点云三角网格重建是逆向工程领域重要的研究内容。网格模型的细节特征是评判三角网格重建算法的重要指标,如何通过点云数据重建完整的网格模型并保证模型表面的细节特征不丢失是点云重建的难点。为了解决这一问题,引入多尺度概念,在点云数据的低频尺度空间中进行网格重建,保证点云数据的重建率,从而保证有高质量的重建结果。在进行网格重建过程中,采用自适应半径搜索策略进行邻域点搜索,减少了网格模型的孔洞。实验结果表明,所提算法三角网格重建质量较高,具有较高的点云数据重建率,有效保证了重建结果细节特征的完整性。

针对数据驱动的轴承剩余使用寿命预测方法多基于先验知识来构建退化指标,较为繁琐,且传统卷积神经网络预测特征提取不完全的问题。该研究采用了多尺度卷积神经网络模型预测轴承剩余使用寿命。多尺度卷积神经网络模型以轴承振动数据为输入,避免了依靠先验知识的退化指标构建过程,且依据其多尺度特性可以从不同尺度自动对输入数据并行提取特征,能更加全面地学习振动信号所蕴含的退化规律。最后,为了减少多尺度卷积神经网络预测模型输出的局部波动,采用移动平均法对预测结果进行降噪平滑处理,最终得到预测结果。该研究使用加速轴承寿命实验数据验证了所提方法的有效性和可靠性。

利用管道湍流速度分布定律,提出解决第一类多尺度模拟存在的空间尺度匹配问题的新方法,即切割流场模型。并运用COMSOL Multiphysics多物理场数值模拟软件,对不同流向、流速、尺寸规格且覆盖有腐蚀产物膜的异径管进行了流-固耦合分析。结果表明：切割流场模型的计算结果较相似准则模型更贴近原始模型。异径管腐蚀产物膜最大变形量出现在小端,且与流向无关。随着流速和异径管大端与小端直径比的增大,腐蚀产物膜的变形量逐渐增加。

以弹性理论为基础，建立考虑非局部效应和轴向非线性伸长的两端固支纳米梁物理模型，推导其动力学方程，计算得到考虑非局部效应和轴向非线性纳米梁的固有频率，研究考虑非局部效应的纳米梁主谐波共振响应。数值结果表明，非局部效应对两端固支纳米梁固有频率和幅频关系均有影响。

新型高速飞行器返回再入及在大气层内飞行的过程中面临多样化的气动加热环境,材料工艺的改进和多组分的添加使材料高温热响应特性变得更加复杂,并呈现多尺度特性.文章从飞行热环境、材料工艺特征和细微观响应等方面对材料防热机理和建模方法进行了阐述,对不同类型飞行器热环境特征与防热建模难点进行了分析,对各类防热材料工艺与热响应特点进行了总结,提出了防热建模分析中需要重点关注的几类问题并给出了典型的应用案例,最后重点介绍了基于微观的组分高温热物性预示方法和材料优化设计的案例与验证方法,以期对新型飞行器的防热设计有所助益.

现有的轴向柱塞泵流动特性自动检测方法不能满足用户对流动特性检测准确率、漏检率的要求。为了满足用户的需求提出了一种基于多尺度角点的柱塞泵流动特性自动检测方法,利用求解油液体积弹性的方式获取单柱塞油液特性方程,通过该特性方程完成对单柱塞腔内的流动特性模型的创建,由于实际的柱塞泵有多个柱塞,所以在柱塞泵整体模型中需要利用配流盘过流面积变化引起的节流效果完成配流,控制整个柱塞泵的高低压流量变化。通过创建的柱塞泵整体模型获取轴向柱塞泵角点特性,利用马氏距离获取初始的匹配特性点对集合,根据方差检验找出偏差匹配点对,反复执行这个步骤,直至匹配点对数不再减少,完成对轴向柱塞泵流动特性的多尺度自动检测。实验结果证明,所提方法能够快速、准确的完成对轴向柱塞泵流动特性的检测,并且漏检率要比当前采...

针对结合面接触刚度解析计算与实际接触状态差异较大,基于有限元的大平面接触刚度计算由于计算量大难以实现的问题,提出一种结合面法向接触刚度多尺度计算方法。该方法在应用测量仪器获取结合面平面度、波纹度及粗糙度形貌特征的基础上,应用小波分解技术获取真实形貌特征,并基于有限元微观接触分析建立局部接触刚度与压强之间的关系,基于有限元宏观接触分析获取结合面压强分布,宏-微观结合计算获得结合面法向接触刚度。该方法具有能够真实反映结合面接触状态、计算效率高等特点,法向接触刚度试验结果表明,该方法是一种计算结合面法向接触刚度的有效方法。

对于有效的提取轨道扣件的特征,提出一种基于小波变换与多尺度局部二进制相结合的特征提取方法。首先将图像进行小波变换,可以有效的去除图像中的噪声,提取出其低频部分,突出图像局部的信息,然后使用多尺度局部二进制对其进行特征提取,而多尺度局部二进制算法则可以在既保留图像局部信息的同时,最大程度留住图像整体信息。通过实际的实验,用最小距离分类器对该特征进行分类识别,表明该方法有效,可行,提高了图像中轨道扣件的识别率。

针对工业现场的实测液压泵故障信号易受强背景噪声污染的问题,利用一种自适应多尺度形态差值滤波(Adaptive Multi-scale Morphological Difference Filter,AMMDF)的方法。该方法把信号故障特征频率处的能量和低频段总能量的比值作为评价各个尺度滤波效果的指标,并以此作为权值来对经过各个尺度形态变换后的信号根据滤波效果进行加权融合,从而实现自适应滤波。通过对仿真信号和液压泵实测故障振动信号的实验验证,表明AMMDF较单尺度的形态闭算子有更好的滤波能力,它既具有信号细节保留能力又有较强的抑噪能力,为液压泵故障诊断提供了一种有效的工具。

提出了一种新的衡量时间序列复杂度的方法——多尺度局部最大样本熵（Multiscale Local-maximum Sample Entropy简称MLSE）与多尺度熵相比MLSE抑制了振动信号中的噪声和干扰成分同时又提高了每个时间尺度上样本熵的计算精度。将液压泵不同状态下的MLSE作为特征向量利用可拓理论进行故障模型识别并将其与另外两种方法进行对比结果表明该方法故障识别准确率最高、耗时最短验证了该方法的优越性。