针对滚动轴承故障诊断问题,提出张量奇异谱分解(TSSA)与极限学习机(ELM)相结合的诊断方法。TSSA将一维时域振动信号转换成三阶张量,使用标准张量分解对三阶张量进行分解并重构回一维时域振动信号;为了验证TSSA的有效性,将奇异谱分解作为对比方法,仿真结果表明TSSA重构后的信号能够找到故障特征倍频,其效果优于奇异谱分解。从重构时域信号中提取时域特征参量,并使用ELM网络对其实施诊断;为验证ELM的有效性,将BP、SVM作为对比算法,诊断结果表明从诊断准确率、样本比例、诊断时间方面而言,ELM的性能比BP、SVM要好,ELM更适宜于轴承故障诊断。

研究强分类器ELM-Adaboost模型在滚动轴承故障诊断中的运用。首先,从滚动轴承故障振动信号中提取时域特征参数,并采用因子分析法对变量进行降维处理;其次,对ELM-Adaboost模型中的关键参数进行详细分析,并选择最优的参数对ELM-Adaboost模型进行优化;最后,将ELM-Adaboost模型用于滚动轴承故障诊断中。实验研究结果表明神经元数量和激活函数都能明显的影响到故障诊断准确率;激活函数采用Hardlim()函数的诊断效果比其它函数要好;ELM-Adaboost模型对神经元数量引起的诊断准确率波动性较小;在重复30次实验中,ELM-Adaboost模型对不同类型的轴承故障诊断准确率均在84%以上,而ELM模型则在78%以上,且ELM-Adaboost模型对重复诊断导致的结果波动性相比较低。

为了提高飞艇的水平抗风性能,减少现有飞行器对电池的依赖性并延长其续航时间,本文先提出一种四旋翼控制的太阳能碟形变体飞艇,并对其进行三维结构设计,基于计算流体力学数值模拟技术,采用k-epsilon模型分别对可变体的四旋翼控制碟形飞艇艇体在进行变体后对其各自模型进行气动性能数值模拟计算。结果表明:在艇体体积相等情况下,随着飞行或抗风俯角增大,艇体阻力系数变大;在俯角相同而艇体体积不同情况下,阻力系数随着艇体体积增大而增大;艇体体积增大,会对旋翼产生气动干扰,旋翼损失部分拉力;随着艇体增大和旋翼转速增加,对旋翼产生的气动干扰越大,旋翼气动拉力损失越大。

为了实现零件检测与筛选的自动化，开发了智能化零件检测与筛选系统。该系统包括软件部分、图像采集部分、筛选机构和电控盒等4个部分。其中，软件部分又包括零件视觉检测软件和零件筛选软件；前者在Matlab环境中开发，集图像采集、处理、判断及信号发出于一体；后者用于使单片机接收光电开关、音频发送的信号及向键盘、电磁拉杆发送信号。试验结果表明：该系统能够实现零件检测和筛选的自动化，具有广泛的应用前景。

针对在犁尖部件的局部区域堆焊硬质合金层仍无法解决现有国产犁尖整体耐磨性不足的问题,该研究对高速液压翻转犁犁尖部件整体采用渗碳-淬火-回火处理,并探讨了该工艺对犁尖微观组织与耐磨性的影响机制。研究结果表明,经渗碳-淬火-回火(Carburizing-Quenching-Tempering,CQT)工艺处理后的犁尖(CQT态犁尖)近表层最大碳质量分数约为0.70%,渗层深度约为2.5 mm,其表层组织为针状马氏体(高硬度)+残余奥氏体+少量碳化物,芯部组织则以板条马氏体(高强韧性)为主,这与经淬火-回火(Quenching-Tempering,QT)工艺处理后的犁尖(QT态犁尖)中的板条马氏体+先共析铁素体组织明显不同,微观组织的改善使CQT态犁尖近表层的显微硬度较QT态犁尖提高56%。同时,与QT态犁尖相比,CQT态犁尖芯部的屈服强度和抗拉强度分别提升16%和20%。摩擦磨损试验及田间试验表明,CQT态犁尖的平均摩擦系数较QT...

考虑到轴承故障难以诊断的问题,提出AdaBoost算法组合遗传算法优化的BP神经网络(GABP-AdaBoost)的诊断模型。利用遗传算法寻优能力对BP网络的权值与阈值进行优化,并用AdaBoost算法进行组合;采用UCI标准数据集对GABP-AdaBoost算法中的关键参数进行分析,并设置最优参数;用最小二乘法和指数平滑法消除轴承振动信号中的漂移和微弱噪声,并用因子分析法选择最优时域参数;使用GABP-AdaBoost算法对轴承故障样本进行诊断,并将GABP、BP、BP-AdaBoost作为对比算法。重复试验30次的结果表明:GABP-AdaBoost算法诊断效果达到90%以上但诊断时间较长;BP-AdaBoost算法诊断效果优于GABP且耗时较少;GABP-AdaBoost算法与BP-AdaBoost算法对重复诊断的波动敏感程度较低。

随着先进制造技术的发展，零件检测技术在工业生产领域中占有重要地位。以零件的同心度参数为研究对象，搭建了同心度的检测平台并提出一种新的同心度检测方法。该方法首先采用Otsu法对灰度图像进行动态阈值分割，其次利用二值形态学中的填充处理、异或处理及边缘提取等运算获取外圆、内圆的边缘，然后使用基于外点剔除的迭代最小二乘法进行外圆、内圆的边缘拟合，最后计算零件的同心度值。与采用接触式检测的三坐标测量机相比，提出的检测方法更适合于大批量、非接触式零件同心度的检测，且检测误差在0．01mm以下。试验表明，该方法可有效地实现零件的同心度检测，满足当前企业的实际需求。