无叶扩压器内流场的热线测量

采用单斜丝和单直丝热线相结合多方位采样测量技术,在三种不同转速条件下,使用智能型恒温热线风速仪,对一小型离心式压缩机无叶扩压器内流场进行了测量。给出了三种转速时的均速度、气流方向角和静压恢系数的测量结果,并对测量结果进行了分析和讨论。     

集成 KPCA 与 t‑SNE 的滚动轴承故障特征提取方法

针对滚动轴承原始数据集包含高维非敏感特征的问题,提出一种集成核主成分分析（Kernel Principal Component Analysis,KPCA）与 t?分布随机邻域嵌入（t?distributed Stochastic Neighbor Embedding,t?SNE）的滚动轴承故障低维敏感特征提取方法。该方法先计算滚动轴承原始振动信号的时域、频域以及时频域特征,构建初始高维特征数据集。利用 KPCA 降低高维数据集的相关性,在最大化高维数据全局特征方差的目标下,提取出非线性特征子集。通过 t?SNE 充分挖掘故障特征数据集的局部结构信息,进一步获取具有高判别性的低维敏感特征子集。将低维特征子集输入到 k?近邻分类器（k?nearest Neighbor Classifier,KNNC）进行分类,以分类准确率和聚类结果作为度量指标,对特征提取结果的优劣予以评价。上述过程综合考虑了数据集的全局和局部结构特征,充分利用了数据自身的结构信息,从而可准确提取其低维敏感特征。将该方法用于滚动轴承故障诊断实验中,通过与其他典型特征提取方法进行对比,及其对含噪情况下轴承故障特征的准确提取,验证了方法的有效性。     

转子—轴承系统稳定性实验研究

通过用脉冲力气敲击、激发出系统的自由振动信号的方法,对多自由度转子-轴承系统稳定性的评价方法进行了研究,结果表明：多自由度转子轴承系统的稳定性可用过错离击振点跨处的自由振动信号评定,界限状态附近轴承动压油膜的阻尼效应是促使系统稳定运行的主要因素。     

基于粗糙集数据分类概念的故障知识发现

针对智能决策技术中的知识获取"瓶颈",利用粗糙集理论作为知识发现工具,以一个离散符号型数据决策表为研究对象,通过对其进行数据分类得到知识颗粒集合,并挖掘出一组知识规则的数据处理过程,建立了一种基于数据驱动方式的知识获取模型。该模型显示出的知识发现本质,是一个原始知识库中的知识被进行等价类运算处理的结果。一个双跨转子系统碰摩故障响应的快速傅里叶变换谱特征状况表明,获得用数据方式描述的关于旋转机械的原始故障知识资源,必须构造出一个性能优良的决策表数据结构模型,其中包括论域概念的正确界定、故障知识表达模型的属性集构造和原始故障知识资源的离散化映射等。分析得出,应以不同类型的旋转机械机组结构形式为对象,需要在知识发现系统工程的思想指导下解决原始故障知识的数据资源化保护问题。     

自动化立体仓库实验台的设计

重点对自动化立体仓库实验台货架结构、堆垛机整体结构以及控制系统进行合理设计,其经济性能和操作性能良好。该实验台的投入使用有利于提高实验教学水平及培养学生的实践能力和创新思维能力。     

涡旋式空气压缩机润滑系统的研究

根据涡旋式空气压缩机润滑系统管径小和润滑油粘性较大的特点，对涡旋式空气压缩机润滑系统的流动进行了研究，将润滑油的流动简化为层流流动，建立了润滑系统油量分配模型，运用流体力学理论，并依据油量分配模型推导出了润滑油路系统的流量和功耗计算公式，为涡旋式空气压缩机润滑系统的设计提供了一定的理论依据。     

基于纠缠的滑动窗口量子通信协议研究

分析经典滑动窗口协议之后,利用量子信息传输的瞬时性建立量子信道,提出一种基于量子纠缠态的滑动窗口量子通信协议。该协议在准备阶段分发EPR关联粒子对,建立量子信道;通过发送数据帧和量子确认帧进行传输。研究表明,该协议不仅在信息传输过程中具有有效减少时延的作用,并且在远程通信和网络堵塞严重的情况下有着更加重要的价值。     

冲击载荷下风电机组传动链的振动响应及控制研究

针对极限载荷引起的风电机组功率不稳定问题,对机组传动链在冲击载荷作用下的振动特性及减振控制方法进行研究。以冲击载荷为激励,利用达朗贝尔原理建立传动链的动力学模型,通过多体动力学模型的对比验证,讨论传动链结构参数与其振动响应间的影响关系。在此基础上基于PID控制原理设计被动与主动两种减振方法,并将其应用于某1.5 MW水平轴风电机组模型中。结果表明:相比于结构阻尼系数的影响,轴系刚度系数对传动链冲击振动的影响更明显;在采用两种减振措施后,低速轴上的振动幅值均显著衰减;其中,采用主动减振方法时的减振效果优于被动方法,它在可降低振动幅值1/3的同时增强传动链抑制随机风载荷波动的抗干扰性能。     

基于Schur分解和正交邻域保持嵌入算法的故障数据集降维方法

针对转子故障特征数据集降维问题,提出一种基于Schur分解和正交邻域保持嵌入算法的故障数据集降维方法--Schur-ONPE降维方法。该方法首先应用小波包分解提取不同频带内的能量以组成故障特征值集合,然后运用Schur分解和ONPE算法将高维特征集向低维投影,使降维后类内散度最小化及类间分离度最大化,最后将降维后得到的低维特征集输入K近邻分类器进行模式识别。通过双跨转子试验台的故障特征数据集进行验证,结果表明该方法能够有效地解决转子故障特征集的降维问题。