Investigation on the Structure of Chute-feed and Card Auto-leveller and Their Selection of Technological Processes

Based on the structure of chute - feed and autoleveHer, an analysis of their working principle and the verification of their practical production results have been carried out. Finally, the future investigation direetiom of chute - feed and card autuleveller are put forward.

自动固相微萃取(SPM E)GC-MS、GC-MS-MS法检测环境水中有机磷杀虫剂的研究

固相微萃取(solid-phase microextraction,SPME)是20世纪90年代发展起来的一种样品前处理技术,与传统的液-液提取、液-固提取相比,SPME更适用于提取、浓缩液态或气态的挥发性和半挥发性物质,SPME技术可将采样、萃取、浓缩和样本引入集中于一个步骤完成,尤其随着自动SPME与GC-MS等联用技术的日益完善,使SPME技术优点得到更充分的发挥.……

基于自动盘轴设备的耦合器紧固工艺研究

为提高工作效率、作业精度和作业安全性,降低失误率,在发动机连接到变速器后,通过自动盘轴设备伺服电机自动旋转发动机皮带轮带动曲轴飞轮组旋转,伺服电机高精度旋转保证飞轮与耦合器连接孔对合后再将发动机飞轮与耦合器连接紧固,利用自动化设备旋转紧固耦合器取代传统手动人工操作,降低了飞轮与耦合器连接操作的人工成本,且能够精确实施盘轴操作,通过设备上自动夹紧机构固定发动机飞轮盘,解决了吊装发动机在盘轴过程中出现晃动而影响盘轴操作效率的问题,提高了耦合器紧固的成功率。

变速箱试验台控制系统

采用全数字化、全网络化集散控制技术和电功率封闭技术模拟变速箱的全部工作状态、过程:驱动—发动机制动—反拖—换档—离合器结合驱动等,完成正拖换档、正拖加载、反拖加载和反拖换档等。检验自动变速箱换档动作时序及各种因素对变速器换档时的影响。用于控制和测量变速箱的转速、转矩、功率、传动效率、温度等各种参数。动力系统的驱动、加载电机采用单独变频器驱动,驱动部分和加载部分组成电功率闭环,加载电机将产生的电能回馈到直流母线乃至电网,达到较好节能效果,实现电能循环。

设备故障趋势预测的分析与应用

研究了设备故障趋势的预测方法,介绍了非线性自回归模型,提出将BP神经网络与非线性自回归模型相结合,针对实验室JZQ250型齿轮箱的测试系统建立了基于振动信号的神经网络预测模型。采用MATLAB软件中自带的神经网络工具箱,利用模块化的编程思想,编程实现了神经网络预测模型,并利用实验室数据的峭度指标进行了实验。首先给出网络的输入及对应的目标输出,然后经过训练获得网络的权值和阈值,最终构建齿轮箱故障趋势的预测神经网络,用来预测齿轮箱的故障趋势。结果表明,该模型能够有效地短期预测齿轮箱的典型故障,可以用于齿轮箱的故障诊断。

基于CPLD汽车变速箱手动换档电软轴优化设计

研究一种汽车变速箱电软轴手动换挡控制系统优化设计方法。通过CPLD可编程逻辑芯片实现远距离控制变速箱换挡动作,保证变速箱换挡输出信号正确和快速响应。阐述了汽车变速箱速度位置精确判别逻辑原理。给出了CPLD逻辑控制硬件结构原理图并实施应用。提出一种汽车变速箱电软轴手动换挡控制系统优化设计方法,实现远距离控制变速箱换挡动作用位置反馈,并带灯指示的实时进档显示档位状况的手动换档控制系统,保证变速箱换挡输出信号正确和快速响应。在大客车实验结果表明控制系统可行、可靠性好、抗干扰能力强,并且获得发明专利。

装载机变速箱自动控制系统的设计与开发

介绍了一种自动控制的装载机变速箱,利用微型计算机和功率驱动模块以及相关辅助电路组成自动控制器,该控制器分别连接前进、后退的液力换挡系统和高低速液力换挡系统,构成一种自动控制的装载机变速箱,可以满足装载机的各种操控工作的要求。

轿车自动变速器的使用与驾驶方法

随着电子技术和计算机技术的飞速发展,现代轿车装用电子控制式自动变速器已越来越普遍。据统计,90年代作为标准件的自动变速器装车率,美国已超过90%,日本为73%,欧洲为25%。自动变速器汽车具有操纵简单、乘坐舒适、动力性和经济性较好等特点。但是只有在正确地掌握自动变速器的使用方法和驾驶技术之后,才能充分发挥这些功能,提高其使用效益。

专用螺纹车床的PLC控制系统设计

文章介绍了用可编程序控制器 (PLC)对专用螺纹车床 90T— 11M的电气控制系统进行改造的设计方法和实现过程。实际运行表明 ,采用PLC控制提高了车床的工作稳定定性、可靠性和工作效率。

基于谱分析与相干分析的液力变速箱噪声源识别研究

通过噪声、振动自功率谱分析和相干函数分析技术,应用杭州亿恒公司的8通道动态信号测试分析系统,对一台内燃叉车的液力变速箱进行了噪声振动分析,从而得出了该台变速箱产生噪声的主要原因在于Z6-Z7齿轮轴的啮合激励。

基于电液比例技术的汽车变速器试验台加载系统

电液比例技术应用于汽车变速器试验台加载系统,使系统简化,易于实现实时控制和在线监测。借助于工控机对系统压力和方向进行远距离程控调节,从而实现试验检测所需的实际载荷工况模拟。系统采用计算机技术实现PID控制,可以根据系统性能指标调整PID参数,具有良好的适用性和灵活性。

专用螺纹车床的PLC控制系统设计

在专用螺纹车床 90 T- 1 1 M中引入了可编程序控制器 ( PLC)以代替该车床中自动变速箱原有的可控硅、二极管矩阵控制系统 ,进行了控制程序设计 .实际运行表明 ,采用 PLC实现了对车床电气系统的控制 ,提高了车床工作的稳定性、可靠性和工作效率 .

在线变速箱选换档臂检测台架设计

变速箱的变速、储能、增加扭矩等作用,使它成为汽车传动系中的核心部件。选换档臂是执行选换档的重要执行机构,其好坏直接影响着变速箱选换档的性能。文中根据变速箱换档原理,设计了一种采用电、气为动力的在线变速箱选换档臂检测台架,并且着重介绍了其机械系统构成、电气控制系统与试验结果分析。其特点是结构紧凑小巧,动作灵敏可靠,操作简单,无油污,环境清洁;人机交互方便,人性化设计。自投入生产系统运行稳定。

基于Python分析学生学习算法研究与实践

基于Python语言,结合“老师-学生”模型以及卷积自编码网络提出了Sound Auto Encoder算法,深入研究学生学习算法和实践研究,通过无监督特征学习的方式处理音频数据,根据自编码网络、卷积神经网络原理及相关工作,提出SoundAutoEncoder模型及SoundNet中的“老师-学生”模型.在音频数据的特征学习中,通过分析现有算法优势及局限,对SoundAutoEncoder算法模型网络结构及网络学习算法进行分析.通过实验,对算法Sound Auto Encoder和Sound Net进行对比,在五折上,Soimd Auto Encoder算法取得的结果要比Sound Net明显好;在低于600次迭代中,Soimd Auto Encoder算法的结果相较好,Sound Net算法基本处于训练初级阶段,且与可获得的最好结果尚有差距.

共太阳轮式辛普森型自动变速器速比变换分析

对典型的后驱动共太阳轮式辛普森型自动变速器的各档位的速比变换、动力传动进行了全面的分析，包括操纵杆D位、2位、L位各档的动力传递以及各档位之间的转换过渡等，特别对档位转换过渡、单向轮的作用等进行了深入探讨。

自动变速器辛普森行星齿轮典型结构速比分析

辛普森（Sim pson）结构是汽车自动变速器行星齿轮的基本结构之一。TOYOTA A40DE自动变速器行星齿轮机构由共太阳轮式辛普森齿系和超速行星排组成,可实现4个前进速比。TOYOTA U340自动变速器行星齿轮机构为独立太阳轮式,可实现4个前进速比。

辛普森型自动变速器中单向轮的作用分析

对辛普森型自动变速器齿轮机构采用的单向轮的作用进行了深入探讨，分析了单向轮在速比变换过程中的随动作用以及无发动机制动效果的滑行作用。

某型汽车变速箱的振动噪声分析

针对某型新能源车用两挡变速箱的振动噪声问题,通过NVH试验、理论计算、仿真分析相结合的方法分析引起振动噪声的根源。首先,基于整车NVH主观评价的结果,通过NVH试验采集变速箱振动信号并进行数据处理分析;其次,通过计算变速箱各齿轮副啮合频率及特征阶次,判断各阶噪声的产生位置;最后,使用ANSYS WORKBENCH软件对变速箱壳体进行模态分析进而得出前20阶固有频率,结合试验数据及啮合频率判断产生各阶噪声的共振频率点。基于对变速箱振动噪声的分析,为下一步制定整改措施提供了必要条件。

基于改进AAKR的风电机组齿轮箱状态监测

针对自联想核回归(AAKR)算法在计算相似度时未考虑状态向量中各元素对欧氏距离贡献程度不一、模型参数常依据主观经验进行标定而导致模型精度较低的问题,提出基于旗鱼优化(SFO)的改进AAKR算法建立齿轮箱正常行为模型的非参数建模方法。首先,以全参数等间隔划分方法构建记忆矩阵;其次,在AAKR模型中引入距离权重系数并通过SFO算法对AAKR模型中的宽度系数和距离权重系数进行优化;最后基于滑动窗口和残差数据构造健康指数实现风电机组齿轮箱的状态监测。以某台2 MW风电机组实测数据为例进行验证,结果表明,相比于传统AAKR、加权AAKR和稳健状态估计模型,所提算法平均精度分别提高了1.55%、0.6%、0.76%,在故障预警时通过所构造的健康指数能够更灵敏、准确的反映齿轮箱的早期故障及其发展趋势。

基于混合特征和堆栈稀疏自编码器的齿轮箱故障诊断

针对复杂工况下齿轮箱多故障信号诊断准确率低的问题,提出了一种基于混合特征和堆栈稀疏自编码器的齿轮箱故障诊断方法。从微观信号特征角度提取奇异值特征和小波分解后的样本熵特征;从宏观角度提取故障信号时域特征,将3种特征进行融合,并输入到由稀疏自编码和Softmax堆栈得到的深度神经网络中进行特征优化和分类识别。实验结果表明:在2种不同工况下,对6种齿轮箱故障数据进行诊断均表现出较高分类识别精度,且所构建的分类模型综合性能上均高于文中其他对比模型,因此本文作者所提出的方法能有效地进行齿轮箱故障诊断。