排序方式: 共有38条查询结果,搜索用时 15 毫秒
1.
针对爬壁清洗机器人越障时,负压装置的吸附力下降导致吸附不稳定的问题,设计了一种旋翼负压混合吸附工作的多边形履带清洗机器人,并对爬行稳定性及越障性能进行了动力学分析。首先根据机器人爬壁的运动原理,建立机器人沿玻璃幕墙上的动力学模型,计算出电机理论驱动力矩;其次分析机器人在跨越障碍过程中的运动模型,结合与壁面接触的实际受力状态,对越障过程中关键阶段的本体倾翻、滑移两种失效形式进行运动学和动力学分析;然后根据玻璃幕墙实际的障碍高度,确定多边形履带的参数和理论驱动力矩的大小,并研制了实验样机进行爬行和越障试验,结果表明所设计的机器人具有良好的越障性能。 相似文献
2.
针对传统基于深度学习的故障诊断方法存在抗噪性能差、计算复杂度高和泛化性能不足的问题,提出了一种基于深度可分离残差网络(Depthwise Separable Residual Network,DS-ResNet)的滚动轴承故障诊断方法。采用快速傅里叶变换(Fast Fourier Transform,FFT)将滚动轴承一维振动转换到频域进行表示;利用深度可分离卷积(Depthwise Separable Convolution,DSC)计算复杂度低和逐点卷积(Pointwise Convolution,PWC)能增强网络非线性表达的优点,分别代替传统深度残差网络中的两个标准卷积层,构建出优化后的DS-ResNet模型。将各类故障状态下的频域信号作为DS-ResNet模型的输入进行识别分类,结果表明,在信噪比为-4 dB的强噪声环境中,识别准确率达到92.71%;在变转速工况下,平均识别准确率可达90.19%,高于其他常用深度学习诊断方法,且模型每轮的训练时间仅需2.16 s,证明了所提方法具有更好的抗噪性能、泛化性能和更高的诊断效率。 相似文献
3.
采用分子动力学方法研究了6H-SiC脆性切削的声发射响应。研究了原子尺度下6H-SiC的微变形和裂纹形核,同时对加工过程中的声发射源进行了识别,分析了其相应的声发射特征。结果表明,6H-SiC在77 nm切削深度下的脆性变形过程简单但不寻常;在6H-SiC切削过程中位错不会连续扩展,变形后的工件在刀具挤压作用下被分割成块,并由位错的快速扩展引发裂纹。对于影响声发射源特征的因素研究发现:初始压应力会导致声发射功率的下降;频率-能量分析中可见的3种声发射源分别是晶格振动、位错扩展和裂纹扩展。此外,在1 K温度下,2次明显的位错传播的声发射响应比晶格振动具有更高的频率特性,但总能量水平最低。相反地,裂纹扩展的声发射响应具有更为明显的频率分布特性和能量特性。 相似文献
4.
针对滚动轴承表面为粗糙平面且影响轴承油膜刚度的问题,基于弹流润滑理论,引入表征粗糙表面形貌特性的表面粗糙度理论,建立了滚动轴承粗糙表面弹流润滑油膜刚度模型,并进行数值模拟,分析了滚动轴承的表面粗糙形貌对油膜刚度的影响,得到其变化规律。结果表明:随着粗糙度的幅值、波长的改变,油膜膜厚变化不大,但是压力变化十分明显;油膜刚度随粗糙度幅值和波长的变化呈非线性变化,油膜刚度的最大值出现在接触区中心附近,随着粗糙度幅值的增大主峰与第二峰逐渐融合;油膜刚度的变化频率和变化幅度随波长的增大而减小。 相似文献
5.
6.
对机械振动信号进行压缩采集能够突破奎斯特采样定理的限制,把对信号的采样变成对信息的采样,有效地解决传统采样方式产生大量数据的问题且不造成信息的损失.振动信号重构算法是这一技术中非常关键的一部分,直接影响着振动信号的重构精度.然而目前的一些典型重构算法都是普适性的,有必要对机械振动信号的恢复效果做一系统研究.对当前比较典型的4种重构算法OMP(orthogonal matching pursuit)、StOMP(stagewise orthogonal matching pursuit)、BP(basis pursuit)、GP(gradient projection)针对机械振动信号的重建进行了适应性分析,主要从重建精度和重建时间两个方面进行系统研究并进行仿真实验.仿真实验表明,OMP算法复杂度低但不适于机械振动信号的恢复;StOMP有着较快的运算速度,非常适合于求解大尺度问题;BP复杂程度高,求解速度较慢,但重构精度很高;GP具有非常快的运算速度,但重构精度较差; 相似文献
7.
以产品元件模型为载体,以不同的功能需求为线索,研究了不同领域产品信息的表达,提出了组件元的概念.采用组合建模法的恩想,提出并构建了基于组件元的机电产品多领域集成仿真平台,该平台中不同领域的工程技术和知识通过XML进行信息交换并封装起来,以提高虚拟样机技术中的不同领域设计人员的协同并行设计效率. 相似文献
8.
根据角接触球轴承自旋运动特征,同时考虑弹流润滑效应,建立角接触球轴承考虑自旋运动的弹流润滑模型;采用多重网格法求解弹性变形,利用有限差分法迭代求解雷诺方程,得到较为精确的数值解;分析不同赫兹接触压力、滚道表面粗糙度下自旋对角接触球轴承弹流润滑和油膜刚度的影响。结果表明:考虑自旋时随着Hertz接触压力、自旋角速度增大,油膜厚度减小,油膜压力增大,油膜承压区域呈细长状,并向接触中心靠近;随着滚道表面粗糙度幅值增大,油膜压力和膜厚均出现了波动,且考虑自旋运动时,轴承油膜厚度明显减小,油膜局部压力峰值更大;随着卷吸速度、润滑油黏度增大,油膜刚度减小,而考虑自旋运动时油膜刚度值更大;随着自旋角速度增大,油膜刚度逐渐增大。 相似文献
9.
为更加准确地描述高速电主轴轴承热位移和预紧力对其摩擦力矩的影响,建立角接触球轴承摩擦力矩数学模型。结合修正的拟静力学理论建立轴承受力平衡方程,分析轴承热位移和预紧力对轴承摩擦力矩的影响规律。结果表明:轴承热位移随转速的增加而增大,在高速条件下其值较大;轴承摩擦力矩随径向热位移的增加而增加,随轴向热位移增加而缓慢增加;轴承转速越低,轴承热位移对摩擦力矩的影响越明显;轴承摩擦力矩随着轴向预紧力的增加而增加;轴承热位移和预紧力对轴承差动滑动摩擦力矩影响最大,对自旋摩擦力矩影响次之,对弹性滞后摩擦力矩的影响最弱 相似文献
10.
针对实际工程中因故障样本数据稀少而导致模型识别准确率不高的问题,提出了一种基于自校正卷积神经网络( SCCNN)的滚动轴承故障诊断模型,并将其应用于小样本条件下的故障识别研究。 首先,为减少不同信号的数据分布差异,在每个
卷积层后添加 BN 算法;其次,利用自校正卷积学习信号的多尺度特征,提高模型获取有用故障特征的能力;然后,引入通道自
注意力机制,建立通道特征信息之间的相关性,用于突出故障特征并抑制数据过拟合;再将少量训练样本输入到模型中进行学
习;最后,将各类不同条件下的故障信号输入到训练好的 SC-CNN 模型进行识别分类,并在两个数据集上进行实验验证。 结果
表明,所提模型在信噪比为-4 dB 的强噪声环境下,识别准确率分别为 98. 64% 和 99. 83% ,在变工况条件下,识别准确率分别为
94. 37% 和 99. 64% ,验证了 SC-CNN 模型在小样本条件下具有较强的鲁棒性和泛化性能。 相似文献