目的 为了了解不同端部形状对编织型食管支架应力分布及疲劳性能的影响。方法 对支架-食管耦合系统进行有限元分析,模拟不同端部形状的支架在食管内工作状态下的应力分布情况,并基于Goodman准则评价支架的疲劳性能。结果工作状态下,支架的端部和中部会产生较大的应力。相同条件下,直筒形支架上的应力最小而杯球形支架上的应力最大。此外,根据Goodman疲劳准则的预测,直筒形和双喇叭形支架的疲劳性能较好,而杯球形支架的疲劳性能相对较弱。结论支架端部形状会影响支架的整体应力分布以及支架的整体疲劳性能。有限元计算模型和计算结果能为编织型支架的优化设计和性能预测提供参考。

为了研究不同电极材料对加工表面粗糙度的影响,选用紫铜、石墨和钨铜合金三种电极,在煤油和混粉介质两种工作液中,设定电压为35V、脉冲宽度和脉间宽度均为50μs,用1A、5A、10A、15A等四种电流进行试验,对比分析加工工件的表面粗糙度,得出在煤油介质中紫铜电极加工的表面粗糙度最小、混粉介质中钨铜合金电极加工效果最好的结论;对表面形态和再铸层分析,得出石墨电极加工因再铸层区域厚导致表面粗糙度较大、钨铜合金电极加工的再铸层厚度较小使得表面粗糙度值较低等结论,为生产实践中电极材料选择提供试验依据。

机车车辆车轴上安装的部件在工作过程中主要承受振动载荷,撒砂装置安装在轴箱体下方,其结构的可靠性严重影响列车的行车安全。通过对目前被广泛采用的机车车辆部件可靠性做出相关规定的标准IEC61373进行分析,采用模态分析的方法,研究了在使用IEC61373标准中规定的3类车轴安装进行测试时,实验室安装状态和现车安装状态不同边界条件对撒砂装置随机振动模拟长使用寿命试验结果的影响,为撒砂装置以及同类部件结构设计、可靠性试验方法提出了改进建议。

针对群决策过程中出现的专家评估值难以精确化,只能给出区间化评估结果的不确定信息问题,提出不确定信息条件下基于灰数运算与TOPSIS的群决策方法。给出灰数运算与TOPSIS集成的方法和步骤,利用灰数运算处理区间化的专家评估值,利用闵氏距离函数解决TOPSIS方法遇到的属性权重叠加问题。最后,以制造企业供应商评价为例,对提出的方法进行验证,表明灰数运算与TOPSIS进行集成,可有效降低群决策中不确定信息带来的风险,计算过程简单、高效和实用,可用于制造企业生产与管理中含有灰数、模糊数的决策领域。

离心压缩机组结构复杂，故障的种类繁多，在实际的离心压缩机故障诊断过程中，仅通过几种典型的故障频率就判断故障原因比较困难，在众多故障类型中，压缩机转子不平衡与回转体松动故障的甄别较为复杂。不平衡与回转体松动这两种故障类型有着很多的相似故障现象，因此分析这两种故障的频率特征和故障特性是甄别两类故障的关键。介绍了离心压缩机不平衡与松动的频率特征、故障特性及相应机理研究，通过实际的离心压缩机故障诊断案例分析，总结两种故障类型的甄别方法，并得出一套相应的解决措施。

在石油管道和井下作业工具中,存在大量不等径连续变截面圆管结构,其压降计算还没有可靠的理论公式。特别是大型水力压裂施工过程中,高速流体通过压裂管柱及工具的连续变截面结构时,产生的压力损失不容忽视,需准确计算。通过对进出口不等径的缩扩和扩缩结构进行理论和数值模拟分析,得到了进出口不等径的缩扩和扩缩结构压降计算公式,进一步推演出了不等径连续变截面圆管结构压降计算公式,为石油管道、工具及地面其他输流管线内部存在的连续变截面圆管结构压降计算提供可靠的方法和理论依据。

故障信号特征提取的准确性是保证故障智能诊断识别率的关键因素。低信噪比情况下,故障诊断效果下降。变分模态分解方法（VMD）在信号分解精度和抗噪方面具有明显优势。在分析VMD抗噪性能的基础上,提出以VMD分解的各模态能量作为智能诊断特征信息,并与小波包的特征信息进行对比研究。将滚动轴承两种故障特征信息通过BP神经网络识别,用不同信噪比的加噪故障信号进行测试,结果表明,在低信噪比情况下基于VMD模态能量的故障特征更具有可识别性。

被动式电液力加载系统中,加载执行器在被加载对象强制向后推移过程中形成强迫流量,导致出现多余力,多余力会严重影响系统的加载精度。针对这些问题,首先,建立系统的动力学模型;接着,在频率域中分离出多余力表达式,借此找出了影响多余力的主要影响因素是被加载对象引起的速度扰动;其次,采用补偿器对强迫流量进行补偿,以减小多余力;然后,利用加载执行器压力参数来实时修正流量增益,以减少因负载压力变动引起的流量增益波动对多余力的影响。最后借助AMESim-Simulink进行联合数值仿真,结果表明电液力加载系统能准确复现指令力,多余力减小96%以上,稳态跟踪误差不高于4%,响应滞后最大0.03s。

针对备件库存控制策略决策的复杂性,以提高备件分类的有效性,降低库存成本为目标,提出了一种基于DEA备件分类的库存控制策略模型。首先,根据备件使用和管理所关注的不同属性,建立备件分类指标体系,从部门决策的角度利用SE-DEA模型和AHP求得赋权效率值进而对备件重要性进行评价,结合备件的周转率构建备件库存策略二维决策网格对备件进行二维分类,并匹配具体的库存控制策略,之后使用Plant Simulation仿真软件通过实验设计获取不同类别备件的最优库存参数。最后,将该模型应用于L公司的备件库存控制策略改善项目中,验证了模型的准确性和有效性。

聚焦形貌恢复性能提升的关键在于噪声序列图像的预处理以及初始深度值的连续化处理。通过对图像噪声类型识别理论及逼近技术的深入研究分析,实现了一种高精度的聚焦形貌恢复算法。该方法从含噪图像灰度直方图分布特性入手,在对序列图像未知噪声进行初步判断后,决定采用中值滤波进行图像预处理以减少噪声干扰;根据聚焦评价函数曲线特性,利用参数化的三次贝塞尔-伯因斯坦多项式对初始深度值进行插值处理,通过最值搜索方法得到插值曲线的峰值位置,进而实现深度值的精确估计。对不同表面特征,不同材质的实体对象进行形貌恢复实验,结果表明提出的方法兼具恢复的高精度性及有效性。