排序方式: 共有126条查询结果,搜索用时 15 毫秒
101.
为深入研究高速高效加工条件下材料表层晶体特征形成机理,提高铝合金构件服役性能,同时解决传统观察法较难得出晶粒尺寸与位错密度统计学规律的问题,立足微观,以铝合金7050-T7451为研究对象,将材料学与物理学中基于X射线衍射线形分析的Modified Warren-Averbach和Modified Williamson-Hall方法引入切削加工表层微观组织分析中,实现了不同切削速度下切削表层微观组织结构的定量研究。研究表明,高速切削条件下已加工表面以刃位错为主,得出了位错密度值(高达1015m-2以上)与位错密度变化规律,并从塑性变形及能量角度解释了其形成机理;拟合出了晶粒尺寸分布曲线,并通过分布函数分析了已加工表面晶粒分布均匀性;当切削速度高于4500m/min时可以得到位错密度相对较低、晶体尺寸较均匀的已加工表面。 相似文献
102.
电机的听阈不悦噪声的诊断 总被引:1,自引:0,他引:1
针对国产电机听觉上感到噪声偏高的问题 ,选择某型号电机进行了噪声测试 ,采用对数自功率谱、倒频谱和小波分析等方法进行了分析 ,找出了人的听阈不悦的几个高谱峰位置。通过与理论计算结果进行对比分析 ,进一步找出了产生该频阈谱峰的几个原因 ,提出了避免产生该频阈谱峰的改进措施 相似文献
103.
针对采用传统特征指标进行故障诊断准确率较低的问题,提出了一种基于混合标度律特征和改进支持向量机的滚动轴承智能故障诊断方法。首先,利用超阶分析得到指示故障的标度律指标,并将其与常规特征指标相结合构造混合特征指标矩阵,提升特征指标对故障的区分度。其次,采用支持向量机(support vector machines, SVM)对构造的混合特征矩阵进行分类,利用粒子群优化算法对SVM中重要参数进行优化。最后,利用滚动轴承试验台对提出的滚动轴承智能故障诊断方法进行验证。结果表明,与常规特征相比,利用构造混合特征指标得到的训练准确率提高了13%,测试准确率提高了23%。所提方法不仅能识别不同故障类型,而且能对同一故障不同损伤程度进行识别,有望进一步实现滚动轴承故障定量诊断。 相似文献
104.
随着国家工业化和机械化的发展,故障诊断成为了热点问题。故障诊断中对信号进行处理至关重要,而加窗是信号处理中常见的手段。概括了经典窗函数的特点及工程应用,总结了卷积窗、自乘法窗、时频窗、谐波窗等此类新型窗函数的性质,对加窗的原理及影响、加窗幅值修正的问题进行较为详细的探讨。通过对比分析,可以发现新型窗函数在经典窗函数的基础上进一步发展和优化。与传统的窗函数相比,新型窗函数的性能更加优越,在工程实践中应用的范围更广。 相似文献
105.
106.
子空间聚类是机器学习领域的热门研究课题。它根据数据的潜在子空间对数据进行聚类。受多视图学习中协同训练算法的启发,提出一个自适应图学习诱导的子空间聚类算法,该算法首先将单视图数据多视图化,再利用不同视图的信息迭代更新图正则化项,得到更能反映聚类性能的块对角关联矩阵,从而更准确地描述数据聚类结果。在四个标准数据集上与其他聚类算法进行对比实验,实验结果显示该方法具有更好的聚类性能。 相似文献
107.
在现代化生产中,旋转机械的精密性和重要性越来越高,朝着大型、高速和自动化方向发展,以至传统故障诊断方法不足以处理海量、多源、高维的测量数据,不能满足安全性和可靠性的要求;因此,首先简要介绍几种典型的深度学习模型,并结合深度学习强大的特征提取能力和聚类分析的优势,对其近些年来在转子系统、齿轮箱和滚动轴承故障诊断的应用情况进行了对比分析;最后总结深度学习模型的优缺点,并从工程实际出发对旋转机械的故障诊断方法进行总结与展望。 相似文献
108.
针对某型汽车在用户使用较短的时间内变速箱出现裂纹的问题,进行了试验振动分析。提出并实现了整车联结状态下的试验振动测试与模态分析,以及汽车运转状态的振动试验分析,得到了变速箱的固有频率和纵向振动模态。找出了在常用典型档位和转速情况下不平衡量对变速箱振动幅值的影响、不同减振器刚度对变速箱振动的影响,并进行了在复杂路况下对变速箱的动强度测试与分析,由此确定了变速箱的薄弱部位并找出了变速箱破裂的各种影响因素。 相似文献
109.
为了研究载荷变化对准零刚度隔振器动态特性及隔振性能的影响,首先,分析具有分段非线性特性的准零刚度隔振器静力学特性;其次,引入光滑函数,应用增量谐波平衡法得到准零刚度隔振器的周期解,分析载荷与激励幅值对隔振器动态特性的影响;最后,定义准零刚度隔振器的力传递率,分析载荷与激励幅值对其隔振性能的影响。研究结果表明:当激励幅值较大时,载荷变化会导致响应的常数项在共振区附近出现交叉折叠的现象;载荷与激励幅值的变化会改变隔振系统的共振频率、传递率峰值以及有效隔振频带,但该准零刚度隔振器的隔振性能仍优于线性隔振器。 相似文献
110.