电火花成型电极修整航空发动机叶片的加工误差分析

针对航空发动机叶片电解加工后前后缘存在较大加工误差这一问题,采用电火花加工技术对叶片前后缘进行修整,并分析前后缘的加工误差。使用自研的六轴电火花成型机床,采用成型电极对叶片后缘进行修整加工,并利用三坐标测量机完成叶片点云数据的测量。采用遗传算法和迭代最近点算法,完成包络加工后叶片点云数据与理论模型的配准,通过最小二乘椭圆以及NURBS曲线拟合处理点云数据。针对拟合的叶片加工后轮廓曲线,通过在该曲线上等间距取点并计算这些点到叶片理论轮廓线的距离来反映叶片后缘的加工误差和加工误差的整体趋势。结果显示:经过电火花成型电极修整后叶片后缘的面轮廓度误差在-16.4~88.5μm之间,平均误差为53.7μm,叶片后缘的缘头处轮廓度误差最小,验证了电火花加工技术包络修整叶片前后缘的可行性。

棉纺精梳机分离罗拉连杆驱动机构动力学仿真及有限元分析

为提高棉纺精梳机的使用寿命及生产运行可靠性,避免精梳机在长期高速运转条件下各零件的疲劳、磨损、断裂等造成的生产事故问题。利用Solid works软件建立分离罗拉驱动机构三维模型并导入Adams软件分别进行运动学与动力学仿真,得出了不同速度条件下分离罗拉驱动机构各零件铰接点在一个运动周期内的受力分布曲线;利用Ansys Workbench软件对各零件赋予材料属性并进行有限元仿真,得到各零件在一个运动周期内不同速度下的最大应力。结果表明:当精梳机速度为500钳次/min及以下时,一个运动周期内的分离罗拉驱动机构各零件的最大应力均小于材料的许用应力(400 MPa),材料强度满足生产条件;当精梳机速度依次提高到600和700钳次/min后,定时调节盘的最大应力(415.98 MPa)较500钳次/min时分别增大40.55%和79.1%,超过材料的许用应力(400 MPa),该零件有疲劳、磨损、断裂的风险,易故障停车并造成生产事故。在JSFA588型精梳机上按照零件设计要求进行了制造、装配及生产试验,进一步验证了仿真结果的有效性。

基于GRA-IWOA-ELM的航空煤油闪点值预测

针对常一线航空煤油闪点值预测提出基于灰色关联分析法(grey correlative analysis,GRA)与改进的鲸鱼优化算法(improved whale algorithm,IWOA)优化极限学习机(extreme learning machine,ELM)的软测量方法.利用GRA计算出各个辅助变量与待测变量的信息关联度,通过实验法选取辅助变量作为输入,然后利用IWOA为ELM寻找最优权阈值.在算法迭代前期,利用改进的Tent混沌映射进行种群初始化使种群分布更加均匀,利用自适应权重结合随机差分变异策略来提升算法的寻优能力,通过8个基准测试函数对改进算法的有效性进行验证.通过某炼油厂常压塔常一线航空煤油闪点实际数据,验证了改进模型对闪点值预测的有效性.

基于数字孪生控制的精密机床热误差模型

已有的研究结果表明,机床的热误差约占其总加工误差的40%~70%,且机床越精密,其热误差所占比例就越大,因此,通过控制热误差以提升机床的加工精度很有必要。针对机床热误差模型的预测精度不高和泛化能力不强的问题,提出了一种引入主轴转速,并可嵌入数字孪生控制系统的机床热误差建模方法。首先,对模糊聚类分析(FCA)、灰色关联分析(GCA)及主成分回归(PCR)方法进行了理论分析;然后,以某立式加工中心为对象,通过热特性实验,获得了转速图谱下的温度数据和热误差数据,并采用模糊聚类分析结合灰色关联分析的方法选取了其温度敏感点;最后,以主轴转速和温度敏感点的温升值为输入变量,采用PCR方法建立了机床热误差模型,并将其与多元线性回归(MLR)模型进行了效果对比。研究结果表明:相比于MLR模型,所建立的PCR模型的预测精度提升9.5%,证明该模型拥有更高的预测精度和更强的泛化能力;可将模型嵌入到数字孪生控制系统中,对机床进行实时热误差预测和热误差控制。

热轧卷取机卷筒维护要点分析

热轧卷取机是热轧带钢生产线上的主要设备,热轧卷筒是卷取机最重要的部件。目前,国内外热轧卷筒普遍采用连杆—柱塞斜楔式卷筒结构。热轧卷取机长期工作在高温、高速条件下,工作负荷高、冲击力大,环境恶劣,其运转情况和维护效果直接影响整个热轧生产线的生产效率。根据卷筒的实际运行状况,对热轧卷筒维护工作要点进行分析,以期延长热轧卷筒使用周期,提高卷取机工作效能,提升热轧生产线设备运转率,从而有效提高轧线产品质量和经济效益。

基于有限元仿真分析的S700K-C转辙机遮断开关结构改进

通过对S700K-C转辙机遮断开关现场故障信息的汇总,分析典型故障产生的原因;基于参数化建模技术,建立S700K-C转辙机新遮断开关方案的参数化模型;运用Solidworks中Simulation的频率及静应力分析模块,对新遮断开关的主要结构件进行仿真分析;对比新旧主体结构件的模态、变形量及最大主应力参数,认为新遮断开关在抗振性、耐磨性及安全冗余度上都有显著提高,更适应现场运营环境及用户易维护需求。依据转辙机振动试验的相关要求,对新构件进行试验验证,结果显示:新遮断开关实际变形量及磨损情况与仿真分析吻合,完全满足设计要求;仿真分析为结构设计提供了有效的理论依据,缩短了研发周期,对提高转辙机及关键部件的可靠性具有重要意义。

矿井提升机的安全可靠性分析与设计

矿井提升机是井下作业提升物料和人员的关键设备 ,素有矿井咽喉之称。安全、可靠与高效是提升机设计与分析的基本准则与要求。笔者概要分析了矿井提升机的安全可靠性 ;提出了相应的设计要点 ,并对各子系统中相对薄弱环节的安全可靠性进行了探讨。以上科研成果 。

板材变路径多点成形的理论分析与实现

对板材多点成形路径进行了有限元分析并应用于几种典型件的最优成形路径设计 ,将最优成形路径设计的理论与方法应用于多点成形技术中 ,采用近似最优路径多道次多点成形及一次多点成形方法进行板材成形 ,通过比较两种成形方法成形极限时的变形量 。

基于偏相关分析的数控机床温度布点优化及其热误差建模

提出了一种基于偏相关分析的数控机床温度布点优化方法。数控机床热误差建模一般采用多元线性回归方法,该方法中由于自变量之间的相互作用,各自变量与因变量之间的相互关系不再与简单相关系数所反映的情况完全吻合。使用偏相关分析对温度变量进行优化选择,实现了温度测点优化布置,并建立了数控机床热误差的多元线性回归优化模型,提高了热误差模型的精确性和鲁棒性。

基于粗糙集与偏相关分析的机床热误差温度测点约简

为了合理减少温度测点数量并有效提高温度数据采集与分析的效率,提出了一种基于粗糙集与偏相关分析相结合的温度测点约简方法.首先,利用偏相关分析的方法建立了温度变量与主轴热误差之间的偏相关系数,并以此为依据辨识了主要的敏感温度变量.然后,在基于粗糙集理论获取的可行温度测点组合基础上,筛选出包含敏感温度变量最多及偏相关度高的温度测点组合.最后,建立了热误差线性回归模型,并在某型号数控机床上进行验证与分析.结果表明:温度传感器测点可由22个减少到6个,在很大程度上提高了热误差模型的精确性和鲁棒性.

基于模糊聚类与偏相关分析的机床温度测点优化

机床温度测点优化是热误差补偿技术的难点之一,采用模糊聚类与偏相关分析相结合的方法对温度测点优化。首先利用模糊聚类和F统计量对温度变量进行分类,再根据温度变量与热误差之间的偏相关系数确定每类中的关键温度变量,最后采用关键温度变量建立热误差线性回归模型。此方法在精密卧式加工中心MCH63上进行了验证。结果表明,该方法有效地减少了温度测点的数量,机床轴向热误差由45μm左右减少到7μm。此外,利用F统计量对阈值进行优化,可以快速准确地确定温度变量的分类。

计算机浮点数算术运算的舍入误差研究

对计算机浮点数算术运算的舍入误差进行分析,是对数值计算方法作误差分析的基础。论文全面研究了计算机浮点数算术运算的舍入误差的基本理论,对有关结论均作了严格的论证。并举例说明由算术运算的误差界,可建立较复杂运算的误差界。还研究了向前误差分析和向后误差分析的要点。推广上述结果,对矩阵基本运算的舍入误差进行了估计。

基于EEMD与SVM的配电网故障选线方法

针对过渡电阻较大造成的配电网单相接地故障选线难的问题,提出一种基于EEMD-Hilbert变换与SVM的小电流接地系统故障选线方法。首先,根据故障初相角的不同,建立两类SVM分类器,应用EEMD算法对1/6周期的暂态零序电流进行分解,通过相关系数获得零序特征电流,并对其进行Hilbert变换。然后,定义特征解析点,并分别求取虚相位特征角并构造虚相位特征角向量。最后,利用虚相位特征角向量训练与之相应的SVM分类器,输入测试集,输出分类结果。仿真结果表明,该选线方法原理简单,选线准确率高。

电火花机床主轴头的模态分析与减振设计

针对某机床厂生产的SH50电火花机床在实际工作中主轴头振动较大的问题,通过实验测试和有限元仿真相结合的方法,分析了主轴头的模态特性,并通过测试主轴头的工作振型(operating deflection shapes,简称ODS),找出了主轴头实际工作中的薄弱环节。理论模态、实验模态和ODS三种结果相互印证,增加了有限元模型的可信度,并以此模型为基础对主轴头进行了减振设计。模态实验中改进了传统模态实验依靠经验选取测点或均匀布点时,对经验高度依赖且实验效率较低的弊端,采用有效独立法和模态置信度(modal assurance criterion,简称MAC)矩阵相结合的方法,实验前先进行测点优化,然后根据优化结果布置传感器和力锤位置,提高了模态实验的精度和效率。结果显示,在主轴头结构上增加一个背板,能够提高主轴头频率,远离工作频率的共振范围,起到减振的目的。

基于LS-SVM的天线指向模型研究

提出了一种新的基于最小二乘支持向量机的天线指向模型(LSSVM-PM)。不同于线性指向模型(Linear-PM)对天线指向偏差的分项进行代数相加,LSSVM-PM是对影响天线指向的因素进行考察,将因素变量作为支持向量机的输入,指向偏差作为输出,模型的求解是将原空间非线性地映射到一个高维的特征空间,然后在此空间中引入最小二乘法进行优化求解。因此,LSSVM-PM模型可解决天线指向偏差的非线性问题,同时将影响指向的外部因素考虑周全。实验数据模拟结果表明,该模型与线性模型相比,指向预测精度提高了17.36%,能更有效地提高天线的指向精度。最后,对LSSVM-PM模型的参数选择、学习样本数量及分布对模型精度的影响进行了分析。

基于IFCM-GRA的空间多维热误差温度测点优化

热误差是精密、超精密加工中主要的误差源之一,热误差温度测点优化是热误差补偿的关键问题.在机床空间多维布置的大量温度测点之间存在多重相关性,从众多测点中选取特征点的优劣程度,将直接影响到热误差补偿效果.通过对温度测点间多重相关性及温度与热误差关系的综合分析,采用改进的模糊C-均值(IFCM)聚类算法对温度测点进行聚类,以减小类与类之间温度测点的相关性,且避免FCM算法对初始聚类中心敏感易局部收敛的缺点.对温度测点按灰色关联分析(GRA)中的灰色综合关联度进行排序,从变化量和变化率的角度综合反映温度与热误差的关系.采用IFCM-GRA对温度测点进行优化,提高了热误差模型的鲁棒性及准确性,使温度测点数量大幅度减少.在某型号精密卧式加工中心上进行实验,温度测点从17个减少到4个.在不同转速下,利用多元线性回归对优化出的温度测点与热误差建立模型,所建立模型均能很好地预测热误差变化情况,经对预测模型分析,轴向热误差由几十微米减小到5μm以内.

数控机床回参考点故障分析

阐述数控机床回参考点原理,针对数控机床回参考点过程中出现的问题,建立机床回参考点故障树。应用故障树分析法进行定性、定量分析,为快速排除数控机床回参考点故障提供理论参考。

基于季节性负荷自适应划分及重要点分割的多分段短期负荷预测

针对季节性电力负荷划分不准确及温度、湿度对电力负荷的动态性影响,提出一种基于季节性负荷自适应划分及重要点分割的多分段短期负荷预测模型。采用聚类与CART树相结合的方法,根据地区历史负荷数据自适应的确定当地季节性负荷划分规则;使用非参数核密度估计方法提取季节典型日负荷曲线,并基于划分结果对各季负荷曲线进行重要点分割;同时根据分割结果,采用基于皮尔逊相关系数加权的相似系数,对各时段负荷进行参考日的筛选,以确定预测模型的输入量,最后提出一种结合纵横交叉算法参数优化的鲁棒极限学习机进行多分段预测模型的建立。通过实例仿真分析,验证了所提方法提高预测精度的有效性。

基于用户行为触点的智能奶粉冲泡机设计

为使智能奶粉冲泡机产品优化升级,解决用户使用过程中遇到的难题,通过对用户行为触点的分析,设计出改善用户操作体验的智能奶粉冲泡机产品。使用用户观察法识别用户在使用产品过程中的接触点,经层次分析法对触点优先级进行排序以确立智能奶粉冲泡机的设计方向,根据设计方法将需求点转化为设计机会以构建智能奶粉冲泡机设计框架。该智能奶粉冲泡机操作便捷,贴合用户的实际使用需求,提高了使用体验。

数控机床热敏感点识别研究

运用模式识别中的逐步回归法辨识反映机床热态特性的热敏感点，并利用多元回归建立了机床热敏感点处的温升与主轴Ｙ向热位移关系的数学模型。应用表明这是一种在机床温度测量、热误差建模及补偿中选择最佳测温点的有效方法。