为了对微米尺度薄膜材料的力学性能进行测试,开发了一套成本较低的单轴微拉伸MEMS材料力学性能测试系统。首先,根据有限元模拟优化设计测试样片,使其能够易于夹持、准确对中,以利于应力和应变的测量。接着采用三维非硅UV-LIGA微加工技术制备了Ni薄膜样片。根据单轴拉伸测试过程和硬件构成,以Visual Basic为平台编译了一套数据采集与分析系统。最后,应用该测试系统完成对电镀Ni薄膜材料性能的测试。实验结果表明,该系统能够精确测试试样应变,精度达到0.01μm,拉伸力精度达到mN级。得到的电镀Ni薄膜材料的杨氏模量约为94.5 GPa,抗拉强度约为1.76 GPa。该系统基本满足微米尺度材料单轴微拉伸力学性能测试的需要。

提出一种由圆形板和大量扇形梁构成活动部件的新型高负载电容式微加速度计。通过将固定电极分为检测电极与驱动电极,可实现自检自标定功能。该微加速度计以金属为核心部件材料,并采用UV-LIGA微工艺进行加工。虽然活动部件因全柔性而具有复杂变形、器件内存在复杂机电耦合,但该传感器所建立的计算模型具有精确、快速的特点。采用AD7747对该加速度计进行了测试,并实现了结构参数、材料参数的标定及支撑梁发生破坏、尘粒进入腔室等故障的检查。

为了解决轴承故障特征提取中经验模态分解(EMD)出现的模态混叠现象,提出一种集合经验模态分解(EEMD)、快速谱峭度选频和共振解调技术相结合的滚动轴承故障诊断方法。对原始振动信号进行EEMD处理,分解为多个本征模态函数(IMF);将符合峭度准则的IMF分量筛选出来,对其进行信号重构,对重构信号进行快速谱峭度计算得出快速谱峭度图,从图中选出最优频带中心和带宽,确定FIR带通滤波器设计参数;最后通过共振解调技术对滤波信号进行包络分析,得出包络谱确定

针对滚动轴承故障诊断模型在噪声干扰下鲁棒性能差的问题,提出一种基于小波阈值去噪(WTD)、AR谱和思维进化算法(MEA)优化反向传播神经网络(BPNN)的轴承故障诊断方法。以原始振动信号为输入,采用小波方法分解重构原始信号滤除高频噪声,然后采用Burg算法估计AR模型参数提取降噪信号功率谱特征,最后将特征向量与对应标签分别作为MEA-BPNN神经网络的输入、输出进行训练,最终实现诊断。将该方法与一些先进的人工神经网络诊断方法作比较,测试该诊断模型的