通过对不同表面处理的螺栓进行扭矩-夹紧力试验,获得摩擦性能与扭矩/夹紧力的关系,研究不同表面处理工艺对螺纹紧固件装配性能的影响。结果表明,采用先进的表面处理技术可以控制螺栓的摩擦系数和散差,提高螺栓的轴向夹紧力。

多尺度排列熵(MPE)是一种非线性动力学方法,广泛应用于旋转机械的故障诊断。然而,排列熵没有考虑具有相同排列模式的时间序列可能具有不同的振幅,并且粗粒化方法存在缺陷。为解决上述问题,提出时移多尺度振幅感知排列熵(TSMAAPE)。利用时移时间序列改善MPE中粗粒度时间序列存在的不足,同时引入振幅感知排列熵。通过与时移多尺度排列熵和多尺度振幅感知排列熵进行对比,验证TSMAAPE的鲁棒性。考虑到TSMAAPE在特征提取方面的优势,结合鲸鱼优化算法优化的核极限学习机,提出一种液压泵智能故障诊断方法。结果表明:该方法对液压泵的不同故障具有较好的分类准确率,在故障诊断领域有广阔的应用前景。

针对轴承故障振动信号在单一尺度下提取故障特征信息不完备,导致故障诊断识别率较低的问题,提出基于粒化散布熵(FIG-DE)和麻雀搜索算法(SSA)参数优化的支持向量机(SVM)的轴承故障诊断方法。利用模糊信息粒化对轴承振动信号进行粒化处理,得到fLow、fR、ftp3个尺度下的模糊信息粒;分别计算3组信号的散布熵;将所得的熵值组成特征向量矩阵,输入SSA-SVM进行轴承故障分类。结果表明:利用SSA-SVM进行滚动轴承故障诊断,准确率有明显的提高。

为确定液体的可压缩性和气体含量对压电驱动器性能的影响分别在不同的传递介质和加载压力下研究了驱动器的输出速度和推力的变化规律。结果表明:以自来水为介质时驱动器的最佳加载压力是0.07MPa最大输出速度和推力为13.83mm/s66.4N是压力为0时的1.17倍和1.29倍。以纯净水为介质时驱动器的最佳加载压力是0.04MPa最大输出速度和推力为25.83mm/s92.6N是压力为0时的1.11倍和115倍;比采用自来水做介质时增长了1.87倍和1.39倍。加载合适压力后驱动器的输出速度、推力、步长增加且输出与电压(频率)的线性关系范围增大;系统中气体含量越少驱动器达到最佳输出所需加载的压力越小加载压力对驱动器的输出性能的影响越明显。