轮面曲率半径对沙地刚性轮沉陷性能影响研究

轮面曲率半径对沙地刚性轮的沉陷性能影响至关重要。通过轮面承压试验、轮壤台架动态试验和离散元数值模拟分别对6种不同轮面曲率半径的平面、凹面和凸面沙地刚性轮在3种不同颗粒形状及粒径大小沙土上的沉陷性能进行分析。在轮面承压试验中,相比其他轮面曲率半径的车轮,平面轮在细径石英砂和粉尘状火山灰上的抗沉陷性能均最好。与其他沙土介质相比,粗径石英砂上所有轮面车轮的沉陷量最小。轮面承压模拟结果表明,平面轮下沙土颗粒的力场分布均匀,轮下颗粒溢出量小,有效说明平面轮沉陷量最小的原理。在细径石英砂轮壤台架动态试验中,凹面R80车轮在行驶初期(位移小于50 cm)沉陷量最小,行驶到稳定状态后(位移大于70 cm),凹面R60车轮的动态沉陷量最小;在粉尘状火山灰轮壤台架动态试验中,凹面R60车轮在整个运动范围内的沉陷量最小。因此,在细径石英砂和粉尘状火山灰上行驶过程中,轮面曲率半径较大的凹面轮的抗沉陷性能较好。此外,由车轮行驶在细径石英砂离散元模拟可知,凹面轮的受力区域集中在轮面两侧,轮面内凹结构可有效防止沙土侧向流动并减小对沙土的扰动。本文研究不仅为承压和行驶条件下不同曲率半径轮面的车轮在沙土介质上的沉陷性能判断提供参考依据,而且为沙漠或者深空探测车辆轮/胎的轮面结构设计提供重要理论依据。

叶轮轮面摩擦损失的实验研究

介绍了以封闭壳体内的旋转圆盘系统模拟实际叶轮机械中叶轮轮面在机壳内旋转时所受摩擦阻力的实验。实验结果表明，在一定的间隙范围内，随着间隙比的增加，旋转圆盘上的粘性力矩增加，而且旋转圆盘上的粘性力矩随圆盘粗糙度的增加而增加，随流场温度的增加而降低。

浅析桥式起重机车轮轮面剥落原因及修复方法

桥式类起重机在车间内担任着物件运输枢纽的作用,其大车车轮在运行过程中,由于其使用频繁、跨度大及设计上的各类原因,车轮轮缘与轨道挤紧,引起运行阻力增大,继而造成轮面损伤直至剥落,这将使车轮与钢轨的使用寿命大大降低,同时增加了检修负荷,浪费了人力物力,严重时还会使起重机脱轨,造成设备和人身伤亡事故,因此,要解决轮面剥落问题,首先要了解轮面材质,选用合适的焊接方法进行快速修复,既可节省检修更换时间,同时也节省备件费用。

轮对踏面三维图像检测系统研究

轮对踏面作为轮轨唯一的接触面,车轮尺寸和踏面状态的自动检测是保证列车运行安全的重要前提之一;针对轮对踏面二维图像检测系统和人工测量轮对尺寸检测精度低、误报率高、环境依赖性强以及人工效率低等问题,研制了踏面三维图像检测系统并附带轮对尺寸检测功能。该系统基于激光三角法确定被测对象的深度信息,通过改进的高斯型光心提取算法,准确地提取每一条踏面曲线,最终由1800条踏面曲线还原了轮对踏面的三维状态信息。通过大量故障模拟试验发现:系统不但能够准确识别模拟的故障,而且能够排除轮对上的污渍、水渍等深度信息未发生变化干扰情况,同时识别率达到95%以上,为踏面的状态检测以及轮对尺寸检测提供了一套更加适用的三维检测系统。

抛光轮表面形貌对抛光斑质量影响

探究小尺寸轮式抛光中轮面形貌对抛光斑的形状和底部粗糙度的影响。从修整速度方向和砂纸粒度大小两个方面研究修整的轮面形貌及抛光斑的质量,修整速度方向分为轮线速度与机床运动方向垂直和平行两种模式,砂纸粒度分为180#、400#和800#。比较不同的轮面粗糙峰分布和线粗糙度及其单点驻留的抛光斑的形状和底部粗糙度。实验结果表明,修整轮线速度和机床运动垂直时的抛光斑质量要优于平行时,180#、400#和800#砂纸修整轮面的线粗糙度分别为Ra7.77μm、Ra4.88μm和Ra2.89μm,所得抛光斑底部0.4 mm范围内粗糙度分别为Sa 0.953 nm、Sa 0.821 nm和Sa 0.551 nm,且抛光斑形状随着砂纸粒度变小更加顺滑。

线结构光轮对踏面几何参数测量系统设计

针对轮对踏面几何参数检测自动化程度不高、精度低的问题,设计一种线结构光非接触式测量系统,利用位移传感器和定位块对轮对踏面内侧基准进行定位。采用自动分段的多项式曲线拟合方法对踏面线结构光光条中心线进行光顺处理,解决了中心线提取过程中产生不平滑和锯齿等问题。基于Qt程序开发框架和C++开发软件系统,设计了人机交互界面,实现图像处理、尺寸测量、数据显示与储存等功能。搭建了简易的试验平台对车轮踏面模型进行测量,试验结果表明,该系统对轮缘高度和轮缘厚度的测量误差小于0.1mm,轮辋宽度的测量误差小于0.3mm,满足实际测量需求。

基于R-P图像注意融合网络的列车轮对踏面缺陷识别

轮对踏面缺陷识别是开展列车轮对检修维护的重要前提。然而,轮对踏面缺陷样本存在的数量少、类别不均衡现象,使得传统深度学习方法识别精度有限,难以满足列车智能运维发展的需求。提出一种基于R-P图像注意融合网络(RP-AFN)的列车轮对踏面缺陷识别方法。首先,将RGB图像及其泊松编码(Poisson coding,POS)形式同时引入Mobilenetv2网络之中,以通过丰富输入信息的方式来缓解小样本问题;其次,将挤压-激励模块(SEBlock)和相似性约束引入模型中,以提取具有模态间交互性信息的判别注意力特征,并利用多层感知机(MLP)对其进行融合和推断;最后,基于焦点损失和相似性损失设计一种联合损失函数,使其能够通过惩罚大类别样本以缓解类别不平衡问题。实验结果表明:所提融合方法实现了85.7%的轮对踏面缺陷识别率,且其各项指标以约2.5%~20%的优势优于对比方法。在不同输入大小和主干网络的条件下,以224×224为输入大小的Mobilenetv2模型所对应的模型性能最佳。在不同特征融合策略的条件下,特征拼接方法的各项指标以约1%~3.5%的优势优于特征加法、特征外积和动态加权等方法。在不同调剂因子μ的设置中,μ=0.7的情况下,模型各项指标性能达到综合最优。在主干网络相同的条件下,融合方法能够在不显著增加模型参数的情况下,其各项指标优于单模态方法约1%~6.3%。在执行消融实验的情况下,输入模态、损失函数和模块的消融都会给模型带来负面影响,验证了模型设计的合理性。RP-AFN模型能够有效地提高轮对踏面缺陷识别性能,可在一定程度上解决小样本和类别不均衡条件下的踏面缺陷识别问题。

具有复杂轮面的铝合金轮毂低压铸造工艺优化

以某具有复杂轮面的铝合金轮毂为研究对象,运用ProCAST软件对铸件的充型、凝固过程进行模拟,以预测气孔、缩孔、缩松等缺陷的发生部位,并分析出现原因,从而进行工艺优化。结果表明,当降低初始升液速度至65mm/s时,铸件浇口附近的气孔缺陷减少。通过调整边模水冷系统水流速度至0.75m/s,并在轮辐两侧设立补缩通道,减小轮辐与轮辋连接处的热节面积,缺陷基本消除。使用优化方案对铸件进行试制,所得铸件无明显缺陷,力学性能优良,满足标准要求。

基于物理模型的计算机视觉轮对踏面擦伤检测方法

研究一种基于计算机视觉的轮对踏面擦伤检测方法。用线结构光扫描轮对踏面,在踏面上产生相应的变形光条纹,利用电荷耦合器件(Charge coupled device,CCD)摄像机采集光条纹图像,经过图像处理后获得踏面截面轮廓,检测轮对踏面擦伤。根据光条纹的特点,提出基于物理模型的提取光条纹中心线方法,应用能量优化法,求解光条纹中心线所对应的最小能量曲线,用B样条曲线拟合光条纹中心线使其具有亚像素级定位精度,同时大大减少数据存储量。试验结果表明该方法可有效地抑制噪声、光条纹断线及分枝的影响,使光条纹中心线具有单一连通性。轮对旋转一周,通过摄像机模型计算轮对踏面的三维曲面模型,实现了轮对踏面擦伤的非接触精确检测。

基于结构光视觉传感的轮对踏面擦伤快速检测

研究一种基于结构光视觉传感的铁路车辆轮对踏面擦伤快速检测方法。通过控制轮对转动速度,并以结构光扫描轮对踏面及应用CCD(Charge Coupled Device)视觉传感器实时采集轮对踏面外形特征信息,经过图像数字滤波、基准校正、边缘识别和空间坐标变换等算法,建立踏面擦伤数字矩阵。在此基础上,进行踏面擦伤特征信号的分析和提取,实现轮对踏面擦伤最大深度及形状的非接触快速准确检测。本文给出了试验结果,并分析了踏面数字矩阵的建立过程和视觉传感器标定对擦伤测量的影响。试验证明本文方法实用、可靠,可有效提高轮对踏面擦伤测量精度和效率。

轮对踏面擦伤及剥离数字化检测技术

针对车辆轮对踏面损伤检测问题,利用激光传感技术建立轮对踏面数字矩阵,通过二维双线性插值、Marr算子边缘检测和基于踏面局部外形分解的数据校正数字化处理技术,在轮对动态过程中快速提取轮对踏面擦伤、局部凹下深度和剥离长度等特征信息,精确拟合出踏面状况并加以诊断。检测系统经过实际应用表明,不仅能够自动检测出踏面擦伤和剥离,而且具有显示、打印检测结果的二维和三维图形,以及轮对数据库管理等多种功能。

基于EMAT技术的轮对踏面探伤仪

简述电磁超声换能器(EMAT)的结构组成及产生表面波的机理,分析了基于电磁超声表面波的车轮踏面缺陷检测原理。设计了基于电磁超声表面波的轮对踏面探伤仪,该探伤仪采用DSP+CPLD结构,构成数据处理、逻辑控制核心单元,信号由功率合成单元进行功率放大并与EMAT探头做输出匹配,提高输出功率;DSP系统完成超声波信号的数据处理及缺陷分析功能。最后对人工缺陷轮对和自然缺陷轮对进行试验,结果表明:检测过程无需耦合剂、无需沿踏面扫查,即可快速实现对轮对踏面表面及近表面10 mm范围内的车轮径向裂纹和大尺寸踏面剥离缺陷进行检测。

火车轮踏面在役自动检测技术研究

较全面地分析了国内外在火车轮检测方面的研究现状。在此基础上 ,提出了火车轮踏面的在役自动检测技术 ,并研制出相应的原型系统 ,同时给出了实验结果 ,为火车轮踏面的在役自动检测提供了一条崭新思路。

基于金字塔拆分注意力的列车轮对踏面损伤诊断

为解决列车轮对踏面损伤诊断准确率低、速度慢和损伤样本少的问题,提出一种基于金字塔拆分注意力网络(EPSA-ResNet)的车轮对踏面损伤诊断模型。首先,采用迁移学习方法预训练ImageNet数据集,得到模型参数,然后将其迁移到轮对踏面损伤特征数据中,并进行微调,从而获得共享模型结构和参数;其次将ResNet-50残差块中的3×3卷积替换为一种金字塔拆分注意力(PSA)模块,得到新的EPSA-ResNet,融合空间和通道注意力多级别特征,自适应地进行特征重标定;最后通过Softmax分类器得到轮对踏面损伤情况的诊断结果。结果表明:该方法能够有效识别列车轮对踏面损伤状态以及周围环境间存在的局部细微差异,诊断精度可达99.79%,优于其他深度神经网络模型。

正交面齿轮齿面温升的研究

运用传热学基本原理 ,提出了面齿轮传动齿面温升计算的物理模型 ,获得了面齿轮齿面最大瞬时温升的基本公式。给出了温升计算中的主要参数 ,齿面相对速度和接触椭圆轴半径的计算方法。通过算例分析了如齿数、模数等参数对温升的影响 。

基于SPH法船式拖拉机单折面轮叶驱动性能研究

船式拖拉机的驱动性能很大程度上取决于其行走机构叶轮,轮叶的结构参数是影响船式拖拉机驱动效率的重要指标。为进一步减小轮叶与土壤接触过程中的滚动阻力,提高其驱动性能,在前期研究的HH709S型船式拖拉机直面轮叶优化结构的基础上,构建了单折面轮叶—土壤光滑粒子流体动力学(SPH)模型,分析了单折面轮叶折角处半径、驱动面倾角、非驱动面倾角对驱动性能的影响,最终获得驱动效果最佳的轮叶结构。研究结果表明:优化后单折面轮叶结构的驱动效率与原直叶片相比提高了15.03%,与优化后的直叶轮相比提高了13.65%,推进力做功提升了8.13%,叶轮轮叶驱动性能得到了显著改进。

轨道交通车辆车轮踏面短波不平顺测试与分析

城市轨道交通轮轨表面短波不平顺是激发线路沿线振动与噪声的主要原因,准确而高效的测量轮轨表面短波不平顺是振动噪声预测、评估及源头控制的重要条件。通过对上海城市轨道交通2号线部分车辆轮踏面不平顺进行现场测试,利用统计分析、1/3倍频和功率谱分析研究了轮踏面不平顺时、频域组成特性。结果表明所测试的轨道交通车辆轮踏面不平顺水平是比较低的,大部分不平顺幅值积聚在3~13μm;在短波范围内,波长大于4.0 cm时不平顺状态比ISO3095标准要好,小于2.5 cm时不平顺状态较标准差;主要波长分布在57.7~95.2 cm,且大部分集中在70~80 cm,平均值为72.1 cm。

弧齿锥齿轮的齿面主动设计及试验验证

齿面印痕和传动误差对齿轮传动的性能起着决定作用,根据齿面印痕的位置、方向及传动误差幅值的要求,在齿面上设计三个啮合点,通过对这三个啮合点的控制,达到对齿面啮合质量的全程控制。在此基础上,为了满足不同的加工要求,又提出按照给定的垂直轮位的值对齿面进行再设计,保证传动误差的幅值不变且接触迹线仅有较小的改变,为弧齿锥齿轮副设计提供了新的方法和途径。最后在磨齿机上加工了一对齿轮,通过印痕检测验证了本文设计方法的正确性。

差影算法在轮对踏面磨耗检测中的应用

本文提出了将图像差影算法的模式识别方法应用于火车轮对踏面磨耗检测中,解决了踏面磨耗检测技术落后,任务繁重,错检率高的难题。本文详细介绍了机器视觉检测原理和差影算法,阐述了将差影法应用于踏面磨耗检测中的具体方法,并给出了试验结果,从理论和试验上证明了差影算法运用于踏面磨耗检测的可行性和正确性。

基于残差注意力的YOLO-v5列车轮对踏面缺陷快速检测

为实现快速准确地检测轮对踏面缺陷,针对轮对踏面噪声干扰大、传统检测算法特征融合不充分的问题,提出一种基于残差注意力的YOLO-v5列车轮对踏面缺陷快速检测方法。首先,针对噪声干扰大的问题,设计了一个残差注意力降噪模块,以有效提升模型检测准确率,并使用Grad-CAM类激活映射技术验证残差注意力模块降低噪声干扰的作用;其次,针对特征融合不充分和模型容易产生漏检的问题,使用一种双向特征金字塔特征融合模块,对主干网络提取的特征进行高效融合,从而有效地降低检测漏检率;最后,采集了数百幅轮对踏面真实缺陷图像,并与5种经典检测模型进行对比,验证了算法的优越性。试验结果表明,该算法能够达到77.9%的准确率和72.3%的召回率,同时所提算法的图像检测速度能达到125幅/秒,模型权重仅为15.1 MB。该模型能快速准确地检测出剥离和凹陷2种缺陷,可便捷地应用于实际的轮对踏面实时缺陷检测场景。