针对刮板机中部槽中板材料选择的多层次多因素问题,采用模糊层次分析法,从材料的机械性能,经济性能,环境属性以及工艺性能四个方面研究了不同中部槽中板材料的综合性质。通过三体磨损试验来模拟不同的实际煤矿中六种刮板输送机中部槽中板材料的磨损情况,考察了六种中板材料的耐磨性,结果表明NM500材料为所试验的材料中最耐磨的中板材料。其结果可以为模糊层次分析法中的中板耐磨性指标的对比提供参考。利用一个实例来为六种中板材料进行打分排序,利用模糊层次分析法在此案例中选择出最合适的板材,结果表明模糊层次分析法在选择中板材料中具有可行性。

在故障诊断领域,电机电流信号分析法(MCSA)已经逐渐应用于齿轮故障诊断中,但该方法在诊断行星轮缺齿故障时由于电流基频干扰较大,导致故障特征不明显,难以实现故障诊断。因此提出一种基于电流信号经验模态分解(EMD)的故障诊断方法。通过对电机电流信号进行EMD分解,选取合适的IMF分量经傅立叶变换求其频谱图,根据频谱图中是否存在与故障特征频率相关的频率,实现了对行星轮缺齿故障的有效诊断。并通过实验分析,验证了该方法的有效性。

针对应用于工厂物料运输的差速驱动AGV,在实际工作中轨迹跟踪控制将会受外界干扰等因素的影响,提出了一种自适应模糊滑模轨迹跟踪控制律。首先建立了差速驱动AGV的数学模型;然后针对AGV运动学模型设计了Backstep?ping方法控制律,得到虚拟控制速度;针对其动力学模型设计了以力矩为控制输入的自适应模糊滑模控制律,使得其能够对虚拟速度进行跟踪,其中利用模糊系统的万能逼近特性,逼近滑模控制器的切换部分来避免滑模控制的抖振现象;采用Lyapunov稳定性理论分析证明了控制系统的稳定性。最后仿真试验表明了所设计的控制律能有效的跟踪参考轨迹。

故障诊断技术的智能化发展,为油液分析技术开辟了新的途径。油液分析技术的智能化,包括油液性能的自动监测、润滑状态的智能识别、磨损故障的自动识别和故障趋势分析等内容。首先介绍了油液分析技术及常用检测仪器,进而详细阐述了国内外机械设备油液分析技术的智能化发展现状,着重介绍了专家系统、图像识别、神经网络、模糊逻辑、支持向量机、远程诊断在油液分析方面的应用特点、局限性和适用范围,对现存问题进行了总结分析,最后指出油液分析技术智能化发展趋势和应用前景。

针对行星齿轮箱振动信号成分复杂、非平稳、非线性的特点,提出一种基于变分模态分解(VMD)能量熵和隐马尔科夫模型(HMM)的故障识别方法。利用VMD算法对不同故障类型的齿轮振动信号进行分解,提取经信号分解得到的各阶本征模态函数(IMF)的能量熵。基于不同故障类型的各IMF分量能量熵在分布上的各异性,将其集合作为故障识别的特征向量。利用不同故障类型的特征向量组成的训练集训练HMM,计算最大对数似然概率值,用于判断测试样本的故障类型。利用该方法对一定转速下行星轮的3种故障进行识别,结果表明:当载荷不同时,它对行星轮齿根裂纹、断齿和齿面磨损3种故障的平均识别率可达到95.83%。