三相异步电机故障发生率高,用电量大且故障难以早期识别。基于此,提出一种基于模糊熵特征选择和支持向量机(Support Vector Machine,SVM)的故障诊断方法。通过构造故障再现试验,测取其四种不同状态类别的多测点振动信号样本,采用模糊熵计算其模态分量的模糊熵样本值,得到四种不同状态类别的模糊熵故障特征向量。然后,结合支持向量机算法,构建支持向量机分类模型,划分模糊熵特征量训练样本和测试样本。通过构造的SVM模型训练和验证,验证结果表明故障诊断准确度达到97.5%,利用常用的改进BP神经网络诊断方法进行对比,准确度为92.5%,结果表明基于模糊熵特征选择与SVM方法在诊断精度上更高。

基于有限元软件ANSYS构建20 kN/8.7 m壁行式起重机有限元模型。分别分析在悬臂梁跨端及跨中2个特殊位置处施加载荷时悬臂梁的受力情况。通过模态分析获取其前10阶模态的固有频率和振型,并结合谐响应分析,得出其2阶、8阶固有频率是设备最容易产生共振的频率。从静态和动态2个方面分析壁行式起重机有限元模型,为机械结构动态优化设计提供参考。研究结果有助于在实际作业工况中选择合适的设备参数。

确保再制造机床的可靠性是提升客户对再制造机床认可的有效途径。基于此,提出一种基于元动作与马尔可夫链的再制造机床全状态可靠性分析方法。引入元动作单元分解法,从零件级进行分析,建立再制造机床FMA树。针对再制造机床元动作单元系统的特点,对其进行全状态建模,将再制造机床运行过程分为元动作单元正常状态和故障状态,引入马尔可夫决策过程,将元动作单元状态和马尔可夫决策过程结合,建立再制造机床全状态模型,用解析法求解模型,并对可