提出了一种磁流变丁腈橡胶基水润滑微凹槽尾轴承。在不同磁场强度下制备磁敏橡胶试样,并获得弹性模量;利用柔度矩阵法计算了轴承变形,建立了磁流变水润滑微凹槽尾轴承流-固耦合理论模型,通过试验对计算模型的正确性和有效性进行验证;探明凹槽结构参数对无量纲承载力的影响。分析结果表明增强磁场可提升尾轴承的润滑效果,磁场强度为0.35T时,承载力比0T时增大了1.2%,摩擦系数减小了1.0%;微凹槽深度取值范围为(30~50)μm,宽度取值500μm,可达最佳润滑效果。

CAN中继和网桥是大型CAN网络组网中的必要设备。CAN网桥可以实现CAN通信距离的延长和网络的扩展,以及不同网络之间不同通信速率的转换和路由选择。本文从软硬件两方面提出了一种4路CAN网桥的设计方案。该方案采用集成CAN控制器的ARM微控制器LPC2194作为主控芯片,具有隔离和保护的CTM8251T作为CAN收发器。

在对大直径衬环的插齿加工中,由于工件尺寸大,加工中易出现装夹变形,若工艺方法不当将难以保证加工质量。文中介绍了确定工艺方案和工艺措施的过程等改进措施,为加工类似零件提供了经验借鉴。

针对电液伺服系统这一复杂的非线性系统，提出一种广义动态模糊神经网络学习算法，并设计控制器。该算法以模糊ε-完备性作为高斯函数宽度的确定准则；同时对模糊规则和输入变量的重要性作出评价，并以此来调整每个输入变量和模糊规则。使用AMESim软件搭建了系统的模型，并利用AMESim的接口技术实现了与Simulink的联合仿真。仿真结果表明，该控制器具有较强的鲁棒性。

为提高某产品用液压缸缸体的密封性能,消除缸体在恶劣环境下泄露的可能性,在其制造过程中要综合考虑缸体变形、缸体表面质量精度等诸多因素。图1即为加工的液压缸缸体。此缸体为长筒薄壁零件,长径比

针对泵控缸电液位置伺服系统存在非线性和时变性,从而难以对其精确建模的问题,研究了该系统机理建模和智能建模的方法。通过实验仿真表明,机理建模精度低、泛化能力差;模糊建模和BP神经网络建模可较好的拟合系统固有的非线性和时变性特性;基于遗传算法的BP神经网络较好的解决了BP神经网络易陷入局部最小的问题,具有建模精度高、泛化能力好的特点。

针对液压系统普遍存在严重非线性和不确定因素，难以建立精确数学模型实现满意控制效果的现实，提出一种采用模糊逆模预测补偿与常规PI控制器相结合的控制策略。用快速模糊聚类算法根据系统的输入输出数据关系进行建模，用常规控制器结合逆模预测补偿环节来进行控制。为了提升控制品质，利用当前数据对已建立的模糊模型进行在线学习调整。实验结果表明了该控制方案的可行性和有效性。