应用MI公司最新发展的磁驱动轻敲模式（MAC mode）对体外培养成纤维细胞系3T3细胞进行在位成像研究。分别用力常数为0.95 N/m及0.03 N/m的微悬臂进行磁驱动轻敲模式成像,并与接触模式进行比较。同时研究了固定细胞与活体细胞之间的形貌差异。结果显示,利用上述两种微悬臂探针,磁驱动轻敲模式均可获得高分辨像。与接触模式相比,磁驱动轻敲模式对活细胞的影响较小,在细胞膜表面微结构及细胞内亚结构成像方面,有明显优势。而接触模式由于其施力方式,使活细胞应力纤维应激性绷紧,更适合于对活体细胞应力纤维的成像研究。固定细胞与活细胞表面形貌存在较大差异,在生理环境下,进行活细胞检测更能了解细胞的真实状况。

采用压电传感器的涡街流量计在测量中容易受到管道振动和流场振动的影响,测量精度下降.对漩涡发生体周围流场进行分析,发现在发生体两侧存在相位差为180°且振动幅度和频率相等的流体振动点,根据这一特点,提出采用差压原理检测涡街信号的新方法,这种方法能抵抗噪声,稳定性好,实现方便,适应性强.

为了更准确地对液压泵进行故障诊断,提出了基于WVPMCD(WLS-Variable predictive mode based class discriminate,WVPMCD)和层次模糊熵(hierarchical fuzzy entropy,HFE)的故障诊断方法;由于液压泵振动信号比较复杂,基于变量预测模型的模式识别(variable predictive mode based class discriminate,VPMCD)方法在对模型参数进行估计时会出现异方差的现象,从而导致参数估计出现病态,估计所得参数不稳定,从而降低预测精度;WVPMCD作为VPMCD的改进,采用更先进的加权最小二乘参数估计法代替最小二乘参数估计法,消除异方差的影响,提高参数估计的精度,进而提高液压泵故障诊断准确率;此外,在层次熵(HierarchicalEntropy,HE)的基础上提出了层次模糊熵的概念,模糊熵作为样本熵的改进,在衡量时间序列复杂度上并比样本熵更优越;运用WVPMCD和层次模糊熵对液压泵进行故障诊断,实验结果验证了该方法的有效性。

临近空间飞行器和火星探测飞行器首要面临低雷诺数、跨声速的特殊气动问题,针对此特殊环境下低雷诺数翼型的格尼襟翼增升方案,基于CFD方法开展了数值计算研究。对不同雷诺数、马赫数条件下,后缘加装不同高度格尼襟翼的Eppler387翼型的气动特性进行了对比分析,结果表明格尼襟翼增大了翼型的前缘吸力和后缘压差,从而显著增大了翼型环量和升力。在较高的马赫数下,格尼襟翼使翼型上表面低压区的范围扩大,对激波位置略有推迟。合适高度的格尼襟翼提高了翼型的最大升阻比,在中高升力系数下能够明显增大翼型的升阻比。研究结果能够为临近空间飞行器和火星探测飞行器的设计及改进提供技术支持。

直角坐标机器人作为一种成本低廉、系统结构简单的自动化机器人系统解决方案,在替代人工,提高生产效率,稳定产品质量等方面都具备显著的应用价值。文中介绍一种通过采用罗克韦尔PAC(可编程自动化控制器)控制器,能很方便地实现对三轴直角坐标机器人的电气控制。方案选用都具备EtherNet/IP为总线接口的罗克韦尔PAC控制器、伺服驱动器、触摸屏等。方案硬件结构简单,软件功能开发方便,并编制了工件分拣示例程序,实践证明设计方案是切实可行的。

为了更有效地提取液压泵振动信号的特征,在多尺度模糊熵（Multiscale Fuzzy Entropy,MFE）的基础上,结合层次熵（Hierarchical Entropy,HE）提出了基于多尺度最优模糊熵（Multiscale Optimal Fuzzy Entropy,MOFE）的特征提取方法。基于多尺度模糊熵的特征提取方法是不够全面的,它仅仅分析了时间序列在各尺度上的均值成分,而非均值成分也应当被考虑在内。多尺度最优模糊熵通过引入层次熵的理论,首先,分析时间序列在不同尺度下的所有节点;其次,比较同尺度各节点的模式区分能力;然后,选取最能区分液压泵振动信号不同状态的节点为该尺度最优节点;最后,不同尺度下的最优节点模糊熵构成了对原时间序列的多尺度最优模糊熵分析。实验数据分析和比较结果验证了该方法的有效性。

在对液压泵的常见故障进行机理分析的基础上,针对液压泵振动信号出现的调制现象以及Hilbert变换解调的非瞬时响应特性,提出基于小波-平滑能量算子解调的液压泵故障分析方法.首先对采集到的液压泵壳体的振动信号进行小波分解,并对高频系数进行重构以获得高频信号分量;然后对高频信号分量进行平滑能量算子解调;最后对解调得到的瞬时幅值进行频谱分析,判断液压泵的工作状态和故障类型.实验结果表明,该方法能实现液压泵正常、滑靴松动、滑靴磨损三种状态的分类,是进行液压泵故障诊断行之有效的方法。

针对局部特征尺度分解 LCD （ Local Characteristic Scale Decomposition）降噪方法处理非平稳机械振动信号存在的缺点，提出一种基于高频谐波加入．局部特征尺度分解HFHA-LCD （ High Frequency Har-monic Added-Local Characteristic Scale Decomposition）的方法来自适应实现液压泵非平稳振动信号降噪。该方法首先向原信号中加入高频谐波，然后对混合信号进行LCD分解，再以各内禀尺度分量ISC（Intrinsic Scale Component）与原信号的相关系数为准则选取有用ISC分量，最后以有用ISC分量重构原信号，达到降噪目的。仿真信号分析结果表明，HFHA—LCD较LCD可以有效抑制模态混叠现象，提高分解精度，HF—HA-LCD降噪方法的效果也明显优于LCD降噪方法，基于HFHA-LCD的液压泵振动信号降噪结果验证了该方法的有效性。

为了更有效地提取液压泵振动信号的特征，提出基于改进高频谐波加入一经验模态分解（High Frequency Har-monic Added-Empirical Mode Decomposition，HFHA-EMD）和双相关系数准则的液压泵特征提取方法。该方法首先采用幅值更大的高频谐波加入到振动信号进行EMD分解，得到一组本征模函数（Intrinsic Mode Function，IMF）；然后计算各IMF分别与高频谐波和振动信号的相关系数，选取符合条件的IMF重构振动信号；再对重构信号进行包络解调，得到包络谱；最后，以包络谱各频带能量占总能量的百分比构造液压泵振动信号的特征向量，结合支持向量机判断液压泵的运行状态．实验结果表明，改进HFHA-EMD有效抑制了模态混叠现象；同时，双相关系数准则准确去除了与故障无关而保留了与故障相关的IMF，为液压泵特征提取打下坚实的基础。