对悬停和前飞状态下共轴双旋翼的气动特性开展数值仿真研究。首先,分别对悬停状态的旋翼标模和前飞状态的试验模型计算旋翼拉力系数,数值仿真结果与试验结果符合良好。然后,基于多重参考系法建立共轴双旋翼CFD数值模型,分析共轴双旋翼上、下旋翼气动特性变化规律。结果表明,悬停状态下,共轴双旋翼每个旋翼的拉力系数均低于单旋翼拉力系数,本文算例中,双旋翼/单旋翼拉力比可达1.844,且随转速增加而降低。前飞状态下,从避免风车效应的角度考虑,共轴双旋翼优于单旋翼,旋翼间距近的共轴双旋翼优于旋翼间距远的共轴双旋翼。

可逆翼型气动性能的优劣对可逆风机性能好坏起着至关重要的作用。选取了形式不同的三种翼型,即对称翼型、S型翼型和常规非对称翼型,利用X-foil软件对上述三种翼型的气动性能进行数值计算。结果显示,在较大的攻角范围内,常规非对称翼型的升力特性和升阻比特性都明显优于另外两种翼型。为了比较三种翼型在可逆风机中的应用效果,通过调整设计参数使采用三种翼型设计的叶片具有相同的弦长和扭曲变化规律,然后在标准风管式出气试验台上进行了空气动力性能实验。研究表明:在选取的三种翼型中,采用对称翼型设计的可逆风机叶轮最为理想,其额定工况点的实验性能满足设计要求,且具有良好的反风性能,同时正、反风工况下都有较宽的高效工作范围。

以曲线齿面齿轮传动系统为研究对象，对小模数曲线齿面齿轮与渐开线圆柱蜗杆传动系统进行了齿面方程求解、几何模型建立及啮合接触分析。主要包含以下内容：依据齿轮几何学与啮合理论，分别推导出渐开线圆柱蜗杆与曲线齿面齿轮的齿面方程，基于此利用参数化建模的方法建立了准确的几何装配模型，并在其整体装配模型基础上建立了五齿啮合模型；阐述了一种基于有限元分析的时变啮合刚度算法，建立了曲线齿面齿轮啮合接触分析的有限元模型，并基于此对其啮合过程中不同接触位置的传动应力以及时变啮合刚度进行分析，获得了其时变啮合刚度的变化规律与传动应力的变化情况。

共形3D打印是利用3D打印的方式在紧贴承载曲面上完成共形结构制造的技术。应用3D直写技术和六自由度机械手控制技术,完成共形3D打印平台的搭建。对曲面共形3D打印轨迹路径生成的数据流结构进行分析,论述了轨迹路径的生成方法。以CAM中曲面上轨迹路径的刀位轨迹点信息为媒介,由代码转换程序将机械手系统与CAD/CAM系统连接,根据机械手的控制要求,通过坐标变换和机床旋转角求解,实现从刀具轨迹路径的刀位信息到机械手运动的位置点信息的转换,解决了曲面共形3D打印轨迹路径生成的问题。实验完成了曲面共形结构的较高精度打印,证实了这种轨迹路径生成方法的可行性。

为提升汽车铝合金轮毂螺栓联接轴力保证轮毂螺栓联接的安全可靠性，建立轮毂螺栓锥面联接旋紧过程力学分析模型，研究轮毂螺栓联接结构设计对轴力提升的影响因素，分析轮毂锥孔的弹塑性状态，利用Abaqus分析啮合螺纹轴力分布规律及螺栓联接轴力与旋紧力矩的关系，提出轮毂螺栓联接的轴力提升方法和改进措施。仿真结果表明，减小螺母锥面联接摩擦力、增大螺母锥角及旋紧力矩、改变螺母锥面结构形式均可提升轮毂螺栓联接轴力，轮毂及啮合螺纹的承载能力影响螺栓联接轴力的提升程度。通过轮毂螺栓联接实验验证了理论分析结果。

机械加工对于模具结构的要求日益复杂,导致在模具自由型面上存在大量沟槽、凸凹等结构,容易出现磨损严重、拉毛拉裂等问题。对于模具不同位置所需要的应力特征不同,多采用镶块式模件拼接后整体铣削加工。而拼接处存在铣削力的突变导致刀具磨损过快和型面精度不高问题。本文通过阐述球头刀铣削凸曲面拼接模具表面形成机理,分析了铣削过程中不同位置的刀具-工件的接触关系;并且以球头铣刀加工不同硬度的淬硬钢Cr12MoV凸曲面拼接模具试验为对象,揭示切削深度、切削速度、每齿进给量及刀具铣削方向对拼接处铣削力突变的影响规律;以铣削力突变最小为目标进行正交试验研究,得到考察指标的主次影响规律和最优参数组合。

针对模块化产品设计过程中模块划分结果的评价与决策问题，提出基于不确定语言变量多属性决策的评价方法。不同的模块划分方法、划分标准，可获得不同的模块划分方案，需对这些方案进行评价与决策。依据成本多属性评价体系，运用依赖型不确定语言有序加权几何（Dependent uncertain linguistic ordered weighted geometric , DULOWG）算子，对模块划分方案做出评价。由评价者对模块划分方案关于属性进行测度，构建多属性评价矩阵，借助不确定语言变量调整权重，从而降低评价者因主观性导致评价结果的不合理，从而提高评价方法的客观性和有效性。在此基础上对各方案进行评价计算得到成本多属性综合影响下的最优方案，并以开关柜为实例验证了该方法的可行性与有效性。同时，将本文方法与模糊层次分析法进行比较，指出本文方法的优越性。

基于不同损伤理论,利用人工智能技术来预测岸桥金属结构疲劳寿命的智能算法已经成为岸桥领域新的热点。为提高寿命预测精度,分别利用神经网络算法和支持向量机算法进行仿真实验,估算在两级载荷下的疲劳寿命。根据前人给出的实验数据,分别运用基于遗传算法优化的神经网络和基于粒子群优化的支持向量机算法对正火35#钢和调质45#钢进行疲劳仿真,描述应力与累积损伤之间的非线性关系,以及应力加载顺序对疲劳寿命的影响;并对海洋平台中最为常见的焊接管接头结构进行疲劳参数的预测,以验证经过优化的智能算法的实用性。同时与优化过的BP神经网络和支持向量机预测结果进行比较,表明优化方法对于提高智能算法的预测精度有较大作用。

碳化硅(SiC)单晶片属于难加工材料,在使用之前必须要进行研磨与抛光。材料去除率(Material removal rate,MRR)是衡量SiC单晶片研磨与抛光效率的重要因素。针对传统研磨与抛光过程中考虑磨粒摩擦磨损时建立的材料去除率公式对材料去除的不足,考虑SiC单晶片研磨时磨粒挤压嵌入阶段的材料去除,建立了新型的材料去除率公式。根据SiC单晶片、磨粒与研磨盘之间的接触状态,推导出了包含嵌入阶段和摩擦磨损阶段材料去除的新型MRR数学模型;结合材料的物理特性(如硬度与弹性模量等),进行研磨实验。实验结果与模型预测结果表明,新型材料去除率公式的预测结果更接近实际情况。

对风力发电机机组的运行状况进行实时监测,并识别其健康状态,是保证机组正常运行的关键,为此提出一种固有时间尺度分解(Intrinsic time-scale decomposition,ITD)-多尺度熵(Multiscale entropy,MSE)的振动信号分析方法,对振动信号进行预处理,提取重构信号时域特征,并结合极限学习机(Extreme learning machine,ELM)对风电轴承健康状态进行识别。首先采用ITD方法对风电轴承的振动信号进行分解,得到一系列固有旋转分量,并计算其多尺度熵值,以多尺度熵值大小为依据,选取固有旋转分量并进行信号重构。计算重构信号的均方根值、峭度值、峰值因子与峰峰值,并将其作为特征指标值,建立ELM识别模型,识别风电轴承的健康状态。风电轴承试验结果表明,本文模型可以准确识别风电轴承健康状态。