摘要：提出了一种基于局部特征尺度分解(Local characteristic-scale decomposition,LCD)和核最近邻凸包(Kernelnearest neighbor convex hull,KNNCH)分类算法的滚动轴承故障诊断方法。采用LCD方法对滚动轴承原始振动信号进行分解得到若干内禀尺度分量(Intrinsic scale component,ISC),然后将这些ISC分量组成初始特征向量矩阵,再对该矩阵进行奇异值分解,提取奇异值作为故障特征向量并输入到KNNCH分类器,根据其输出结果来判断滚动轴承的工作状态和故障类型。LCD方法是一种新的自适应时频分析方法,非常适用于非平稳信号的处理,而KNNCH算法是一种基于核函数方法,并将凸包估计与最近邻分类思想相融合的模式识别算法,可直接应用于多类问题且需优化的参数只有核参数。实验分析结果表明,所提出的方法能有效地提取滚动轴承故障特征信息,而且在小样本的情况下仍能准确地对滚动轴承的工作状态和故障类型进行分类。同时,与支持向量机(Support vec-tor machine,SVM)算法的对比分析结果表明,KNNCH算法的分类性能的稳定性要高于SVM算法。

摘要：在研究内禀时间尺度分解(Intrinsic Time-Scale Decomposition,ITD)方法的基础上提出了一种新的自适应时频分析方法——局部特征尺度分解(Local Characteristic-scale Decomposition,LCD)方法,该方法可以自适应地将一个复杂的多分量信号分解为若干个瞬时频率具有物理意义的内禀尺度分量(Intrinsic Scale Component,ISC)之和。对LCD方法的基本原理进行了阐述,通过建立分解能力研究模型分别研究了分量信号的频率比、幅值比和初相位差以及单个分量迭代次数对LCD方法分解能力的影响,并给出了多分量信号可由LCD方法分解的大致条件。

摘要：研究汽车钢板弹簧优化建模,实际钢板弹簧的动力学特性存在多种非线性因素,建立钢板弹簧的模型困难较大,应用离散梁原理,在ADAMS/Chassis下建立了主副簧钢板弹簧的动力学模型。根据主副簧钢板弹簧离散梁动力学参数值设置繁琐的特点,在ADAMS/Insight模块中对离散梁参数进行敏感度分析,利用结果反求变量,再用模拟退火遗传算法对反求变量进行求解,解决了确定离散梁参数困难的问题。最后,通过某车后悬架主副簧钢板弹簧参数反求实例分析,验证了方法的有效性,为设计提供了科学依据。

摘要：为了对轿车侧碰条件下影响儿童和成人乘员损伤风险的侧面胸部气囊的设计参数进行优化,采用有限元和多刚体仿真模型,并结合试验设计,以胸部气囊的材料泄气率常数、起爆时间及安装位置为设计变量,以儿童头部合成加速度ahead-res和成人胸部黏性指标VC值为优化目标,构建代理模型,并进行多目标优化。研究结果表明,优化后的ahead-res和VC值比初始仿真模型中的相应值分别降低了约18%和50%。优化后的侧面胸部气囊既能够保护成人乘员又能够保护儿童乘员。

摘要：现有医药灌封生产中的西林瓶瓶口定位方法易受瓶口边缘干扰的影响,导致瓶口圆中心定位不准确。对此,提出一种基于DBSCAN随机圆检测的多瓶口定位算法。首先,通过Canny边缘检测算法得到图像中所有轮廓,采用基于密度的DBSCAN聚类算法分割出感兴趣的瓶口边缘集;接着,针对每个单独的瓶口边缘集,采用最小二乘法和径向扫描获取瓶口的外边缘点,再利用重复随机圆检测得到大量候选圆心集;最后,基于DBSCAN算法聚类得到真实圆心集,以真实圆心集的均值中心作为瓶口中心。与4种典型算法进行对比,实验结果表明,提出的圆定位算法的平均定位误差为0.553 pixels,优于其他算法,且该算法的平均执行速度为1.359 ms。该算法能够满足医药灌封生产线对准确性和实时性的要求。

摘要：针对某车身零部件上不同厚度的同种板材,分别进行电阻点焊和不同焊缝长度的激光焊接试验研究,根据拉剪试验结果,得出各种影响因素下相当于一个电阻点焊性能的最短激光焊缝长度,然后对两种焊接接头的金相组织进行比较分析,最后对某一车门总成分别进行电阻焊与激光焊试验。结果表明:激光焊接焊缝长度的确定与板材厚度和焊缝表面熔宽有一定的关系;激光焊接接头的显微组织较电阻焊接头细小均匀;根据激光焊缝长度制定方法布置焊缝的车门整体质量和性能更好,且激光焊接过程柔性更高。

摘要：提出了一种基于局部特征尺度分解(LCD)和核最近邻凸包(KNNCH)分类算法的齿轮故障诊断方法。该方法采用LCD对齿轮原始振动信号进行分解得到若干内禀尺度分量(ISC),然后提取包含主要信息的ISC分量的能量作为特征向量输入到KNNCH分类器,根据其输出结果来判断齿轮的工作状态。实验分析结果表明,所提出的方法能有效地提取齿轮故障特征信息,而且在小样本的情况下仍能准确地对齿轮的工作状态进行识别。同时,与支持向量机(SVM)算法的对比分析结果表明,KNNCH算法能取得与SVM算法相当或更高的正确识别率。

摘要：采用基于密度泛函理论的第一原理赝势平面波方法,计算了Co和Ni对LiNH2体系的晶体、电子结构及解氢性能的影响。负合金形成热与H原子解离能的计算结果表明:金属元素Co、Ni在LiNH2中少量置换固溶时,体系结构稳定性发生变化,合金化增强了体系的解氢能力,其中Ni提高LiNH2体系解氢效果较好。电子态密度(DOS)与电子密度分析结果表明:合金化提高LiNH2解氢能力的主要原因是合金化元素Co、Ni导致LiNH2体系Fermi能级附近能隙值发生变化以及Li与N-H之间的成键作用减弱。

摘要：在研究内禀时间尺度分解(ITD)方法的基础上提出了一种新的自适应时频分析方法——局部特征尺度分解(LCD)方法,该方法可以自适应地将一个复杂的多分量信号分解为若干个瞬时频率具有物理意义的内禀尺度分量(ISC)之和。对LCD方法的基本原理进行了阐述,并对其分量判据进行了研究,将经验模态分解(EMD)方法中的标准差判据应用于LCD方法。标准差判据的阈值会因自适应时频分析方法的不同而有所差异,因此标准差判据不具有自适应性,针对标准差判据的这一缺陷,提出了一种新的具有自适应性的分量判据——极值单调性判据,该判据无需设定任何阈值。信号分析结果表明了这两种判据的有效性,而极值单调性判据的适用性更强,可直接应用于EMD方法。另外,对比分析了LCD方法和EMD方法的计算效率,分析结果表明LCD方法在计算效率方面要优于EMD方法。

摘要：针对转子系统的故障特征,提出了基于多变量预测模型(variable predictive mode based class discriminate,简称VPMCD)和模糊熵的故障诊断方法。VPMCD方法是根据所提取的全部或部分特征值之间具有的某种内在关系建立预测模型,并以建立的变量预测模型进行模式识别。首先,对转子振动信号进行经验模态分解(empirical mode decomposition,简称EMD),得到若干个内禀模态函数(intrinsic mode function,简称IMF)分量;接着,提取包含主要故障信息的前几个IMF分量的模糊熵组成故障特征向量矩阵;然后,采用VPMCD方法建立预测模型;最后,通过建立的VPMCD预测模型区分转子的工作状态和故障类型。实验分析结果表明,基于VPMCD和模糊熵的故障诊断方法可以准确、有效地识别转子系统的工作状态和故障类型。