课程文献中心 更多>>

关键词： 声表面波   叉指换能器   传感器封装   高速滚动轴承   无线测温  

摘要： 滚动轴承作为机械运转过程中的重要部件,其工作状态决定了整个机械系统的正常运转,因此准确可靠地获取滚动轴承的状态具有对评估整个机械系统健康度具有重要意义。当前获取滚动轴承状态主要依靠放置在机架及轴承外圈处的传感器,而高Dn条件下滚动轴承温度最高点往往发生在在轴承旋转套圈上面,其值往往因测量困难而被忽视,这样获得的数据在描述轴承状态是不完整的,进行诊断分析时具有一定局限性。因此,本文针对现阶段高速滚动轴承旋转套圈温度测量困难,对无线传感技术进行了相关研究,提出了一种基于声表面波温度传感器的滚动轴承温度监测方法,通过将无线传感器与轴承座进行集成,实现了高Dn值下对燃机轻载轴承内圈温度的直接测量,为高速滚动轴承状态监测提供了新思路,同时也提高了基于温度判断轴承健康程度方法的准确性。 首先,本文在结合燃机轻载轴承使用工况及现有精密加工技术下,设计了适合用于高温高速、苛刻工况环境使用的声表面波温度传感器结构形式,利用COMSOL Multiphysics建立了固体力学和压电效应下的单对叉指电极的三维模型,通过对特征频率仿真得到了瑞利波谐振振型,验证了不同种类声表面波的传播特性,通过仿真得到了所设计传感器工作频率下的叉指电极尺寸以及传感器温度与灵敏度的关系曲线,同时设计传感器芯片加工版图。 然后,研究了声表面波温度传感器芯片各膜系结构的加工工艺,通过镀膜、光刻、套刻、划片得到了性能较好的芯片结构,并对芯片表面形貌进行了表征。通过仿真分析研究了外界载荷对声表面波传感器的影响关系,提出了适合声表面波器件封装的结构形式,并设计了耐高温的传感器芯片封装工艺,实现了声表面波温度传感器的小型化设计。根据天线结构与原理提出设计了传感器天线与轴承座的集成结构,设计并制作了可用于声表面波温度传感器的小型螺旋天线,通过阻抗匹配连接实现了整个无线传感器的制作。 最后,对制备得到的声表面波温度传感器进行测试,得到其谐振特性曲线:通过温度标定试验得到所制备传感器的温度响应曲线;搭建高速旋转试验装置,实现高速条件下无线传感器正常通信并验证旋转速度对温度测量结果并无明显影响,然后通过将声表面波温度传感器与轴承座进行集成,实现高速滚动轴承内圈温度监测。

关键词： 齿轮箱   磨损   油液监测   振动监测   大数据  

摘要： 装备恶性事故起因约50%是由于润滑失效和过度磨损所致,齿轮是机械装备的基础零部件,其磨损失效是导致机械装备故障的主要诱因。随着“中国制造2025”战略的推进,重大装备智能运维与健康管理的需求迫切,油液分析和振动监测在齿轮磨损在线监测中发展迅速,但是单独使用油液分析或振动监测对于齿轮磨损状态分析存在监测信息不全面,监测效率低下,故障特征不敏感等问题。此外,当面向多节点、跨地域装备集群监测时,海量数据的多节点采集,存储、管理、分析与深度挖掘等方面需求迫切。本文以齿轮磨损损伤在线监测为研究对象,以油液和振动在线监测为手段,基于大数据和人工智能理论,开展齿轮磨损损伤多源异构信息在线大数据监测平台关键技术研究,具体的工作如下:(1)开展了多源异构信息在线监测大数据平台总体设计与搭建。基于在线油液和振动监测技术,构建了油液-振动多源异构信息获取终端,实现了油液-振动数据的采集;然后采用云端My SQL技术,实现油液-振动海量数据的云端同步存储;同时,利用云端部署的机器学习模型和特征提取算法,结合Maxwell、Kafka和Spark streaming实时流处理框架,开发了齿轮磨损在线监测与评估模块,实现磨损状态的在线评估与预警。所开发的平台具备多节点、跨地域、海量、多源异构数据的采集、存储和智能分析等功能。(2)基于云端存储的油液-振动多源异构原始数据,开展齿轮箱磨损状态量化表征特征提取算法研究,提出了基于高斯混合模型与磨粒增强的在线铁谱图像磨粒分割算法,实现了动态背景高气泡干扰下铁谱图像磨粒数量及粒径等特征的提取;并研究了基于小波阈值法的振动信号去噪处理和特征提取,构建油液-振动多维度量化表征指标体系。(3)开展齿轮箱磨损状态评估方法研究,提出KPCA-PSO-LSTM的磨损状态评估算法,并完成评估模型云端部署。为了验证算法的可行性,开展约200小时的齿轮磨损加速试验,试验结果表明:本文开发的KPCA-PSO-LSTM模型对齿轮箱磨损状态评估精度达96.1%,高于PSO-LSTM和LSTM模型。(4)最后,开展了多源异构信息在线大数据监测平台Web应用可视化开发。完成了Web应用后端数据库表设计,并利用Django、html、css、Java Script和Echarts等技术,实现齿轮磨损过程油液-振动的实时监测、历史查询、报警管理和用户管理等功能可视化。通过Nginx和u WSGI技术完成了Web应用的在线部署,实现了多用户、远程云端监测。本研究对提高装备智能化水平,保障齿轮传动装备安全、高效、长寿命运行,避免过维修和欠维修导致不必要的资源浪费和经济损失具有重要意义。

关键词： 火箭橇滑块   连续型沟槽表面织构   磨损行为   有限元模拟  

摘要： 火箭橇滑块在高速重载服役工况下的磨损问题,不仅是威胁火箭橇滑轨系统安全可靠性的主要因素之一,更是制约火箭橇发展和应用的技术瓶颈之一。然而,束缚于实测试验分析高昂的试验成本需求且实验室几乎无法复刻高速重载这一极端工况,以及仅通过二维模型或只考虑局部碰撞变形的模拟仿真,尚且未能克服这一问题。在干摩擦条件或贫油情况下,连续型沟槽表面织构表现出极佳的减摩抗磨效应,这对于兼顾减摩抗磨性与结构可设计性于一体的火箭橇滑块是有益的。为减少成本消耗并实现火箭橇滑块三维磨损模拟,本文基于有限元法结合Archard磨损模型以及弹塑性变形理论,采用ANSYS模拟分析软件对火箭橇滑块/滑轨摩擦副简化建模,从接触面的磨损量和接触压力的角度厘清了载荷以及速度因素对滑块磨损行为的影响。结论如下:(1)载荷因素能够显著地影响滑块磨损量和接触压力的变化。当载荷增加时,同一时刻下的滑块磨损量和接触压力均明显增加,且平均接触压力的下降趋势平缓,以致于滑块的磨损状态难以改变,进而造成磨损加剧。(2)速度因素对滑块磨损量和接触压力的影响较为复杂。当速度增加时,同一时刻下滑块仅增加了少许磨损量,而接触压力因滑移距离的增加出现了下降,但平均接触压力的下降趋势却更明显,以致于滑块的磨损状态更早的进入平稳磨损。随后在火箭橇滑块简化模型模拟分析的基础上,进行了沟槽型织构化滑块磨损行为的有限元模拟。然而,考虑到简化模型无法完全地展示沟槽型织构化滑块接触面接触特征的变化,重新建立了沿滑移方向的沟槽型织构化滑块对称模型且考虑了几何网格更新策略,进而分析了织构密度以及织构宽度因素对接触面的磨损量、Von-mises等效应力以及接触压力等接触面接触特征的影响。结论如下:(1)随着织构密度的增加,与T0光滑表面时显著的前端效应导致的严重偏磨现象相比,沟槽型织构化滑块的磨损均匀且变化连续。而相对于T0光滑表面时明显的应力梯度变化以及应力集中现象,沟槽密度的增加有益于接触面的应力趋于均匀化分布且最大应力的减小幅度也会持续增加,这避免了受力不均造成的破坏。此外,接触压力也随之增加,以致于滑块接触面与滑轨目标面之间接触紧密、间隙更小,并协同沟槽及时清除磨屑磨粒的作用,有效地减轻了磨粒磨损导致的严重磨损现象。因此,仅考虑织构密度因素时,当织构密度为34%(即T3条件下)是最适宜的。(2)随着织构宽度的减小,相较于T0光滑表面时严重的偏磨现象,沟槽型织构化滑块的前端效应减轻、磨损更为均匀,并且整体磨损表现出先降低后升高的趋势。织构宽度的减少同样使得接触面应力趋于均匀分布,但不同于磨损的变化趋势,最大应力的减小幅度则呈现出先增加后减少的变化,且最大应力从低频率平稳的波浪式下降演变为高频率起伏的波浪式下降。此外,由于不同织构宽度条件下的实际接触面积相同,因此接触压力在数值上几乎一致,但接触压力从断续性压力分布演变为连续性压力分布。因此,仅考虑织构宽度因素时,当织构宽度为270μm(即T3条件下)是最适宜的。(3)总体而言,连续型沟槽表面织构在改善火箭橇滑块的磨损行为方面表现出良好的积极效果,这表明通过恰当表面设计获得沟槽型表面织构有望显著降低磨损,亦可为实现兼具减摩抗磨性与结构可设计性于一体的火箭橇滑块提供技术参考和理论支撑。

关键词： 涂层刀具   镍基高温合金   切削温度   刀具磨损   刀具寿命  

摘要： 硬质合金刀具基体上涂覆涂层,可降低切削力,减少刀具磨损,提高刀具寿命,特别是存在热障效果,影响切削热传导和切削温度,是切削加工领域的研究热点。本文研究了Ti Al Si N单层和Ti Al N/Ti Al Si N双层硬质合金涂层刀具切削加工镍基高温合金Inconel718的切削性能,包括切削力、切削温度和刀具磨损。为了探究不同切削速度和涂层厚度对涂层刀具切削性能的影响规律,通过有限元法建立了硬质合金涂层刀具车削过程的二维和三维仿真计算模型,并将仿真结果实验验证,证明结果的可行性。结合实验采样数据,分析了涂层刀具的磨损形式和磨损机理,基于CPSO-RBF神经网络对刀具寿命进行了预测。具体研究内容包括以下三个方面:(1)基于移动热源理论,考虑三个变形区的影响,建立了一种热机械双区分析模型,用于预测涂层刀具在切削加工过程中的温度分布。建立了涂层刀具三个变形区切削温度分布解析模型,并对解析结果和仿真结果进行了对比分析。结果表明,将三个变形区纳入刀具温度模型中可以提高前刀面温度的计算精度,从而实现更真实的模拟结果。这有助于更准确地预测前刀面的最高温度分布,以及涂层刀具和工件内部的温度分布情况。(2)基于涂层刀具的稳态和瞬态切削热传导模型,采用涂层等效层法将Ti Al N/Ti Al Si N双层涂层刀具转化为等效单层复合涂层刀具,并得到涂层的等效热物理性。等效层法得出的结果与直接法得出的结果控制在较低的范围内。利用有限元分析法研究了Ti Al Si N单层和Ti Al N/Ti Al Si N双层涂层硬质合金刀具的切削性能。结果表明,Ti Al N/Ti Al Si N双层涂层刀具比Ti Al Si N单层涂层刀具具有更好的切削性能。通过切削温度测量实验发现,在不同涂层厚度下,Ti Al N/Ti Al Si N双层涂层硬质合金刀具的前刀面温度均低于Ti Al Si N单层涂层硬质合金刀具的前刀面温度。(3)建立涂层刀具磨损模型,利用有限元法研究刀具切削磨损特性,结合实验采样数据,分析涂层刀具的磨损机理,并运用神经网络进行刀具寿命的预测。研究表明:Ti Al Si N涂层刀具的磨损程度随切削速度的增加而增加,前刀面主要磨损形式为月牙洼、涂层剥落、粘结物堆积和微崩刃等,后刀面主要受到粘结磨损和氧化磨损的影响。涂层越厚,涂层内部温度下降越多,能减缓涂层磨损,延长刀具寿命。使用CPSORBF神经网络模型进行刀具寿命预测,平均相对误差为11.57%,优于之前使用BPRBF神经网络模型的预测结果。

关键词： 重载铁路   轴重   轮轨磨耗   疲劳裂纹   有限元仿真  

摘要： 现代化货运重载铁路朝着重载化、智能化的道路发展是必然选择。列车轴重持续增加会导致铁路用材料的损伤不断加剧,列车通常小半径曲线时由于侧磨会导致轮轨磨耗异常,而频繁的淘汰旧轨,使用新轨又造成成本增加和经济损失。为此,大力推进研究重载铁路不断轴重化对车轮和钢轨材料的磨损和损伤行为的影响对推动我国重载铁路的技术和材料发展有至关重要的作用。本文重点对重载铁路轴重30 t以上时轮轨材料的磨损性能和损伤机制进行了研究,利用自行研制的JD-DRCF/M试验机模拟了四种不同轴重工况下的轮轨滚动接触行为。通过分析研究,本文的主要结论如下:(1)四种轴重工况下的黏着系数随轴重增加而降低,同时四组黏着系数在整个磨损循环周期内存在持续下降趋势,轴重越大下降幅度越大;在轴重为40 t和45 t时,最小黏着系数均低于0.2。(2)轴重对轮轨材料的磨耗影响显著,车轮和钢轨的磨耗均随轴重的增加呈现增加趋势,在四种不同轴重工况中车轮试样磨损量是钢轨磨损量的6-10倍,当轴重由30 t增加至40 t时车轮材料磨耗表面出大幅度增加趋势,磨耗增加了1倍以上。结合车轮和钢轨材料的表面损伤形貌,车轮磨损表面存在许多剥落坑、材料起皮和疲劳裂纹;而钢轨磨损表面较为光滑,主要以剥层损伤为主,不同的损伤机制导致了车轮和钢轨材料的磨耗的明显差异。(3)车轮和钢轨的近表层疲劳裂纹扩展机制有着很大不同,车轮的裂纹往往是平行于材料表面扩展,起源于表面的裂纹扩展到一定深度时会产生分支裂纹;钢轨材料裂纹向着材料深处扩展,且裂纹数量明显比车轮材料多,轴重30 t以上时还会出现从材料内部萌生的细长裂纹。当轴重为45 t时,由于极端的正应力和切应力的共同作用,车轮材料和钢轨材料表层会出现两条平行裂纹中材料破碎现象,车轮表层分布着致密的数条裂纹,以至于难以分清主裂纹。(4)磨屑的形貌和尺寸由轮轨材料的去除形式决定,车轮材料的疲劳裂纹主要平行于表面扩展,导致车轮材料剥落面积较大和厚度较大;钢轨材料的疲劳裂纹向深处扩展,裂纹与裂纹连接导致较小的材料断裂。所以小尺寸磨屑主要来自于钢轨材料,厚而大的磨屑主要来自车轮材料。轴重与磨屑尺寸没有呈正增长趋势,其中磨屑尺寸呈现先减小后增大发展趋势。当轴重在40 t以上时,磨屑表面出现裂纹。

关键词： 机械零件图文匹配   跨模态检索   图卷积网络   注意力机制   邻接矩阵  

摘要： 机械零件是机械行业的基础,产品零件的设计研发及应用管理对于机械行业的发展和社会的进步有着十分重要的作用。长期的工业发展和机械生产诞生了大量的零件信息,这些都凝聚了工作者们优良的经验知识,具有极其重要的价值。但是随着零件数量的不断增多,许多优秀的信息被淹没在庞大的零件数据中,导致零件设计者或管理人员需要耗费大量的时间精力去检索优质零件资源,从而严重影响了零件产品的研发进程和应用流通。而将跨模态检索技术引入到机械零件的检索工作中,打破零件图片和文本之间的检索屏障,实现机械零件信息在相同模态内以及不同模态间的快速准确检索,有利于缩短设计周期,提升产品质量,降低管理成本。主要研究内容如下:(1)机械零件图片和文本的数据获取。搭建线下拍摄平台,对相机、镜头、光源等关键拍摄设备进行分析选型,完成部分零件的线下拍摄;通过网络查询搜索扩充零件图片的数量和种类;对零件的图片添加文本描述,构成机械零件的文本数据。(2)零件相关文本描述的相似度匹配。通过不同文本之间的单词字符距离及权重哈希特征差异等表层信息,计算不同文本之间的表层特征相似度;通过Word2vec提取文本中不同单词的词向量,然后通过TF-IDF获取不同单词的权重系数,将各个词向量加权合成文本的高层语义特征向量,计算不同零件文本之间的高层语义特征相似度。最后将表层相似度与高层相似度融合,发挥出各自的优势,实现准确的零件文本匹配工作。(3)多特征融合匹配零件图片数据。为了增加零件图匹配的旋转不变性和尺度不变性,通过组合哈希对零件的灰度图进行编码。为了有效识别不同零件图的颜色特征,通过彩色直方图匹配不同零件图的颜色相似度。为了区分不同零件图的亮度、结构等信息,在零件图匹配过程中添加SSIM结构相似度系数。之后通过MobileNet2网络获取零件图片的高层语义特征,进行更深层次的零件图相似度比较。最后将多种特征融合,发挥不同特征的功能,完成零件图相似度的准确计算。(4)改进图卷积的跨模态零件检索。为了增加零件图片和文本各自模态内的局部一致性,通过图卷积网络对零件图文特征进行提取。针对深层图卷积网络容易出现过平滑的问题,提出在每一层图卷积中添加初始残差连接和单位权重矩阵的方法。并通过添加与图卷积网络并行的全连接网络,增加网络模型的拟合能力。(5)融合多头注意力的零件图文检索。为了突出各个邻居节点的重要程度,在图卷积中引入注意力机制计算不同节点之间的权重系数。针对节点间特征挖掘不充分的问题,添加多组注意力头,充分关注各个节点之间的多组相关特征。通过模态内语义约束和模态间不变约束,拉近公共子空间中相似图文特征向量之间的距离,有效提高跨模态机械零件检索的准确率。

关键词： 铝合金   微弧氧化   陶瓷层   添加剂   耐磨性能  

摘要： 铝合金经微弧氧化处理后在表面形成原位生长的Al2O3陶瓷层可提高铝合金硬度,改善其耐磨性能。而在微弧氧化过程中,为了保证电解液的稳定性和提高电解液的导电特性,往往需要在主盐溶液中加入添加剂。而电解液中添加剂的加入使得微弧氧化陶瓷层的组成相中含有由电解质离子生成的掺杂相,掺杂相的种类和含量会影响陶瓷层的耐磨性能。论文选用NaVO3、Na2WO4和K2ZrF6三种常用的溶液添加剂分别添加到磷酸盐系溶液中,研究了电解液添加剂种类、含量对电解液电导率及铝合金微弧氧化陶瓷层生长特性的影响;通过电化学伏安特性研究添加剂对铝合金在电解液中钝化成膜特性的影响,利用SEM、XRD及EDS分析了微弧氧化陶瓷层的形貌、相组成以及成分。通过往复摩擦磨损试验研究微弧氧化陶瓷层的摩擦磨损特性,探讨了不同组分电解液中生成的微弧氧化陶瓷层的磨损失效机制。研究表明:(1)NaVO3、Na2WO4和K2ZrF6三利种溶液添加剂在—定浓度范围内,微弧氧化陶瓷层生长厚度增速的快慢主要与添加剂种类有关,而溶液电导率对膜层厚度影响较小。尤其是NaVO3浓度高于0.0225 mol/L以上时,由于钒在膜层表面的大量吸附,膜层厚度快速增加。(2)通过伏安曲线可以看出,添加剂加入基础溶液中对铝合金—溶液界面特性有较大的影响。对于NaVO3和Na2WO4来讲,添加剂浓度变化对界面特性影响较小;而K2ZrF6的影响较大,当浓度大于0.0225 mol/L,在一定电位范围内,其阳极氧化电流随着电位的升高增长较大,对铝合金-溶液界面钝化层破坏作用较强。(3)相比于NaVO3和K2ZrF6溶液,溶液中添加Na2WO4得到的膜层中形成的α-Al2O3和WO3相,对膜层硬度提高效果显著,Na2WO4浓度在0.015 mol/L时膜层硬度可以达到1239.4 HV0.025。膜层中钒氧化物和氧化锆相对膜层硬度影响较小。溶液中添加少量的NaVO3、Na2WO4和K2ZrF6添加剂,得到的陶瓷层摩擦系数较低。(4)溶液中添加0.0150 mol/L的Na2WO4添加剂,膜层发生磨损失效的时间最迟,膜层中的α-Al2O3和WO3相对膜层耐磨性影响较大。膜层主要的失效方式为磨粒磨损,细小的磨粒对陶瓷层表面的研磨切削,造成磨痕表面部分膜层断裂脱落。NaV03溶液添加剂浓度在0.0375 mol/L时,膜层疏松硬度较低,易形成大颗粒的磨粒加剧了膜层表面磨损程度。(5)摩擦载荷增加主要会降低膜层在稳定摩擦磨损阶段存在的时间,且在摩擦过程中产生更大的磨粒,加剧了膜层磨损过程,10N时,磨痕表面存在明显犁沟现象。

关键词： 刀具磨损   故障诊断   寿命预测   深度极限学习机  

摘要： 刀具作为机加工过程中磨损消耗最严重的零部件之一,其磨损状态直接影响工件的加工质量及表面粗糙度,甚至影响整个机床的稳定性。为避免刀具磨损失效而造成设备损坏及安全问题,确保设备顺利运行,对其进行状态监测并预测其RUL具有重要意义。针对目前状态识别技术通常基于振动信号分析,不仅易于采集,相比其他类型的信号可以提供更多的有效信息,对刀具磨损信息敏感。通过基于振动信号预测机床刀具磨损,搭建实验平台,采集不同磨损阶段的刀具在切削过程中的振动信号,并获取刀具全寿命周期振动数据,二者相辅相成,共同对刀具的磨损进行预测。在信号处理与特征提取方面,本文提出了基于CEEMDAN-S的信号处理方法。首先,因采集的原始信号中包含各种背景噪声,因此需要对信号进行降噪滤波处理。采用CEEMDAN分解算法,将原始信号分解为多个IMF分量;其次,利用相关系数和方差贡献率的选取准则,从中筛选出包含磨损信息最多的IMF分量进行信号重构;最后,对重构信号进行特征提取,采用S变换理论进行时频转换,生成包含故障特征的2-D时频谱图。通过对比原始振动信号与降噪后重构信号的时频谱图,明显发现原始信号中的噪声部分被滤除,同时突出磨损状态特征。为更好地学习刀具磨损的故障特征,达到最佳的预测效果,本文提出了一种基于EG-SSMA-DELM的刀具磨损预测模型。首先,在黏菌算法中,采用EOBL与GSA算法优化初始SMA种群,改进初始SMA搜索个体位置的更新方式,提高算法的收敛速度与全局搜索能力,得到最优参数;其次,利用改进SMA算法,对DELM中编码器的偏置与输入权重进行联合优化,定义不同数量的隐藏层神经元,利用Re LU激活函数对DELM的参数进行理想排列;最后,根据最优参数将时频特征输入DELM中进行训练和预测。引入SA突出有效特征,优化模型的特征识别准确性和效率,提高刀具的RUL预测精度。通过对实测数据集进行试验验证分析,EG-SSMA-DELM模型相较于传统的DELM模型,具有出色的预测精度和拟合效果,同时具有更好的可行性、单调性和更强的鲁棒性,能够很好地对刀具磨损的原始信号进行降噪滤波处理以及刀具的RUL预测,为实际工程机床刀具磨损预测研究提供理论基础。