基于EEMD自适应形态学在齿轮故障诊断中的应用

为了从齿轮故障信号中提取出包含故障信号的特征频率,提出了基于EEMD自适应形态学解调方法。首先采用EEMD(集合经验模式分解)进行降噪,将原始信号与不同的白噪声叠加组成目标信号,然后将目标信号分解为有限个IMF分量,选取主要信息求和重构,再用形态学滤波器提取故障信号的特征频率。针对形态学结构元素尺寸的选择问题,利用遗传算法来优化形态学结构元素,自适应寻求最优解。通过数字仿真试验和齿轮故障模拟实验,并与EMD(经验模式分解)、SVD(奇异值分解)方法进行了比较,结果表明该算法要优于其他两种方法,能够清晰地提取出故障信号的各种频率特征。     

基于LMD的多尺度形态学在齿轮故障诊断中的应用

数学形态学是一种非线性、非平稳分析方法,具有很强的抑制脉冲干扰的能力,但滤除白噪声的能力却不行。针对这一不足,提出一种基于LMD的多尺度形态学解调方法。该方法是将多分量调频调幅故障信号分解为一系列单分量调频调幅信号(PF),实现对故障信号的降噪处理,同时还可以获得原始信号的全部调制信息。选取能量高的PF分量求和重构,再用多尺度形态学差值滤波器提取出故障信号的频率特征。通过仿真和齿轮故障模拟实验证实了该方法的有效性。     

基于形态学的一种齿轮故障微弱信号提取方法

针对数学形态学滤除白噪声能力不足的问题,提出了奇异值分解（SVD）、局域均值分解（LMD）和数学形态学相结合的特征提取方法。将信号进行奇异值分解,对分解后的主要成分取均值,然后进行局域均值分解,选取主要分量求和重构,再用形态学差值滤波器提取故障信号的频率特征。通过数值仿真试验和齿轮局部故障模拟实验,结果表明：该方法能够清晰地提取出故障信号的频率特征,并与奇异值分解形态滤波法相比较,证明了该方法的有效性。     

SLS成型参数对PA2200拉伸试样强度和尺寸精度的影响

选择性激光烧结(SLS)成形工艺参数对成形件力学性能和尺寸精度有很大影响,不同的成形材料需要不同的工艺参数组合;然而,对于PA材料尚缺成形参数标准.为了解决这个问题,选用PA2200粉末材料,研究了激光功率和扫描速率对成形件拉伸强度和尺寸的影响.结果 表明,以拉伸强度和尺寸精度为参考指标,结合理论分析与实验验证,最优参...     

基于形态学的一种齿轮故障特征提取方法

针对数学形态学滤除白噪声能力不足的问题,提出了奇异值分解（ SVD）、局域均值分解（ LMD）和数学形态学相结合的特征提取方法。将信号进行奇异值分解,对分解后的主要成分取均值,然后进行局域均值分解,选取主要分量求和重构,再用形态学差值滤波器提取故障信号的频率特征。通过数值仿真试验和齿轮局部故障模拟实验,结果表明：该方法能够清晰地提取出故障信号的频率特征,并与奇异值分解形态滤波法相比较,证明了该方法的有效性。     

基于PCA和LMD分解的滚动轴承故障特征提取方法

局部均值分解(LMD)是一种自适应时频分析方法,并在轴承的故障诊断中成功应用,但是受噪声的影响比较大。为了最大程度地降低噪声的干扰,提出了主分量分析(PCA)与局部均值分解(LMD)相结合的故障诊断方法。该方法首先利用相空间重构将一维时间序列振动信号嵌入为等效的多维时间序列信号,然后利用主分量分析提取主要成分实现降噪,最后把降噪之后的信号进行LMD分解,分解成若干个乘积函数(PF)之和,对能量最高的PF1进行包络谱分析,提取出故障特征信息。通过仿真试验和轴承故障试验,结果表明该方法能够有效地提取出信号的故障特征,证明了该方法的有效性。     

精密模具三坐标测量夹具设计研究综述

三坐标测量可以实现对精密模具的高精度测量,在制造业领域中得到了广泛应用,三坐标测量夹具设计作为三坐标测量技术的一个重要研究方向得到了广泛的关注。从不同类型零件的夹具设计和基于快速便捷测量的夹具设计两个方面进行介绍,总结了三坐标测量技术在夹具设计的发展趋势。三坐标测量技术在复杂零件的夹具设计方面有巨大发展潜力,存在着较多困难与挑战,也会受到更多科研工作者的青睐。