基于切削声信号与优化SVM的刀具磨损状态监测

提出了一种利用切削声实现刀具磨损状态多特征监测的方法。根据经验模态分解与Hilbert变换理论,提取切削声信号的内禀模态能量与不同频段的Hilbert谱能量作为监测信号的备选特征。采用支持向量机作为分类器,针对备选特征的有效筛选问题,利用多种群遗传算法对分类器的输入特征进行了优化,剔除备选特征中的干扰特征,利用多种群遗传算法对分类器的模型参数进行了优化。利用优化后的分类器对测试样本进行分类,并与优化前的分类结果进行了对比。结果表明,优化后分类器的分类性能得到了明显提升,该方法可以对刀具磨损状态进行有效识别。     

改进粒子群算法和ELM的刀具磨损量预测

为了提高车刀磨损量预测模型的训练速度和在线预测精度,提出了一种基于改进粒子群算法（Improved Particle Swarm Optimization,IPSO）和极限学习机（Extreme Learning Machine,ELM）的刀具磨损量预测方法。采集车削加工中的声发射信号,利用小波包变换理论对信号进行降噪和特征提取,并通过主成分分析对提取的特征进行降维,选取其中对刀具磨损量敏感的特征值组成特征向量。建立基于极限学习机的刀具磨损量预测模型,并通过改进粒子群算法优化模型中的初始权值和阈值。实验结果表明：优化后的刀具磨损量预测模型相比于传统BP神经网络有更快的训练速度,同时改进后的粒子群算法有更好的寻优能力,提高了模型对于刀具磨损量的预测精度。     

两端铰支输流管道振动的独立模态空间控制研究

研究了脉动内流作用下两端铰支输流管道的振动控制问题.采用压电片作为控制执行元件,推导了受控系统的运动方程,设计了独立模态空间最优控制器,并通过数值仿真,验证控制器的有效性.     

基于有限元法的齿轮箱辐射噪声预测与分析

利用有限元分析软件ANSYS对齿轮箱系统在齿轮啮合激励力作用下的动态响应进行计算,提取齿轮箱表面选定区域网格节点的法向振动速度.利用节点法向振动速度的均方根值对选定区域以及箱体各表面的辐射噪声进行预测,得到辐射噪声的声压级与声功率级.通过与实测数据进行对比,证明预测结果与实测结果基本吻合.     

基于广义分形维数的刀具磨损状态监测

根据多重分形理论,提出一种刀具磨损在线监测方法。采用覆盖法计算了切削加工过程中声发射（AE）信号的广义维数,得到了不同刀具磨损状态下AE信号的广义维数谱,分析了广义维数与刀具磨损状态间的关系。计算了AE信号广义维数特征距离及广义维数相关系数,通过比较各广义维数相关系数的大小,对刀具磨损状态进行了决策分类。实测信号验证结果表明,运用该方法可以对刀具磨损状态进行有效识别。     

两端固定脉动流管道振动的自适应控制

采用压电片作为控制执行元件,对脉动流作用下两端固定输流管道振动的自适应控制方法进行了研究,推导了受控系统的运动方程,设计了模型参考自适应控制器,并通过数值仿真,验证控制器的有效性.     

基于TEM图像和分形理论的纳米复合材料分散相粒度分布的评价方法研究

针对传统评价方法的不足,提出一种基于分形理论和以纳米复合材料TEM图像为评价对象的分散相粒度分布定量评价方法。首先运用离散对象构成的自然分形体的盒维数建立分散相粒度分布的数学模型,然后将纳米复合材料TEM图像进行二值化与图像处理,再提取纳米复合材料TEM图像中各标记值对应的等效半径和大于等效半径的粒子数,并在双对数坐标中进行直线拟合,该直线的斜率即为粒度分布参数盒维数｜p｜,并以此作为评价分散相粒度分布的指标。将该方法实际应用于在不同分散条件下纳米铁粉的粒度分布评价,验证了该评价方法的可行性。     

小波分析在数控刀具磨损状态监测中的应用

研究了数控刀具切削过程中声发射(AE)信号的产生机理和特点,提出了利用小波分解和小波包分解技术提取AE信号特征参数的方法监测刀具的磨损状态,并通过实例验证了该方法在刀具磨损监测中的可行性.     

基于ANSYS的机床主轴有限元分析

主轴是机床的重要组成部分.利用有限元分析方法可以在设计过程中得到主轴的动态特性.利用ANSYS软件对主轴进行了有限元分析,主要考虑了有限元分析过程中等参元的运用和边界条件的模拟,以得到更准确的分析结果.     

大型齿轮箱结构分析与结构优化

对大型齿轮箱进行了有限元强度分析,然后以应力和位移为约束条件,以重量为目标函数,对齿轮箱进行了优化设计,取得了良好的优化效果,使重量减少了3746kg,比原设计减轻了23.18%.优化结果为齿轮箱的结构设计、减轻齿轮箱的重量提供了良好的参考依据.