孔相比,改进姊妹孔形成了附加漩涡对,与反向漩涡对相互作用,抑制了冷却气流被反向漩涡对的抬升并且增强了冷却气流的扩散,提高了冷却气流的贴壁性,增大了冷却气流的展向扩展范围;与传统姊妹孔相比,在低吹风比条件下,改进姊妹孔提高了气膜冷却效率约(10~20)%,在高吹风比条件下,改进姊妹孔提高了气膜冷却效率约(20~35)%。