机匣生产线数控刀具智能制造管理系统的设计及实现

以国内某航空发动机公司需求出发,针对其机匣生产线中数控刀具管理数据信息共享程度低、刀具分类粗、刀具寿命难以统计及刀具成本难以控制的问题,设计了一套智能制造刀具管理系统。系统采用B/S架构基于SSH体系架构进行模块化开发,根据企业现场使用状况和需求绘制管理流程和E-R图,编制一种适用于生产线的编码,以提升刀具信息利用效率。结果证明,系统能够满足生产线精益化生产和智能制造的需求。

基于RFID的变速器装配线质量追溯系统研究

针对变速器制造企业质量数据采集手段落后、质量信息获取不完备、不精确以及无法实现质量追溯等问题,提出了一种基于RFID的变速器装配线质量追溯系统。结合变速器企业生产现状分析了RFID应用需求,以此为基础进行了RFID质量追溯系统的设计,主要包括系统平台架构、功能模块、系统流程和数据编码内容及格式等设计。将上述质量追溯系统在重庆某变速器生产线进行应用,验证了系统的性能。该系统的研究有利于提升产品质量和生产管理的精细化。

万兆以太网物理层编码芯片设计

提出了一种并行处理的编解码方案。采用这种方案 ,设计了万兆以太网 1 0 G BASE-R标准的物理编码子层发送端芯片。芯片由 64b/ 66b编码、扰码和变速箱 3部分组成。考虑到测试问题 ,该芯片内置了伪随机码数据源。这种方案的优点是逻辑简单、速度快。芯片采用 TSMC 0 .1 8μm CMOS工艺 ,用全定制方式实现。芯片引脚分布时参照 PLCC48规格。

基于SolidWorks的变速箱装配动画设计

SolidWorks是机械制造领域常见的三维设计软件,被应用于产品设计中。详细介绍了SolidWorks软件在装载机BZ030变速箱装配动画的设计过程和制作过程。通过装配动画的实现可以更直观地反映产品的结构和装配关系,为装配工艺设计建立基本的理论模型,缩短产品制造周期,提高产品转化为商品的效率。

汽车“身份”唯一性综合检验研究(Ⅱ)

现代汽车作为工业产品,其唯一性“身份”可用整车型号、车辆识别代号(VIN)、发动机号码、变速箱号、安全气囊号等信息确定。笔者在另一文中报道了汽车“身份”唯一性综合检验的依据、内容、方法和步骤,并详细介绍了对整车型号和VIN检验技术和方法的研究成果。本文根据发动机号码、变速箱号、安全气囊号等编制规则,研究确定汽车“身份”唯一性的检验方法。

应用于100GE高速变速箱设计方法及时序分析

该文介绍了4种变速箱设计方法,并对它们进行时序分析。通过对比单元数量(面积)、功耗、速度及稳定性,选择了一种基于轮循存储方式的变速箱应用到100GE物理编码子层电路中。该变速箱可以在一段时间范围内开始输出,克服了输入输出时钟相位差的影响,提高了电路的速度和稳定性。经过结构优化及流水线结构设计,该变速箱的时钟速度超过700 MHz。另外,采用0.18μm互补金属氧化物半导体工艺对物理编码子层电路进行流片,测试结果表明该电路能够以100 Gb/s速率稳定工作,进一步证明了变速箱设计的正确性。

基于SCADA数据的深度学习堆叠自编码模型齿轮箱油温预警

为了有效地提高风电机组齿轮箱的运行状态的稳定性、可靠性和实时性,提出了一种基于SCADA系统的深度学习堆叠自编码的风机齿轮箱故障诊断算法。该算法是将处于正常运行状态的风机数据作为训练数据进行模型训练,然后利用测试数据进行堆叠自编码模型的测试。为了更好地检测出齿轮箱油温是否处于正常状态,选用机器学习算法筛选与齿轮箱相关的测点。通过仿真实验数据与现场人员的反馈,分析并验证了堆叠自编码算法对齿轮箱故障诊断的可行性。

基于收敛趋势变分模式分解的齿轮箱故障诊断方法

从中心频率的角度出发,深入分析变分模式分解算法中不同初始中心频率的分解特性;利用分解特性对变分模式分解中使用的初始中心频率进行合理更新,在没有先验知识的情况下自适应分解信号的整个分析频带;根据峭度准则,从分解的子信号中选取包含故障信息最丰富的故障分量;对选出的最佳故障分量进行平衡参数优化和稀疏编码收缩处理,并进行包络分析;基于变分模式分解的特性,构建一套完整的基于收敛趋势变分模式分解的齿轮箱故障诊断方法,并应用诊断方法于汽车变速器齿轮箱中齿轮早期局部损伤故障识别和齿轮接触疲劳试验机中齿轮箱故障诊断。研究结果表明:在变分模式分解算法中存在着收敛趋势现象,随着初始中心频率的逐渐增大,所提取模式的收敛中心频率与其相对应的初始中心频率具有特定的收敛关系;提出的方法无需参数先验知识,可自适应地将振动信号进行分解;试验1中提出的方法分解得到的故障分量峭度为3.056,优化处理后故障分量的峭度为24.812,传统的2种初始化中心频率变分模式分解方法的故障分量最大峭度分别为2.830和2.421,快速谱峭度分析方法未能提取出故障分量;试验2中诊断方法分解得到的故障分量峭度为3.467,优化处理后故障分量的峭度为19.780,传统的2种初始化中心频率变分模式分解方法的故障分量最大峭度分别为3.231和3.361,快速谱峭度分析方法未能提取出故障分量;提出的方法能够增强瞬态特征和故障特征频率,在齿轮箱故障诊断方面更具准确性和优越性。