为了优化双圆弧谐波减速器中的柔轮结构,使用SoildWorks软件建立双圆弧齿廓的柔轮三维模型,利用有限元法模拟在装配条件下波发生器对柔轮的变形并建立了接触模型。针对柔轮轮齿上倒角的角度和薄壁圆筒壁厚等结构参数进行了优化,通过ANSYS Workbench对比分析了柔轮在空载和负载情况下,柔轮轮齿上最大等效应力和薄壁圆筒最大等效应力随柔轮结构参数的变化规律。研究为优化谐波减速器中柔轮的结构设计提供了依据,为空载和负载时柔轮的受力分布情况提供了参考。

针对锥形缸体轴向柱塞泵工作时,柱塞腔内油液体积急剧变化,腔内产生的压力脉动和压力冲击会造成柱塞泵振动以及噪声的问题,采用了AMESim建立锥形缸体柱塞泵模型的方法,研究了斜盘倾斜角度和油液的可压缩性及粘性对柱塞腔内压力的影响特性。首先,分析了A4VSO锥形缸体柱塞泵的工作原理和运动学关系,以及柱塞腔内压力的理论分析;其次,通过AMESim的二次开发对原有的柱形缸体模块进行了改进,在考虑泄漏的影响下,建立了锥形缸体轴向柱塞泵的仿真模型;最后,使用实验数据验证了仿真模型的可靠性。研究结果表明:随着斜盘倾角、油液体积弹性模量和动力粘度的增大,柱塞腔内压力增大,且油液体积弹性模量的脉动率由最初0.6%的涨幅降为0.34%。

由于传统浅层模型对故障的表征能力有限,同时信号特征的提取又过分依靠专家经验,针对这些问题,提出了一种基于深度一维卷积神经网络(D-1DCNN)的轴向柱塞泵故障诊断方法。首先,采集了柱塞泵正常、松靴、滑靴磨损、中心弹簧失效、配流盘磨损5种状态下的振动信号,并将这些信号制作成样本集,加以标签标记,将样本集划分为训练样本与测试样本;然后,将样本输入到D-1DCNN中,进行了训练样本信号的特征提取工作,通过前向传播和反向传播方式得到了D-1DCNN的具体模型;再使用SoftMax分类器对测试样本进行了分类,并对网络模型中的参数进行了调整,得到了柱塞泵故障诊断的准确率值;最后,通过西储大学的轴承故障信号对此进行了仿真对比。研究结果表明:采用该方法对轴向柱塞泵故障进行诊断,其准确率可达到100%;使用D-1DCNN对柱塞泵进行故障诊断时,不需要人工设...

空化现象的产生严重制约了轴向柱塞泵向高速高压方向发展,需要对柱塞泵的空化状态检测与智能故障诊断展开研究,因此,结合深度学习网络与非线性分类器的优点,提出了一种基于CBLRE(CNN+BiLSTM+RELM)模型的柱塞泵空化状态识别方法(检测模型)。首先,对不同空化状态下柱塞泵的一维原始振动信号进行了数据增强,并对其进行了标准化处理;然后,利用卷积神经网络(CNN)自动提取信号的特征,并对其进行了特征降维处理;利用双向长短期记忆(Bi-LSTM)网络学习特征序列的时间依赖性,利用正则化极限学习机(RELM)的非线性分类器对特征进行了分类,实现了对柱塞泵的空化状态检测与智能故障诊断;最后,为测试CBLRE模型的性能,搭建了实验平台,在此之上将CBLRE模型与其他模型进行了对比,分析了该模型在不同工况下的性能表现。研究结果表明:该模型的结构稳定、训练时间短,且...

针对目前轴向柱塞泵工作过程中柱塞腔压力信号难以测试的问题,提出了一种基于无线传感器的柱塞腔测试方法。通过在柱塞泵相关部件上打孔,将测试节点固定到柱塞泵缸体及轴端,使微型压力传感器直接与柱塞腔内部液压油接触以此来采集压力信号。节点集成压力采集、无线数据传输、无线供电等模块,实现了压力信号的高速准确采集。该设计方案理论上能够进行柱塞泵旋转缸体内部压力测试,为柱塞泵状态监测和压力特性研究提供了新的技术手段,经测试,节点具有较高的稳定性和准确性,能够满足柱塞泵压力信号测试要求。

变排量非对称轴向柱塞泵直接控制非对称液压缸闭式系统具有能效高、结构紧凑等优势。针对变排量三配流窗口轴向柱塞泵存在变量阻力矩脉动大、斜盘倾角振荡频率高等问题,提出在变排量机构中增加阻尼孔以提高变排量控制性能的方案,推导了变排量控制系统的传递函数;通过AMESim仿真模型分别研究了有无阻尼孔情况下的斜盘倾角振荡、变量缸活塞受力、斜盘变量阻力矩等。结果表明,在控制系统阀控缸中加入直径2 mm的阻尼孔,能有效降低斜盘倾角的振荡频率,减小系统脉动冲击。

Of对现有无线传感器网络节点的不足和机械振动信号采集的需求，设计一种应用于机械设备状态监测的三轴高频采样的无线传感器网络节点。该节点采用模块化设计，包括数据采集模块、数据处理模块、无线通信模块、存储模块和电源模块五部分，其中数据处理模块MSP430处理器负责采集、存储、处理数据，无线通信模块CC2530处理器通过移植ZigBee协议栈负责无线传输数据，数据采集模块采用MEMS加速度传感器通过三维正交组合方式拾取三轴加速度信号。经测试表明，该节点具有高采样率、大量程、三轴同步性的特点，能够满足机械设备高频振动监测的要求。

针对带式输送机传统的静态设计方法,不能满足大运量、长距离和高带速输送机的使用要求。通过分析在输送机启动过程中,不同负载对输送带动态特性的影响,为带式输送机的动态设计提供理论依据。利用AMESim建模软件,建立了带式输送机启动过程的动力学模型,并对带式输送机在空载、变负载和满载工况下对输送带动态特性的影响进行了仿真。结果表明,在输送机启动过程中,负载特性影响输送带动张力大小、应力波传播的速度以及持续的时间。

带式输送机启动过程中,存在输送机动态特性明显、输送带承载段张力峰值波动大、张紧装置提供的张紧力不能保持稳定等问题。利用AMESim软件对不同的张紧方式进行建模,分析了不同张紧方式在“S”形正弦启动方式下,对张紧装置提供的张紧力以及输送带最大张力点的张力峰值波动的影响。仿真结果表明,张紧装置对张紧力的稳定性影响着输送带承载段的张力峰值波动大小,且成正相关性,仿真结果便于使用者根据不同的场合和条件使用不同的张紧方式。

由于柱塞泵内部结构复杂且结构之间相互耦合,致使对其进行故障诊断的难度也随之增加。为了提高算法的可靠性和诊断速度,将核函数与超限学习机结合的方法用于柱塞泵故障诊断。首先,通过加速度计和流量计采集到泵在正常和不同故障工况下的振动和流量信号,同时对其采用小波包分解进行去噪;然后提取了时域无量纲指标和小波包分解的频带能量值中最大频带能量和系统中流量计的流量值,共8维特征向量;最后用核超限学习机对4种故障(滑靴磨损、配油盘磨损、中心弹簧失效、松靴)进行识别与诊断。结果表明,将核超限学习机用于故障诊断,相比于超限学习机和传统的智能诊断算法支持向量机、BP神经网络有明显的优势。