通过对篦式冷却机液压系统建模仿真,发现电液换向阀频繁换向时,在执行元件入口处存在较大压力冲击,造成液压系统管路破裂。将电液换向阀改为比例方向阀后,仿真结果显示冲击明显减小,满足系统工作要求。

按照正面吊液压平衡阀的实际结构以及正面吊臂架平衡阀液压系统的工作原理,将AMESim软件中的Mechanical、Control、Hydraulic和HCD模型块作为建模的基础模块,搭建了带有螺纹插装式平衡阀的正面吊臂架液压平衡回路的AMESim仿真模型。在该仿真模型的基础上,分析和研究了正面吊臂架平衡阀液压系统中平衡阀的主要结构参数和系统参数对平衡阀及系统动态特性的影响。

对正面吊臂架液压回路的基本工作原理进行了简单的分析研究,并利用AMESim液压仿真软件对正面吊臂架差动阀液压系统进行建模、仿真与性能分析,找出了引起臂架振动的主要原因,并提出了合理的解决方法,为该系统的维护和改进提供了依据和参考。

RH真空系统在生产使用过程中,常会出现多个漏气点,影响RH真空度。针对此情况,根据现场生产实践经验,对RH真空系统中真空槽连接处密封、顶枪通道气囊密封、投料系统真空锁密封圈、真空泵主体及排污阀等易漏气点进行分析研究,并对其进行优化改进,解决了因漏气影响真空度差的问题,提高了RH真空系统密封稳定性,保障了生产顺稳进行。

故障子空间矩阵是基于主元分析故障辨识的常用方法。但常规的故障子空间矩阵仅能描述当故障发生时哪些变量偏离了它们的正常值。当两种故障类型具有相同的故障变量时,故障子空间矩阵不能将它们区分。为了进一步提高故障子空间矩阵的辨识能力,本文提出正负故障子空间矩阵法。新方法不仅揭示了故障变量,并且可以反映变量的变化趋势,这使得故障子空间矩阵所代表的故障类型更加具体。首先,以监测统计量最小为优化目标求出各种故障状态下变量的幅值向量。其次,通过幅值向量求出变量的重构值和符号矩阵。然后,根据重构贡献率最小找到对应的故障子空间矩阵,并将该矩阵与符号矩阵相乘得到正负故障子空间矩阵。最后,根据有方向故障子空间矩阵完成故障辨识。通过对翻车机液压系统的故障辨识结果证明该方法具有较高准确性和普适性。

为提高有限元仿真结果的准确性,了解网格特性对仿真结果的影响规律,结合国内某型电动车,以其车架作为分析对象,对模型进行网格划分,通过分析结果寻找网格特性对仿真数值的影响规律,确定影响结果的主要因素——网格无关解。为进一步分析无关解对结果的影响,通过控制网格数目设计一系列求解方案,并对仿真结果进行归纳推导,得到针对该车架模型的应力、位移与网格数量的关系式。结果表明：在一定条件下,2万较41万网格模型最大应力差异约为75.52%,最大位移差异约为59.5%,网格特性特别是网格数量对结果影响较为明显;该车架模型在网格数量大于142071后,差异减少,确定142071为其无关解阈值;应用最大应力和最大位移关于网格数量的拟合函数表达式,可迅速查询或计算仿真结果的误差范围;该方法有利于应用在工作量较大、对象单一、重复性强的仿真分...

在产品的设计过程中,正向设计和逆向设计的方法在建模领域各有其特点。面对已有模型复杂的轮廓曲线及外形曲面,为了提高建模效率,根据正逆向设计的特点,吸取了正向设计和逆向设计的双重优势,提出了基于Artec Studio、Geomagic Studio和CATIA软件相结合的正逆向混合设计建模方法。此方法探索了零件的建模新途径,极大地提高模型数据的处理精度和准确性,减小了与实际物体的尺寸误差,保证了模型的精确度,为正向设计提供了前提基础。对扩展到其他工程领域具有现实意义。

介绍了蜂窝纸板的发展现状、结构特征以及存在的问题。针对问题将现结构进行优化，并通过实验验证了其合理性，改善了实际生产中强度不足的问题。

针对液压泵故障诊断问题,提出了一种基于改进解析模态分解(AMD)、广义形态分形维数(GMFD)和核模糊C均值聚类(KFCMC)相结合的新方法。根据故障特征频率先验知识,在有效二分频范围内对实测液压泵多模态故障振动信号进行AMD分解,并基于欧氏距离法选定实现最优分解的二分频;将基于最优二分频所提取含有丰富运行特征信息的故障分量信号作为数据源,并提取GMFD作为特征向量;利用KFCMC实现对液压泵不同故障的诊断。此外,还利用原始AMD、经验模态分解(EMD)、集总经验模态分解(EEMD)、局部均值分解(LMD)、变分模态分解(VMD)和模糊C均值聚类(FCMC)方法对上述信号进行分析,结果表明所提方法效果要优于上述传统分解和诊断方法。通过对仿真和实测液压泵故障振动信号的实验验证,表明该方法可以有效地诊断液压泵不同故障。

针对液压泵滑靴和斜盘磨损复合故障信号的分离问题,提出了一种基于形态差值算子与特征能量比相结合的方法。首先,将若干种不同长度的结构元素和复合故障信号的形态特征进行匹配,利用形态差值算子提取出若干个信号;其次,分别对上述信号计算两种故障的特征能量比;最后,找出两种故障的最大特征能量比,他们所对应的即为最优匹配结构元素长度,且基于该两种长度的形态差值算子所提取出的两个信号分别为最优分离出的滑靴和斜盘磨损故障信号。通过对实测液压泵复合故障信号的实验验证,表明所提方法能够根据信号形态特征的多样性有效地实现对复合故障信号的最优分离,且比RobustICA方法有效和优越。