为研究不同湍流模型对跨音速轴流压气机内部流场和整体性能的影响,采用了5种湍流模型对额定转速下的NASA Rotor67转子进行三维流场数值模拟,分析不同湍流模型计算所得相对流量与压比、效率之间的关系,以及内部流场马赫数分布情况。与实验结果对比发现,5种湍流模型计算出的整体性能和内部流场马赫数分布中,κ-ω模型相比标准κ-ε模型、RNGκ-ε模型、SST模型和SSG雷诺应力模型预测精度更高。

针对核电装载机减速机构因齿轮轮齿磨损而影响其定位精度的问题,建立了一种包含故障信息的齿轮系统传动误差信号模型;基于传动误差法对减速机构进行故障诊断,便于企业早日发现故障,及时更换故障元件,减少经济损失。运用ADAMS软件仿真包含磨损故障的误差信号。改进了传统计算阶次跟踪重采样方法,对原始时域信号进行角域COT(Computed Order Tracking)处理;对重采样后的信号进行EEMD分解(Ensemble Empirical Mode Decomposition),将故障分量进行阶次分析,找出故障特征频率;进一步,对故障分量进行倒谱分析,准确识别出故障元件。分析结果表明,改进算法使重采样效率提高了2/3;阶次分析与倒谱分析相结合的方法能够有效识别出装载机减速机构的故障元件。

为了解决单一BP神经网络模型预测性能不稳定的问题,提出一种集成BP神经网络的数控机床主轴热误差建模方法。采用模糊c均值聚类法筛选温度敏感点,消除了冗余温度变量间的多重共线性。从机器学习的角度出发,分别采用平均法、中位数法和普通最小二乘法将几种具有弱预测性能的典型BP神经网络模型进行集成。以THM6380卧式加工中心为研究对象进行了主轴热误差实验,热误差预测性能分析结果表明,集成模型的预测精度和泛化能力优于单一BP神经网络模型,为机床主轴热误差建模及后续热误差补偿提供了新的思路。