为分析轮式装载机动臂参数对不同坡度角下的横向稳定性的影响,以某轮式装载机为研究对象,对满载运输工况下动臂由水平分别转至各个工作位置及动臂外侧厚度变化时的振动模态进行分析,并进一步研究动臂参数对振动特性和动应力特性的影响。结果表明调节动臂的工作位置对固有频率影响不明显,但增加动臂外侧厚度能明显增加系统各阶固有频率;不同坡度路面下,增加动臂外侧厚度,动臂横向振动RMS值均明显减小,横向稳定性得到改善,且动应力波动趋缓。

针对当前齿轮故障诊断存在着准确性不高、主观性强等问题,提出了一种基于堆栈稀疏自编码器(SSAE)和softmax分类器相结合的齿轮故障诊断方法。首先,运用时域分析以及样本熵方法对风力机锥齿轮振动信号进行特征提取,其次,将提取的特征输入到SSAE中进一步学习目标数据的深层本质特征,并进行特征降维,最后使用softmax分类器中进行分类识别。通过实验结果表明,和文中其他浅层学习模型相比,SSAE能够从齿轮振动信号中有效学习到所需的深层本质特征,拥有更高的识别准确率,因而证实了该方法优越性。

针对经典滚动轴承力学特性的研究大多基于刚性套圈的假设,但无法应用于谐波减速器中发生套圈变形的薄壁轴承问题,基于柔性套圈变形假设得到薄壁轴承接触载荷-应力计算模型,并通过ANSYS建立薄壁轴承柔-柔接触三维有限元仿真模型。分析薄壁轴承装配受载引起套圈变形后滚动体接触载荷分布规律,研究薄壁轴承滚动体-滚道非理想接触下滚动体接触载荷-应力计算模型,指出传统刚性套圈假设、切片法分析薄壁轴承载荷分布以及估算薄壁轴承接触应力的局限性。通过理论数值计算和仿真结果对比,验证了基于柔性套圈假设分析薄壁轴承接触载荷-应力计算及仿真结果的合理性、准确性。

针对复杂工业场景下安全帽佩戴检测存在检测精度低、误检率和漏检率高以及检测速度慢等问题,提出一种改进YOLOv3的识别精度高、检测速度快的安全帽佩戴检测算法。对传统YOLOv3主干网络进行裁剪改进,使检测速度得到明显提升;引入空间金字塔池化模块使局部特征和全局特征更有效地融合;将损失函数改进为CIoU以提升目标预测框与真实目标框的拟合效果;扩充第四特征融合尺度用于小目标检测以提高小目标的识别精度。结果表明:在复杂工业环境下,改进后的YOLOv3安全帽佩戴检测的平均检测精度提高了2.37%,且检测速度提升了2.7倍,同时降低了安全帽佩戴检测的漏检率以及误检率。

针对固体润滑角接触球轴承的润滑磨损寿命无法精确预测问题,提出一种更为准确的基于动载荷分布的磨损寿命计算模型,并考虑内、外圈载荷同时作用下的动载荷分布。建立内、外圈和滚道之间的动载荷计算模型,更准确地表征角接触轴承运动接触特性,同时将轴承整个零部件的动载荷分段计算方法与磨损计算模型相结合,建立考虑轴承整体接触区动载荷分布下的磨损模型,为轴承承载运行下的磨损寿命机制分析提供参考。

为了提高液压检测系统故障识别的准确率,提高对液压系统中的蓄能装置故障的诊断率,提出了一种基于堆栈稀疏自编码器的深度学习算法。该方法采用希尔伯特-黄变换和小波变换对压力信号的特征进行提取,然后对堆栈稀疏自编码器(SSAE)进行训练。将训练好的模型连接Softmax分类器,实现对蓄能装置的最佳压力、压力略微减轻、压力严重减轻、接近完全失效的4类压力状态进行诊断。实验结果表明,该深度学习神经网络比机器学习的准确率更高,可以达到98.3%,能够更好的识别液压系统蓄能装置的故障类型。

为了使车载式沥青路面再生养护车多级振捣连续摊铺压实系统应用于不同的沥青混合料路面条件根据其液压系统的工作原理基于液压传动理论在AMESim软件中建立双泵—双马达液压传动变频系统模型并进行仿真、分析。在不同振捣频率下仿真结果验证了多级连续振捣液压传动变频系统的可行性和稳定性实现了多级振捣激振频率的无级调节。