为了增强磨料水射流的加工效果,设计了超声辅助微细磨料水射流加工系统。通过喷嘴内变幅杆的超声振动,将声能与射流压力能叠加,增强磨料水射流的脉动行为,形成脉冲射流。通过数值计算的方法研究了流场轴线上的声压分布及磨粒在流场中的运动特性,探究了脉冲射流的加工机制及硬脆材料去除机制。通过切槽实验分析了系统压力、振幅及靶距对冲蚀深度的影响规律,实验结果证明,施加超声振动可有效降低系统压力,最佳靶距为8~10 mm。基于实验结果,利用MATLAB建立了硬脆材料的去除深度预测模型。

旋转机械转子-转轴系统故障诊断方法中大多采用传统浅层模型,对于数量较大的样本其处理能力有限。为解决此问题,提出一种利用改进的堆叠降噪自动编码器(SDAE)深度模型的故障诊断方法,并对转子-转轴系统的典型故障进行诊断。利用某机械故障综合模拟实验台,结合基于LabVIEW开发的信号采集系统模拟并采集转子-转轴系统的10类单一故障和7类复合故障振动信号。在训练SDAE模型时引入Dropout机制对模型进行改进,并结合Softmax分类器进行网络训练与诊断。与传统BP网络、自动编码器(AE)、无Dropout机制的SDAE和卷积神经网络(CNN)进行对比,结果表明:改进的SDAE方法对于转子-转轴系统故障的正确识别率最高,特别是对复合故障的诊断效果比其他模型更理想,充分验证了改进的SDAE深度模型的优越性。