为了降低环境噪声对滚动轴承故障特征信息提取结果的影响,并且提高诊断的准备率,提出了基于改进VMD的滚动轴承故障特征提取方法。首先应用VMD算法对采集的轴承原始信号进行分解,根据能量差曲线确定最佳的分解层数k;然后依据峭度准则,选取峭度值最大的分量作为敏感分量进行后续的分析,最后采用Hilbert算法对选取分量进行解调分析;从最后得到的谱图中便可准确地提取到故障特征频率。通过对仿真和实验室信号的分析,证明了改进VMD算法的有效性与可行性。

为了解决轴承智能化生产线工序间的在线检测问题,对工序间轴承内圈参数自动化检测的装置进行了研究;分析了影响轴承内圈内径各参数检测的误差因素,并对其进行了误差分析;基于虚拟样机技术和ADAMS动力学仿真软件对轴承内圈检测装置进行动力学分析,分析测量因素对轴承内圈内径参数检测圆度、垂直度和壁厚等的影响,并测量仿真过程中轴承下端面的跳动量;基于ADAMS动力学仿真软件的仿真参数进行实验验证,实验结果和仿真结果在趋势上有一定的契合性和合理性,为轴承内圈智能化生产线上的检测装置设计和研发提供理论依据和指导。

根据机构关节和支链的不同,定义了两种不同构型的并联机构形式和7种并联机构的空间结构姿态,给出了“最短支链”和“最短支链对”的概念,并以有效和系统地分析并联机构的输出运动能力特性为目标,提出了基于“最短支链/支链对”的“木桶原理分析法”。结合主-副运动理论和机构的输入-输出运动的综合转化公式,运用提出的“木桶原理分析法”导出了4种情形下的并联机构输出运动能力特性的一般计算结果表达式。利用修正的G-K公式和机构输出运动能力特性的计算结果表达式,针对所定义的7种不同姿态下的SPS/SPU/UPS结构的4-6支链并联机构的输出运动特性进行了分类对比研究,总结了并联机构输出运动能力特性的影响因素和规律。将2SPS-3SPU-RR混联机构作为分析对象,根据提出的理论和规律对该机构的自由度进行了计算,结果验证了以等效串联机构或关...

依据化学机械抛光（Chemical Mechanical Polishing，CMP）加工玻璃光学元件的原理，通过对抛光运动机理的理论分析，提出了抛光垫的磨削均匀性对光学元件面形的影响，并设计了新的工艺流程．通过工艺试验，完成了高准确度玻璃光学元件的CMP加工，获得了表面质量N（0．2，Rq〈0．3nm的玻璃光学元件．

针对某高墩桥梁工程实际情况,对其高度施工过程中液压翻模技术具体应用进行深入分析,并通过实践验证了该工程所用液压翻模技术的合理性与有效性,旨在为类似高墩桥梁工程建设提供技术参考。

为了解决轴承智能生产线工序间在线检测的问题,进行了工序间轴承内圈沟摆自动检测装置的研究;分析影响轴承沟摆检测精度的各种因素,对沟摆检测的误差影响进行了力学分析;采用虚拟样机技术和ADAMS多体动力学仿真软件对轴承的端面跳动量进行仿真。基于设置的仿真参数进行实验验证,实验结果和力学分析结果几乎吻合,证明了检测装置设计的合理性和力学分析的正确性,为轴承内圈智能生产线上沟摆检测装置的设计提供了参考。

针对滚动轴承早期故障信号中冲击成分能量低,背景噪声干扰严重的问题,提出了基于CEEMD与MCKD的故障诊断方法。首先,应用CEEMD方法对故障振动信号进行分解,依据相关系数准则从分解结果中选取敏感分量;然后,采用MCKD算法对所选取分量信号进行降噪并应用Hilbert算法对降噪后信号进行解调处理,从包络谱中提取故障特征信息;最后,通过仿真信号和轴承试验数据进行诊断分析验证了该方法的有效性。

针对滚动轴承早期故障比较微弱,特征信息难以提取且变分模态分解（VMD）中分解层数k的大小需要使用者反复尝试而不能有效确定的问题,提出了改进的VMD方法,以能量差作为评价参数自适应地确定分解层数k。在此基础上,将改进的VMD与包络导数能量算子结合,提出了VMD与包络导数能量算子的轴承早期故障诊断方法。采用VMD对轴承故障振动信号进行分解,根据能量差曲线确定最佳的分解层数k;依据峭度准则,从分解得到的k个本征模态分量中选取敏感分量进行重构;并用包络导数能量算子对重构信号进行解调分析,从其能量谱中便可准确地提取轴承的故障特征信息。通过仿真信号和实验数据的分析,验证了该方法的有效性与可行性。

针对强噪声环境下滚动轴承故障特征信息非常微弱且难以提取的问题，提出基于变分模态分解（Variational Mode Decomposition，VMD）和最小熵解卷积（Minimum Entropy Deconvolution，MED）的滚动轴承微弱故障特征提取方法。基于VMD和MED的滚动轴承微弱故障特征提取方法首先采用VMD对滚动轴承故障信号进行分解，得到多个模态分量，由于噪声的干扰，很难从各个模态分量中提取有效的故障特征信息；然后根据相关系数准则，选取与原始信号相关系数较大的模态分量进行重构，再对重构后的信号进行MED降噪处理；最后对降噪处理后的信号进行Hilbert包络解调，从得出的包络谱中即可准确地提取到故障特征信息。轴承故障实验信号处理结果表明，该方法可以有效地降低噪声的影响，精确地提取滚动轴承微弱的故障特征信息。

滚动轴承故障产生的初期，信号中的冲击成分受到严重的噪声干扰，导致故障信号的周期特征难以提取。针对这一问题，提出基于局部均值分解（LMD）算法和最大相关峭度反褶积（MCKD）算法结合的滚动轴承早期故障诊断方法。首先应用LMD算法对轴承早期故障信号进行自适应分解，选取与原始信号相关系数较大的乘积函数（PF）分量进行重构；然后应用MCKD算法对重构信号进行降噪，突出周期冲击成分；最后对消噪后的信号进行Hilbert包络处理，从包络谱中即可准确地获取故障特征频率。通过对仿真信号和内圈故障实验信号的分析，证明了该方法的有效性。