针对磨床工件加工产生的剧烈颤振及噪声会导致磨床其他零部件出现故障损坏等问题,提出了一种基于经验模态分解(EMD)、Hilbert变换(HT)以及支持向量机(SVM)的磨床振动故障监测方法。首先,利用传感器采集磨床振动信号,对信号进行降噪预处理;然后,将处理后的信号进行经验模态分解,并计算出有效的固有模态分量函数(IMF);再利用Hilbert变换计算出分解信号的能量分布和实时方差,并用信号的主频率带组成特征向量;最后,采用支持向量机算法进行样本分类识别训练并与BP神经网络识别方法进行对比。试验结果表明,该故障监测方法对磨床振动故障监测信号具有很好的判别效果。

基于简化弹性流体动力润滑模型和Greenwood-Tripp微观固体接触理论,建立了一种高速铁路轮轨界面存在水介质时高速轮轨黏着特性三维数值模型,其可以同时考虑热效应和轮轨表面粗糙度对黏着特性的影响。通过数值求解获得了轮轨表面温度分布情况,讨论了速度、表面粗糙度和边界摩擦系数对黏着系数的影响,并与等温三维模型结果进行对比,从对比结果看出,温升情况下黏着系数高于等温情况下黏着系数,并且在滚动速度较大时,随着边界摩擦系数增大,温度对黏着系数的影响变大。研究结果表明,相比于其他因素,速度和表面粗糙度对黏着系数影响较大,且界面温升会使黏着系数增加。