2D伺服阀矩形先导控制阀口气穴特性研究

为研究双自由度（2D）伺服阀先导控制阀口处气穴现象的影响因素及对阀芯稳定性的影响,运用Fluent软件中cavitation模型对2D伺服阀矩形先导阀口进行了气穴特性的仿真研究。研究表明,在出口压力低于1 MPa时,阀口处会出现气穴现象,且因气穴指数σ较小,故在弓形感受通道会出现气泡现象,出口压力高于5 MPa时,无明显气泡现象但阀口处的气穴仍然存在;随着入口流速增加,阀口内侧壁和外侧壁处气穴强度和分布范围增加;在出口压力0.1 MPa情况下,随着阀口开度增加气穴现象减弱。结果表明,2D伺服阀正常工作时先导阀口处会产生气穴,对伺服阀阀芯运动的稳定性产生干扰。     

波登管力反馈型2D压力伺服阀特性

设计了主要用于飞机刹车系统的2D压力伺服阀,其阀芯具有移动自由度和旋转自由度。将波登管作为压力反馈单元输出反馈力矩,与拨杆拨叉联动,实现与主阀的闭环力反馈,从而保持其压力输出恒定;分析了波登管力反馈机构的传力方式,建立了2D压力伺服阀的数学模型,仿真分析了主阀的静动态特性;设计了样机实验方案并搭建实验平台,实验结果表明：2D压力伺服阀输出压力与旋转电磁铁输入电流基本成线性关系,输出压力的阶跃响应时间约为18 ms。实验结果与仿真分析结果基本一致。     

基于有限单元法的减速器箱体受力分析

减速器是重型装备传动装置中的主要部件,而减速器的箱体是齿轮系统的承载体,承受较大的负荷并产生一定的应力。箱体由于强度不足会出现裂纹,从而导致失效,因此如何在不大幅度增加重量的情况下提高箱体的刚度就显得非常重要。由于箱体的形状及受力都十分复杂,用传统的理论解析方法进行力学分析非常困难,针对该问题,采用有限元方法对箱体进行了分析。根据分析结果,找出箱体设计的薄弱环节,为减速器箱体的优化分析提供了依据。     

CAT技术应用于变压器例行试验的探讨

介绍了计算机辅助测试（CAT）技术在电工电气试验中的应用。以电力变压器例行试验为例，阐述了一套微机型变压器CAT自动测试系统实现变压器七个例行试验项目基本试验功能的方法，具体探讨了该测试系统在试验数据采集、A／D转换等方面的软、硬件实现过程及CAT技术中的数据管理及测试诊断问题；基于误差理论对试验数据进行误差分析，简要的给出了采用滤波电路对测试误差进行抑制的结果；说明了采用CAT测试系统进行变压器例行试验的可行性、科学性和必然性。     

2D数字阀阀芯受力分析及研究

介绍了2D数字阀的基本结构及工作原理,提出了2D流量控制概念。研究了由径向力引起的液压卡紧现象。通过Fluent软件对数字阀内部进行流场分析,得出2D阀芯弓形槽处壁面所受的压力分布,并对阀芯受到径向力的原因进行了分析,提出了减小2D阀阀芯卡紧力的一些措施。     

低惯量旋转电磁铁的动态特性研究

研制了一种新型空心杯转子结构的低惯量旋转电磁铁。首先建立了旋转电磁铁的数学模型,仿真分析了其频率响应和阶跃响应,其仿真频宽约为230Hz／一3dB和240Hz／一90。,上升时间约为4．3ms。为了验证理论分析的正确性,搭建了旋转电磁铁的试验平台对其进行了研究。研究结果表明,该旋转电磁铁具有良好的动态性能,其试验频宽达到220Hz／一3dB和220Hz／一90。,上升时间约为5．6ms。试验结果和仿真结果基本一致,表明该旋转电磁铁适合用作高频2D数字阀的电一机械转换器。     

ANSYS随机振动分析在电子行业的应用

为验证电子产品的振动可靠性,对某一电子机箱结构动力学特性进行了研究。用ANSYS/Mechanical有限元软件进行分析,通过施加随机振动的加速度谱曲线,得出了机箱的应力分布和功率谱密度响应曲线。分析的结果表明,用ANSYS有限元软件仿真是可行的,有助于机箱结构的进一步优化设计。     

Ansys仿真技术在电子产品热设计中的应用

以某电子产品的热设计为例,利用Ansys软件的热分析功能,通过仿真分析,预测产品内部的热量分布和气流分布信息。根据分析结果优化各种设计参数,调整布局,找到了最佳的设计方案。     

双向压扭联轴器空载输入输出特性研究

设计了一种双向压扭联轴器,可将直线运动转换为旋转运动,同时使输出扭矩放大,可与2D阀压力增益机制相结合,形成位移可放大的2D阀。通过数值计算和实验的方法得出其输入输出特性,利用颤振补偿技术消除了微小间隙对样机空载输入输出特性的影响,实验结果表明:该联轴器咬合稳定性良好,阀杆输出角度波动在1%以内;选择合适的颤振信号幅值和频率,滞环降到1. 5%左右,且输入输出特性曲线是线性的,仿真和实验结果基本一致,表明该联轴器具有精确的定位刚度,为其在2D电液比例换向阀上的应用奠定基础。     

基于经验模式分解和一维密集连接卷积网络的电液换向阀内泄漏故障诊断方法

内泄漏作为电液换向阀常见的故障类型,其故障振动信号具有非平稳性、非线性等特点,且容易被其他信号淹没、破坏。对此提出了一种经验模式分解(Empirical Mode Decomposition,EMD)和一维密集连接卷积网络(Densely Connected Convolutional Networks,DenseNet)的电液换向阀内泄漏故障诊断方法。该方法首先利用EMD对振动信号进行分解得到一系列本征模态分量(Instrinsic Mode Function,IMF),并将IMF分量和原始振动信号依次进行并联堆叠;然后将并联堆叠信号作为一维密集连接卷积网络的输入进行特征的自动提取,并进行故障分类;最后通过DenseNet与传统的一维卷积神经网络(CNN)对比验证得出,该方法能准确、有效地对电液换向阀内泄漏故障进行诊断。