摘要：小波分析是获得广泛应用的信号处理新技术。这里根据小波能对信号包络提取的原理对滚动轴承的振动信号进行了研究,应用基于小波原理的自信息包络提取法,同时把该方法应用于分析滚动轴承故障,证明该方法能更有效地提取滚动轴承的信号包络,适用于分析滚动轴承故障。

摘要：根据小波能对信号包络提取的原理,对齿轮箱的振动信号进行了研究,应用基于小波原理的自信息包络提取法,同时,把该方法应用于分析齿轮故障,证明该方法能更有效地提取信号包络,适用于分析齿轮故障。

摘要：针对滚动轴承故障诊断问题,提出遗传算法优化概率神经网络(GA-PNN)的诊断方法。首先,用遗传算法优化PNN网络中的散布常数。其次,从实验室采集到内环故障和正常状态下的滚动轴承振动信号,考虑到采集系统等存在缺陷因素,采用最小二乘法和指数平滑法消除振动信号中的漂移和微弱噪声。随后,提取多个时域特征参数,并根据参与建立诊断模型的输入变量不同而建立起6个不同模型。最后,利用GA-PNN和PNN对6个模型进行诊断并综合分析。研究结果表明:GA-PNN对6个模型的诊断效果均能达到95%以上,而PNN由于散布常数设置问题导致诊断结果差异较大;散布常数和输入变量均会影响PNN的诊断效果;从校验集收敛误差、测试集诊断准确率等角度出发,GA-PNN相比PNN更适宜滚动轴承故障诊断。

摘要：为研究具有波形槽结构的冷却孔出口和波形槽扩散角对涡轮叶片气膜冷却效率的影响,设计了3种不同的扩散角波形槽结构,采用数值模拟方法研究了波形槽的下游速度场、温度场及壁面的气膜冷却效率,分析了波形槽及其扩散角对气膜冷却效率的影响。结果表明：在同一吹风比M=1.5时,与标准圆柱孔相比,波形槽结构的展向平均气膜冷却效率提高200%～300%;与横向槽相比,波形槽结构展向平均气膜冷却效率提高60%～120%;小吹风比条件下,3种扩散角波形槽结构的平均气膜冷却效率差别不大,大吹风比条件下,小扩散角波形槽结构具有较高的平均气膜冷却效率。

摘要：针对过去无人机搭载嵌入式设备巡检森林火灾精确率低、适应性差和软硬件限制高等问题,提出一种基于YOLOv5s的轻量化森林火灾目标检测算法。通过将YOLOv5s的骨干网络替换为轻量化网络Shufflenetv2,并以通道重组的思想,让骨干网络对图片信息的提取效率变得更快,在保持网络精度的同时保证检测速度;接着在Backbone与Neck的连接处加入为轻量化网络设计的CA位置注意力模块,可将图片不同的位置信息聚合到通道中,使被检对象关注度得以提高;最后在预测部分使用CIOU损失函数,能够更好的优化矩形框的长宽比和更快加速模型收敛。算法部署在嵌入式系统Jetson Xavier NX上的结果显示,改进后的网络模型大小与对比实验方法相比,最多减少了98%,准确率(Precision)达到92.6%,精确率(AP)达到95.3%,帧率(FPS)提升到132帧每秒,能满足在白天、黑夜或视野良好等情况下对森林火灾的实时性预防与检测,并具有良好的准确率和鲁棒性。

摘要：设计了基于MG25Q6ES42 IGBT功率模块的三相电压型变频装置,实现直流-交流逆变功能,系统硬件包括IGBT驱动电路、检测电路、故障报警电路及死区电路,给出了电路原理图,对硬件原理进行了必要的分析。在所设计平台上进行了直流-交流变频实验,实验结果表明了所设计装置的有效性和可行性,该系统对变频器实验平台的设计具有一定的参考价值。

摘要：基于压力-旋流雾化喷嘴模型,采用Fluent和Gambit软件对气旋型喷雾干燥过程进行了数值模拟,得到了干燥过程中干燥塔内颗粒运动质量与停留时间的变化规律。分析了进风温度、风速、料液温度及重力等因素对蒸发干燥效率的影响。分析结果为气旋型喷雾干燥塔的优化设计和干燥效率的提高提供了参考。

摘要：作为航空发动机的重要组成部分,涡轮部件承受着高温高速燃气产生的热载荷和气动载荷及自身旋转产生的离心载荷等,因此对其性能监控是十分必要的。文中参照国内某航空公司监控航空发动机涡轮部件性能所依据的标准,对某型航空发动机的高压涡轮转子部件在各种载荷作用下所受的应力应变进行分析,并且结合S-N曲线法和Manson-Coffin的Morrow修正法对其疲劳寿命进行了预测研究,建立了涡轮部件的性能衰退模型,为航空发动机维护和性能的监控提供了参考依据。

摘要：涡轮盘作为工作在高温高转速下的航空发动机关键部件,存在低周循环疲劳的风险。因此,低周循环疲劳是其结构设计的重要问题之一。首先,基于Walker模型在低周循环疲劳上的特性,提出了一种简化的Walker寿命预测模型。并且使用GH4133材料的试验数据验证了Walker模型的可行性。同时,为了验证Walker模型的优越性,采用多种模型对某轮盘寿命进行了预测。结果表明:简化的Walker模型预测值和真实值之间的相对误差为13.79%,其计算精度高于其他模型;其次,利用3个轮盘的真实寿命数据,检验不同的Walker衍生模型的预测精度。最后使用简化的模型对某型号发动机涡轮盘进行实例分析。

摘要：基于实验平台,采集滚动轴承正常、内环故障、外环故障和滚珠故障四种工况的振动信号,利用时域分析法提取故障特征量。分析隐含层神经元数量、隐含层激活函数和样本比例对极限学习机网络诊断效果的影响,同时从网络对样本比例的适应性、算法的稳定性、仿真耗时和抗噪能力四方面比较BP、SVM和RBF网络。结果表明:针对轴承故障诊断,极限学习机在神经元数量较少时采用Sigmoid()函数、神经元数量较多时采用Hardlim()函数,其诊断效果较佳;极限学习机相比BP、SVM和RBF网络,能够更好的适应样本比例的变化,且算法的稳定性和准确性均为最优;极限学习机仿真计算时间相对较短、抗噪能力较强。