深入进行活塞-缸套组件的减摩研究,对于提高和改善内燃机机械效率与整机性能具有重要意义。为了研究振动减摩在活塞-缸套组件上的可行性,通过引入缸套表面振动变形,构建了活塞-缸套组件的改进润滑模型,对附加振动引起的缸套减摩现象进行了仿真分析,并基于摩擦测量试验机和高频激振设备搭建了内燃机摩擦测量试验台架,对不同超声激振工况下活塞-缸套组件的减摩情况进行了试验研究。研究结果表明施加参数合理的超声激振能够有效降低活塞-缸套组件间摩擦力。

针对旋转机械故障特征需要人工提取、复杂故障识别困难和诊断模型鲁棒性差的问题,在经典卷积神经网络AlexNet基础上,提出基于一维深度卷积神经网络的故障诊断模型,模型采用改进的一维卷积核和池化层以适应一维时域信号。相比传统智能诊断模型的人工特征提取和故障分类两阶段模式,该模型将两者合二为一首先利用多个交替的卷积层和池化层完成原始信号自适应特征学习,然后结合全连接层实现故障诊断。通过轴承和齿轮箱健康状态监测实验表明,提出了模型可以实现高精度、稳定和快速的故障诊断,并与BP神经网络、SVM、一维LeNet5模型和经典AlexNet模型对比,证明了提出模型的优势,最后通过PCA可视化分析说明模型在特征提取上的有效性。