斜盘-滑靴副(滑靴副)的磨损会导致泵泄漏增加、效率降低,进而影响寿命.提出了一种基于弹性流体动力润滑(EHL,Elasto Hydrodynamic Lubrication)磨损模型的轴向柱塞泵滑靴副加速寿命试验方法.该方法以滑靴副的油膜分析结果为基础,综合考虑工况参数(温度/转速/压力)对滑靴副磨损的影响,揭示了影响滑靴副磨损过程的内在因素.研究以某型轴向柱塞泵为对象,首先基于提出方法,对2组不同工况下的滑靴副磨损量进行了分析,并将分析结果与长周期的磨损试验结果进行了对比,验证了磨损量分析结果的准确性,也表明本文提出的方法与模型具有可用性.然后,基于本文提出方法和磨损分析模型,对比分析了介质温度(黏度)、输出压力、转速与滑靴副磨损率的相对关系.最后,探讨了柱塞泵的磨损加速寿命试验的加速手段,以及工况对于加速比率的影响.研究结果能够用于制定柱...

为了揭示轴向柱塞泵滑靴底面油膜温度场分布规律,分析了滑靴副生热机理以及热量传递途径,在此基础上利用热流量守恒定律建立滑靴副热力学耦合模型,讨论不同压力和转速工况下滑靴的结构参数对滑靴底面油膜温度的影响。分析结果表明,滑靴副油膜温度场呈不均匀分布,沿滑靴半径方向呈递减趋势,其最大值出现在最薄油膜厚度区域,容易引起滑靴偏磨磨损,主要集中在泵的排油区;恒压高速工况下滑靴内外半径比范围为1.5～2.0之间,应尽量取较小值,降低滑靴副油膜温度,提高滑靴副润滑性能;恒转速高压工况下阻尼管长度直径比范围为3.50～8.75之间,应尽量取较小值,防止滑靴底面油膜温度过高,改善柱塞泵的散热效果。

高超声速飞行,激波后高温气体会发生电离,飞行器气动热环境复杂。5组元(N_2,O_2,NO,O,N)、7组元(N_2,O_2,NO,O,N,NO+,e-)和11组元(N_2,O_2,NO,O,N,N+2,O+2,NO+,O+,N+,e-)热化学反应采用Gupta化学反应模型,分别数值研究电离作用对高超声速热化学非平衡气动热环境影响。本文分析了不同催化壁面条件下,高超声速热化学非平衡电离流场气动热环境特性。电离作用对激波离体距离和气动力载荷的影响很小。5组元热化学非平衡不考虑电离作用,流场温度和壁面热流密度偏大。11组元热化学平衡强电离流场温度最低; 7组元热化学非平衡弱电离流场NO+和e-生成量过低; 11组元热化学反应能对热化学非平衡电离流场气动力和热流密度载荷可靠预测。壁面催化作用会增大壁面热流密度,但它对高超声速热化学非平衡电离流场温度和气动力载荷的影响很小。

通常的CFD计算都是确定性的,然而复杂工程数值模拟中必然存在误差与不确定度,分析与辨识其不确定度来源,对不确定度进行量化分析,对数值模拟可信度评估有重要意义。在高超声速飞行器气动热计算中,为获得更加可靠的气动热数据和鉴定影响气动热预测的关键因素,对返回舱开展了气动热不确定度量化分析和敏感性分析。首先选取来流速度、来流温度、壁面温度和来流密度4个不确定性输入变量,并且假定来流速度变化范围为±120 m/s(±2%),来流温度、壁面温度和来流密度变化范围为±10%。然后采用拉丁超立方抽样法生成样本,再通过热化学非平衡数值模拟方法进行气动热计算,最后分别运用基于非嵌入式多项式混沌(NIPC)的方法和基于Sobol指数的方法开展不确定度量化和敏感性分析。结果表明,在给定的输入变量不确定度的条件下,壁面热流不确定度不小于15.9%...

设计一种基于变增益运算放大器和带通开关电容滤波器的新型涡街流量计信号处理电路．单片机利用模拟数字转换电路（A／D）实时检测涡街流量计传感器输出信号的幅度和频率，同时利用数字模拟转换电路（D／A）对变增益运放进行控制，为后续的信号检测电路提供幅度相对稳定的有效信号．带通开关电容滤波器在单片机的控制下实时跟踪变增益运放输出的信号频率，保证带通滤波器的中心频率接近信号频率，以达到良好的滤波效果．滤波后信号通过单片机进行频率信息的精确计算以及流量的解算．实验结果表明，变增益运算放大电路有效解决了涡街流量计传感器输出信号幅度变化范围大而造成的放大电路复杂，分段放大信号幅度不连续等问题；带通滤波器通过单片机实时调整中心频率，对信号中各种干扰起到较好滤波效果．

科氏质量流量计（CMF,Coriolis Mass Flowmeter）全数字闭环系统,采用现场可编程门阵列（FPGA,Field Programmable Gate Array）和现代数字信号处理方法对CMF传感器进行稳定精确的闭环控制,实时性和精度较高.以高速并行器件FPGA为运算和控制核心,在相位控制中引入FIFO（First In First Out）组件,通过控制FIFO的读、写请求信号来改变时间差,实现对拾振和激励信号的相位差准确、稳定的控制;采用不连续和连续幅值控制相结合的非线性幅值控制方法,快速、准确地设定幅值,适应性强,实现对拾振信号幅值的良好控制,并控制拾振信号以稳定的幅值输出,提高CMF的测量精度和稳定性.实流标定对比实验结果表明：CMF数字闭环在零点稳定性、动态响应特性和重复性方面都优于模拟闭环,并在一定程度上提高了CMF的测量精度.

超声检测中回波信号信噪比低、易于被噪声淹没,小波变换是一种有效的提取缺陷回波的方法.建立了超声缺陷回波信号的数学模型,对基于小波变换的软、硬阈值消噪法作了改进,提出一种折中方法用于超声缺陷回波信号的去噪,同时以信噪比为目标函数对参数的选取也作了优化.仿真实验结果表明,改进方法非常适合用于超声信号的分析,能够很好地抑制噪声,它最大程度的发挥了小波软、硬阈值消噪法的优点,避免它们的缺点,使用该方法处理的信号相对于小波软、硬阈值消噪法在一定程度上改善了去噪的效果,提高了回波信号的信噪比.

变量泵控制变量马达系统的速度调节过程相当于变量泵控制定量马达或定量泵控制变量马达,存在系统溢流损失大、调节速度慢和没有发挥系统潜能等缺点.为了克服这些不足,提出基于反馈线性化理论的变量泵变量马达系统变结构控制算法.建立变量泵控制变量马达系统数学模型,并针对系统的相乘非线性,运用精确反馈线性化理论将其线性化;根据该闭式液压系统双变量调速的特点,利用变量马达期望转速和马达排量计算变量泵排量;运用变结构算法进行变量马达转速控制,并进行算法的Lyapunov稳定性证明.仿真表明,基于本控制策略可有效地提高系统的响应速度、减小超调量,而且算法具有较强的鲁棒性.

针对目前基于深度神经网络的柱塞泵故障诊断方法在小样本条件下精度低、模型欠拟合问题,提出一种小样本条件下基于孪生神经网络的柱塞泵故障诊断方法。搭建了柱塞泵故障实验台,采集柱塞泵在不同健康状态下的壳体振动信号;使用由卷积层和池化层组成孪生子网络自适应地从原始振动信号中提取低维特征,使用欧式距离判定输入样本对的特征相似度;通过相似度对比的方法扩大训练样本数量并训练孪生神经网络模型;最后,对测试样本进行健康状态识别。实验结果表明:与传统深度神经相比,所提方法在小样本情况下具有更高的准确率。同时,多通道数据融合实验表明:所提方法能够从不同通道的信号中学习到有关故障信息,多通道数据融合可以进一步提高诊断准确率。

针对液压泵出口故障检测信号信噪比低、难以进行故障特征提取的特点，及传统的BP网络进行故障诊断时网络学习具有收敛速度慢和学习、记忆不稳定的缺陷，提出了一种将小波包变换和改进Elman神经网络相结合，进行液压泵故障诊断的新方法．利用具有紧支结构的小波函数对信号进行分解，削减小波系数以滤除信号中的噪声；单支重构以有效提取各频带的故障特征，并以频带能量作为识别故障的特征向量；应用改进的Elman神经网络建立从特征向量到故障模式之间的映射，实现液压泵故障分类．试验结果表明，采用小波包和改进Elman神经网络相结合的方法可有效的实现液压泵故障的诊断．