软性磨粒流磨粒入射壁面过程及其加工特性研究

针对利用两相流模型无法计算高浓度固—液两相流固相颗粒撞击壁面时颗粒速度的问题,提出一种边界层内颗粒运动轨迹计算模型,基于Mixture两相流模型和Realizable k-ε湍流模型仿真计算结果,通过分析提取颗粒入射前速度、计算边界层厚度、建立边界层内速度场和颗粒运动分析可以得到颗粒撞击壁面时的速度和入射角度。分析加工表面动压力分布和磨粒体积分数分布,结合两种结构约束流道验证仿真结果与加工效果的对应关系。通过对试验结果的分析,为约束模块的设计提供依据。研究结果表明:磨粒入射速度、磨粒体积分数和加工表面所受动压力大小直接影响工件加工效果,并与材料去除量成正相关关系;在本次试验中选择的工艺参数导致加工材料去除量小,适合初始粗糙度低的工件表面加工,对于此次试验的初始粗糙度应在0.2μm以下;约束模块的设计除了要考虑磨粒流流场特性之外,还要对加工表面的原始加工痕迹作详细了解,为约束模块的设计及加工工艺参数提供参考。     

软性磨粒流加工中约束模块的设计方法研究

针对软性磨粒流加工方法的特点提出了约束模块的设计目标、设计方法。以最简单的约束模块结构为研究对象,利用Realizableκ-ε湍流模型和Mixture两相流模型对流道内流场进行仿真,并通过试验进行对比。突起结构约束模块可以有效增强突起结构对应区域流速和动压力,试验工件表面在突起结构对应区域光洁度得到明显提高。     

基于LSTM-RNN的滚动轴承故障多标签分类方法

为了提高长短时记忆神经网络模型(long short-term memory recurrent neural network, 简称LSTM-RNN)对滚动轴承故障分类的正确率并减少训练样本量,提出一种基于多标签LSTM-RNN的滚动轴承故障分类方法。首先,建立滚动轴承故障信号仿真模型,分析滚动轴承故障仿真信号频谱特征及其故障分类特点;其次,结合多标签LSTM-RNN模型结构特点,对滚动轴承频谱特征向量进行编码,并利用仿真故障信号验证多标签LSTM-RNN分类方法的有效性;最后,搭建滚动轴承故障模拟试验台,采集3类转速不同故障类型滚动轴承故障振动信号,并采用3种特征提取方法得到共9组试验数据,基于该数据对多标签LSTM-RNN分类方法和单标签LSTM-RNN分类方法进行对比试验。试验结果表明：多标签LSTM-RNN分类方法相比于单标签LSTM-RNN分类方法,平均分类正确率从69.07%提高到99.21%;在保证两种分类方法正确率相近情况下,多标签LSTM-RNN分类方法训练所需样本量比单标签LSTM-RNN分类方法平均减少69.55%。多标签LSTM-RNN分类方法适用于复杂振动信号分类,对于实现快速准确的旋转机械故障诊断具有应用价值。     

基于剪切应力输运湍流模型的两相磨粒流动力学特性研究

为了解决软性磨粒流加工方法(SAFM)中磨粒流动力学特性难以进行实验的问题,提出一种基于剪切应力输运(SST)湍流模型的数值模拟研究方法。该模型继承了k-ω模型和标准k-ε模型的优点,对近壁区有较高的仿真精度。利用SST湍流模型与流体混合模型相结合的方法,以工程中常见的U形流道作为数值模拟对象,对磨粒流动力学特性进行研究。分析数值模拟结果,得到流道内磨粒流的压力和速度的分布规律：楔形流道内,磨粒流的压力相对于等截面流道明显增大,并且楔形流道内湍流程度一直处于发展状态。设计了颗粒轨迹观测实验平台,基于该平台对流道内颗粒轨迹进行研究发现：虽然流体在壁面处的速度为0,但流体中的颗粒依然对壁面产生碰撞。通过理论与实验研究,揭示了流道内两相磨粒流动力学特性,为软性磨粒流加工提供了理论基础,并提供了约束模块的设计方法。     

基于MVMD和全矢包络谱的滚动轴承故障诊断方法

为全面、准确地诊断滚动轴承故障,提出一种基于多元变分模态分解(MVMD)和全矢包络谱的滚动轴承故障诊断方法.首先,采用正交采样技术获取滚动轴承同一支撑处互相垂直方向上的振动信号,将其组成一个二元调制振荡信号.然后,运用MVMD从二元调制振荡信号中提取一组最佳的二元调制振荡信号,其对应的带宽之和最小.由于MVMD运用统一数学模型对2个方向的信号建模,可确保故障特征被分解到同一层,便于后续的信息融合.最后,运用Hilbert变换对每个二元调制振荡信号解调得到相应的包络信号,利用全矢谱融合2个方向的包络信号信息以得到全矢包络谱,进而诊断滚动轴承故障.仿真和试验结果证明了所提方法的可行性和有效性.     

基于LSTM-RNN的滚动轴承故障多标签分类方法

为实时监测砂带磨损状态,采用基于磨削声信号与电流信号的监测方案。首先,利用时域分析方法与小波包分析方法提取砂带磨损信号特征,通过朴素贝叶斯方法融合两种信号,从而识别砂带磨损状态;其次,为提高砂带磨损状态识别准确率,针对朴素贝叶斯方法的分类特性,改进了一种基于Fisher判别率与互信息的信号特征选择方法。实验结果表明,利用基于Fisher判别率与互信息方法能够挑选出可分性好同时特征间相关性弱的信号特征,基于朴素贝叶斯的砂带磨损状态识别方法能够准确地识别砂带磨损状态。     

基于EMD-DCS的滚动轴承伪故障特征识别方法

伪故障特征是健康零部件振动信号中具有的故障特征,伪故障特征是由系统内故障零部件引起的。由于滚动轴承伪故障特征与故障特征具有相似性,针对转子-轴承系统中滚动轴承伪故障特征识别问题,提出一种基于经验模式分解(Empirical Mode Decomposition,EMD)和循环平稳度(Degree of Cyclostationarity,DCS)的伪故障特征识别方法。利用滚动轴承健康信号和伪故障信号对比分析基于单通道伪故障信号进行滚动轴承故障诊断的技术难点;建立了考虑滚动轴承打滑率的转子-轴承系统动力学模型;利用时频分析方法和循环平稳分析方法对滚动轴承伪故障特征进行分析;给出了基于EMD-DCS的滚动轴承伪故障特征识别流程;在滚动轴承故障模拟实验台上开展了滚动轴承伪故障特征识别实验。实验结果表明:基于EMD-DCS的滚动轴承伪故障信号识别方法可以有效区分滚动轴承故障特征与伪故障特征。该研究工作对于提高滚动轴承故障诊断准确率、保障设备安全运行具有理论意义和实际应用价值。     

基于Preston方程的软性磨粒流加工特性

针对模具的细小尺度结构化表面难以进行光整加工的问题,提出一种基于固—液两相软性磨粒流精密加工新方法。利用软性磨粒流的湍流壁面效应,并配以约束模块,能够实现对模具结构化表面的无工具光整加工。基于对Preston方程及其修正系数的分析研究,确定了软性磨粒流加工中的颗粒选择条件,并得到适用于软性磨粒流的切削经验公式。采用可实现k-ε湍流模型以及SIMPLEC算法,对软性磨粒流的压力、速度分布及运动曲线进行数值分析;通过对不同规格颗粒对壁面的压力进行仿真研究,得到适用于软性磨粒流加工的最佳颗粒尺寸。基于上述理论分析与数值模拟结果,搭建软性磨粒流加工试验平台,进行不同入口条件下的加工对比试验,并详细分析入口条件对工件表面形貌的影响。试验结果表明,软性磨粒流加工方法可以实现细微尺寸结构化表面的光整加工,有效提高加工的精度。     

圆柱类金属构件表面裂纹的激光超声识别方法研究

为了利用激光超声技术有效地识别圆柱表面裂纹,提出利用圆柱表面波信号增强和小波包-奇异值分解(WPT-SVD)方法识别圆柱类金属构件表面裂纹的位置和深度。建立了圆柱的激光超声显式有限元模型,分析了圆柱表面裂纹对表面波的模式转化作用。利用圆柱表面裂纹在激发源位置附近时激光超声扫描信号增强的现象,识别圆柱表面裂纹的位置。在已识别圆柱表面裂纹位置的基础上,通过分析圆柱表面裂纹检测信号的时频特点,利用WPT-SVD提取圆柱表面信号的时频特征,定义参数k r表征裂纹深度的变化,识别圆柱表面裂纹深度。搭建了激光超声圆柱表面裂纹检测实验系统,开展了实验研究,实验结果表明所提出的圆柱表面信号增强和WPT-SVD方法可以识别出圆柱表面裂纹的位置和深度。