基于改进Zernike矩的轴类零件圆度误差视觉评定

针对轴类零件圆度误差评定普遍存在的效率低、精度差等问题,提出了一种基于改进Zernike矩的轴类零件圆度误差视觉评定方法。首先,搭建轴类零件视觉检测平台,在位移平台控制下拍摄不同截面图像,并利用棋盘格标定法进行相机标定,校正畸变和计算像素当量。其次,以Sobel算子为基础,通过三灰度边缘过渡模型提高测量精度,利用大津法确定最佳阈值,改进Zernike矩亚像素检测方法。最后,使用改进的PSO算法处理轮廓关键坐标点进行圆度误差评定,并与三坐标测量机测量实验。实验结果表明,圆度误差视觉评定方法与CMM测量结果误差在3μm以内,且稳定性较好,在圆度误差评定中具有实际可行性。

基于改进时间信息融合模型的液压管路故障诊断研究

航空发动机液压管路故障信号中存在强大的噪声干扰,导致其诊断模型的故障识别率较低和诊断模型的泛化性不强。针对这一问题,提出了一种基于改进的时间信息融合模型的航空液压管路故障诊断方法。首先,基于循环神经网络原理,设计了正向和反向的时间信息融合的变形结构,构建出了航空液压管路时间信息融合模型,并通过引入LeakyReLU函数,对模型进行了改进;然后,将实测的一维航空管路时序数据集输入到改进的时间信息融合模型双向循环神经网络(Bi-RNN)中,进行了权重参数的更新;最后,基于同一实测的数据集,分别将其输入到改进的时间信息融合模型、长短期记忆神经网络(LSTM)、循环神经网络(RNN)、支持向量机(SVM)和反向传播神经网络(BPNN)5种故障诊断方法中,进行了训练和对比分析,对相关方法的优越性进行了验证。研究结果表明:利用改进的时间信息融合模型可以对液压管路健康状态和裂纹、凹坑等故障状态进行精准识别,并且准确率可以达到99.2%,总体的准确率和综合指标F 1-sore均可以提高5.1%;在综合性能、准确精度等指标上,改进时间信息融合模型明显优于其他故障诊断模型,可为航空发动机液压管路故障诊断提供一条新的思路,具有一定的工程应用价值。

高扭转子的全共轭轮廓构造及其流量脉动式

为高效实现转子泵的轻量化与低流量脉动性能。首先,提出了一种具有高形状系数的三扭叶转子及其全共轭的端面轮廓构造;然后,以其对应的直叶无量纲理论流量为被积函数,积分出扭叶无量纲理论流量及其脉动的精确公式;最后,由渐开线、圆弧、摆线转子例的脉动分析,得出扭叶流量脉动的通用简约公式。结果表明,以瞬径代表转子端面轮廓的曲线类型及其全共轭构造,涵盖了各种可能的构造形式,通用性好,无量纲理论流量的推导过程简单可靠;扭叶脉动系数与扭叶角具有近似的负线性规律,可简约为直叶脉动系数的线性计算,仅为扭叶角、轮廓系数、形状系数的函数;转子轮廓的曲线类型对脉动系数的影响很小,影响系数统一取1.05的误差不超过3%;三扭叶和60°扭叶角为无理论流量脉动的最佳轮廓构造;端面轮廓的全共轭构造能有效降低转子副共轭区域内的泄漏等。成果为高扭转子泵的进一步轻量化开发提供了依据。