首页期刊导航|机电工程
期刊信息/Journal information
机电工程
机电工程

罗向阳

月刊

1001-4551

meem_contribute@163.com

0571-87041360 87239525

310009

浙江省杭州市大学路高官弄9号

机电工程/Journal Mechanical & Electrical Engineering Magazine北大核心CSTPCD
查看更多>> 《机电工程》杂志系：中国科技论文统计源期刊(中国科技核心期刊) ，创刊于1971年，由浙江大学与浙江省机电集团（原浙江省机械工业厅）联合主办，是一份在国内有较高影响力、历史悠久的机电技术领域的专业性科技期刊。以报道机械、仪表技术，机电一体化技术、自动化技术及其应用为特色。《机电工程》杂志是中国机械工程学会优秀期刊，《中国学术期刊（光盘版）检索与评价数据规范》（CAD-CJ）执行规范优秀期刊，浙江省精品科技期刊。 中国学术期刊影响因子年报-自然科学与工程技术2011版显示：复合影响因子为0.748，影响因子列机械工程学科第8位（总计86种）。
正式出版
收录年代

    基于支撑力平衡的柱塞泵滑靴副油膜厚度动态求解方法

    任中永许顺海龚国芳张鹏...
    1-10页
    查看更多>>摘要：通过改进轴向柱塞泵的滑靴副与柱塞的结构设计以稳定建立滑靴油膜,这是轴向柱塞泵当前的研究热点之一.柱塞泵滑靴副油膜厚度的动态特性对分析柱塞泵滑靴副的支撑特性至关重要,为此,提出了 一种基于支撑力平衡的柱塞泵滑靴副油膜厚度动态求解新方法.首先,对滑靴副的受力平衡机理进行了分析,并构建了柱塞泵运动学和动力学模型;然后,构建了柱塞泵整泵流场仿真模型,求解了包含滑靴底部支撑力、柱塞腔压力等在内的滑靴副支撑动态边界,并采用容积效率试验数据验证了整泵流场仿真的准确性;最后,建立了滑靴副油膜承载模型,分析了滑靴副油膜支撑特性,提出了基于插值计算理论的柱塞泵滑靴副油膜承载尺度动态求解方法,对1600r/min与600r/min两种典型工况的滑靴副油膜动态进行了计算.研究结果显示:大排量柱塞泵转速为1 600r/min时,柱塞惯性力导致高压侧油膜厚度进一步减薄,高压转低压过程中,柱塞腔内出现压力骤降,使滑靴副油膜无法形成,导致滑靴与斜盘发生刚性接触,在该区域内发生异常磨损;而在低转速工况(600r/min)时,滑靴底面能够有效形成油膜,保证柱塞泵低速运行的可靠性.这表明基于支撑力平衡的柱塞泵滑靴副油膜厚度动态求解方法可以快速地对不同工况下的柱塞泵滑靴副油膜厚度进行求解.

    工程机械盾构机容积泵滑靴副支撑特性油膜厚度动态特性柱塞泵动力学分析线性插值

      原文链接:
    • 万方数据
    • 维普

    基于SORT映射的IRCMFDE在旋转机械故障诊断中的应用

    王潞红邹平吉
    11-21页
    查看更多>>摘要：针对旋转机械振动信号的强非线性和非平稳性,导致故障特征提取困难的问题,提出了一种基于SORT映射的改进精细复合多尺度波动散布熵(IRCMFDE)和蝙蝠算法优化的相关向量机(BA-RVM)的旋转机械故障诊断方法.首先,利用SORT映射函数替换了精细复合多尺度波动散布熵(RCMFDE)方法的正态累积分布函数,同时对RCMFDE方法的粗粒化方式进行了改进,提出了基于SORT映射的IRCMFDE方法;随后,利用IRCMFDE方法提取了旋转机械振动信号的故障特征,构造了故障特征集;最后,采用BA-RVM分类器对旋转机械的故障类型进行了智能化的识别和分类;将基于IRCMFDE和BA-RVM的故障诊断方法应用于滚动轴承、离心泵和齿轮箱的实验数据分析,并将其与现有故障诊断方法进行了对比分析.研究结果表明:基于IRCMFDE和BA-RVM的故障诊断方法能够有效地识别旋转机械的故障状态,识别准确率分别达到了 100％、98％和99％,相比基于RCMFDE、精细复合多尺度熵、精细复合多尺度模糊熵、精细复合多尺度排列熵和精细复合多尺度散布熵的故障特征提取方法,该故障诊断方法的效率和平均识别准确率均优于对比方法,其更适合应用于旋转机械的在线实时故障监测.

    改进精细复合多尺度波动散布熵SORT映射蝙蝠算法优化的相关向量机旋转机械故障分类识别

      原文链接:
    • 万方数据
    • 维普

    基于多域信息融合与深度分离卷积的轴承故障诊断网络模型

    王同许昕潘宏侠
    22-32页
    查看更多>>摘要：针对传统卷积神经网络(CNN)对滚动轴承振动信号的故障识别准确率不高这一问题,提出了一种基于多域信息融合结合深度分离卷积(MDIDSC)的轴承故障诊断方法.首先,利用 自适应噪声的完全集合经验模态分解(CEEMDAN)算法对轴承振动信号进行了分解;然后,利用分解出的本征模态函数(IMF)的各个分量构建了多空间状态矩阵,并将该多空间状态矩阵输入该深度分离卷积模型中,进行了卷积训练;同时,在该深度分离卷积模型中添加了残差结构,对数据特征进行了复利用,并对卷积核进行了深度分离,解决了深度模型的网络退化问题;最后,提出了一种空间特征提取方法,对模型参数进行了修剪,采用一种自适应学习率退火方法进行了梯度优化,以避免模型陷入局部最优.研究结果表明:通过对多个轴承故障数据集进行对比分析可知,MDIDSC在轴承故障诊断方面的准确率和稳定性明显优于其他方法,MDIDSC的最高测试准确率为100％,平均测试准确率为99.07％;同时,在测试集中的最大损失和平均损失分别为0.134 5和0.084 1;该结果表明MDIDSC在轴承故障诊断方面具有一定的优越性.

    深度分离卷积信息融合参数修剪残差网络卷积神经网络自适应噪声的完全集合经验模态分解本征模态函数多域信息融合结合深度分离卷积

      原文链接:
    • 万方数据
    • 维普

    不同结构参数对高速开关阀液压力的影响研究

    赵才虎陈誉朱天龙孙宝林...
    33-42页
    查看更多>>摘要：因其具有价格低廉、抗污染性强等优点,高速开关阀已被广泛运用到各种车辆的制动系统中,其动态性能直接影响到车辆的制动效果,而阀芯所受的液压力是决定高速开关阀动态特性优劣的关键参数.针对不同参数对高速开关阀液压力的影响,以及实际工程中阀芯液压力难以测量的问题,采用计算流体动力学(CFD)对高速开关阀进行了数值模拟.首先,基于有限体积法(FVM),建立了不同开度、压差、温度、以及结构参数(阀座节流孔直径和锥角)的三维仿真模型;然后,对比不同网格数量的仿真结果,排除了网格数量对于仿真结果的影响,并详细分析了各参数对液压力的影响,得出了高速开关阀液压力与各参数之间的变化规律;最后,采用响应面分析结合遗传算法对开关阀的结构参数进行了优化.研究结果表明:随着阀芯开度的增加,节流区域发生了转变;较大的压差会导致液压力产生较大幅度的变化;相较于高温,低温对液压力有着更加显著的影响;对结构参数进行优化后,最小开度的液压力提高了 49.2％,提高了阀控制稳定性,为高速开关阀线性控制设计提供了理论基础.

    液压控制阀阀芯液压力数值特性结构优化计算流体动力学有限体积法试验设计响应面分析

      原文链接:
    • 万方数据
    • 维普

    仿真数据驱动的起重机钢丝绳断丝定量识别方法

    王晓昆井陆阳白晓瑞战卫侠...
    43-51页
    查看更多>>摘要：针对工程应用中起重机钢丝绳损伤检测由于故障样本不足导致检测效果较差的问题,提出了 一种仿真数据驱动的、基于卷积神经网络(CNN)模型的钢丝绳断丝定量识别方法.首先,使用有限元软件COMSOL对直径24 mm的6x37结构钢丝绳不同损伤类型进行了建模与仿真,并将提离值为5mm处仿真漏磁场减去背景磁场,得到了仿真损伤信号;其次,搭建了钢丝绳漏磁检测试验台,采集了与仿真参数一致的钢丝绳断丝实测信号,并进行了小波去噪处理,解决了实测信号中由于存在噪声干扰导致与仿真信号不匹配的问题;最后,建立了卷积神经网络模型,采用仿真数据辅助模型训练,并使用早停法抑制了模型对训练集中仿真数据的过拟合问题.以仿真数据作为训练集和仿真数据辅助小样本实测数据作为训练集,进行了实验验证.研究结果表明:仿真数据驱动、小波去噪能够较大幅度地提高断丝识别率;早停法能够较好地抑制实验中的过拟合问题;该方法在两种实验形式下的准确率分别达到了 84.5％和97.5％,证明该方法能够有效识别钢丝绳损伤,具有一定的理论研究价值和工程应用前景.

    起重机械电磁检测模式识别方法卷积神经网络小波变换小样本数据COMSOL

      原文链接:
    • 万方数据
    • 维普

    齿向修鼓和轴向错位直齿轮副刚度的计算方法

    朱文轩张书维王琳周海川...
    52-61,165页
    查看更多>>摘要：针对齿向修鼓和轴向错位直齿轮副刚度激励的问题,提出了 一种通用的时变啮合直齿轮副刚度的解析方法.首先,建立了直齿轮齿向修鼓与轴向错位模型,导出了轮齿副总误差计算式;然后,结合了弹性力学理论、齿接触分析(TCA)以及加载齿接触分析(LTCA),对齿向修鼓和轴向错位的直齿轮副加载状态下的啮合特征进行了计算;基于势能法以及切片理论,建立了改进的几何刚度、耦合刚度、赫兹接触刚度以及齿基刚度模型,并进一步推导了齿向修鼓和轴向错位的直齿轮副时变啮合刚度改进解析式;最后,将该方法的计算结果与有限元结果进行了对比分析,对该解析模型进行了验证,并分析了不同鼓形量与错位量对直齿轮副刚度激励的影响.研究结果表明:提出的齿向修鼓和轴向错位直齿轮副刚度计算方法的计算误差为3％,能够准确且有效地分析齿向修鼓和轴向错位直齿轮副的啮合刚度,为齿轮副传动系统的修形设计提供了理论基础.

    直齿轮误差轴向错位时变啮合刚度切片理论势能法齿接触分析加载齿接触分析

      原文链接:
    • 万方数据
    • 维普

    基于CMIE与参数优化KELM的旋转机械故障诊断策略

    连璞吴磊伍永豪
    62-71页
    查看更多>>摘要：针对多尺度排列熵忽略信号幅值信息以及粗粒化处理存在不足,造成旋转机械故障识别准确率不稳定和不可靠等缺陷,提出了 一种基于复合多尺度增长熵(CMIE)和算术优化算法(AOA)优化核极限学习机(KELM)的旋转机械故障诊断策略(方法).首先,引入增长熵代替排列熵,进行了故障特征提取,同时采用复合粗粒化处理进行了信号的多尺度分析,提出了复合多尺度增长熵指标,将其用于提取旋转机械振动信号的非线性故障特征;随后,利用AOA对KELM的核心参数进行了 自适应优化,建立了网络结构最优的分类模型;最后,将故障特征输入至AOA-KELM分类器,进行了训练和测试,根据分类器的输出标签完成了样本的故障识别任务;利用旋转机械故障数据集对所提策略的性能进行了实验和分析.研究结果表明:CMIE方法可以有效地识别旋转机械的故障类型和故障程度,两种数据集的识别精度均达到了 99.2％,在特征提取效率和识别精度方面均优于比较方法;AOA-KELM模型的识别准确率和识别效率优于遗传算法优化核极限学习机、粒子群算法优化极限学习机、网格算法优化核极限学习机和灰狼算法优化核极限学习机.

    复合多尺度增长熵算术优化算法核极限学习机滚动轴承齿轮箱复合粗粒化处理信号多尺度分析

      原文链接:
    • 万方数据
    • 维普

    基于改进JRD及误差修正的轴承剩余寿命预测方法

    刘玉山张旭帮王灵梅孟恩隆...
    72-80页
    查看更多>>摘要：目前,风电机组齿轮箱性能发生初始退化时难以识别,现有退化指标易出现剧烈波动、单调性较差,且无法准确预测齿轮箱关键部件如轴承的剩余使用寿命(RUL),针对该问题,提出了一种基于改进杰森-瑞丽散度(JRD)及误差修正的双指数模型轴承RUL预测方法.首先,提取了振动信号样本的多域特征指标,利用高斯混合模型(GMM)与指数型权重JRD,得到了样本的后验概率分布向量,再经归一化处理得到置信值(CV);然后,对轴承从初始健康状态退化至当前检查时刻的CV值进行了相空间重构,提取了 CV序列的动力学特征,并将其作为相关向量机(RVM)的训练集,获得了支撑整个退化轨迹的相关向量;最后,利用双指数模型拟合了相关向量,外推趋势至失效门限以计算RUL,并引入了差分整合移动平均自回归模型(ARIMA),对拟合相关向量产生的拟合误差进行了预测,以修正预测的结果.实验结果表明:改进后的退化指标单调性指标提高14.3％;且在不同工况、不同时刻下,经误差修正后的轴承的RUL预测结果较未修正之前有明显提高.研究结果表明:该预测方法可为风电机组齿轮箱重要部件的预测性维护提供参考.

    滚动轴承剩余使用寿命预测高斯混合模型杰森-瑞丽散度误差修正双指数模型置信值差分整合移动平均自回归模型

      原文链接:
    • 万方数据
    • 维普

    齿轮箱传动系统渐开线花键的优化研究

    黄杨杨宋进宇罗勇水赵海燕...
    81-89页
    查看更多>>摘要：随着风电机组齿轮箱扭矩密度的提升,行星传动装置中渐开线平齿根花键已经满足不了 目前齿轮箱轻量化设计的需求.针对这一问题,提出了一种将齿轮箱内部传统的渐开线平齿根花键优化为渐开线齿形花键的方法.首先,优化了渐开线齿形花键的齿廓变位系数、齿根高及齿顶高变位系数等,提高了花键的传扭能力;然后,研究了渐开线齿形花键结构,调整了其齿厚公差,使太阳轮可以正常浮动,以补偿齿轮啮合的对中偏差,降低了不均载系数,提高了齿轮箱内部齿轮的承载能力;分析了花键齿面载荷分布,对花键进行了齿向修鼓和螺旋角修形,改善了花键齿宽载荷分布,避免了花键轮齿端部受载过高,延长了花键联接的使用寿命;最后,使用工程算法,校核了花键抗剪切、抗磨损及花键连接本体强度等;通过齿轮箱相关试验,分析了齿轮箱拆检后花键齿面啮合情况,验证了渐开线齿形花键的扭矩传递能力.研究结果表明:采用渐开线齿形花键,通过优化其参数,可以提高花键的齿面接触强度,花键的扭矩传递能力提高了约10％,齿形花键的扭矩传递能力得到了实例验证.

    齿轮箱扭矩密度齿轮箱轻量化设计机械强度抗剪切强度渐开线齿形花键参数优化传扭能力

      原文链接:
    • 万方数据
    • 维普

    基于mRMR-SOM的异步电机轴承故障诊断研究

    刘文周智勇蔡巍
    90-98页
    查看更多>>摘要：针对异步电机轴承故障诊断问题,提出了 一种融合最大相关最小冗余特征选择算法(mRMR)和自组织映射神经网络(SOM)的故障诊断方法,并将其应用于轴承故障诊断的不同阶段.首先,在实验室环境下搭建了异步电机故障诊断试验平台,在不同电机状态下分别采集振动、电流和电压信号,利用统计学方法获取了高维混合特征集;然后,以互信息为背景,利用mRMR根据特征与状态标签间的相关性和特征间的冗余性,筛选了具备强区分能力的特征,以避免计算冗余和后验诊断性能下降;最后,采用SOM对异步电机健康和轴承故障状态进行了分类识别,验证了 SOM对异步电机轴承故障诊断的有效性,以及mRMR对故障诊断结果的影响.研究结果表明:基于mRMR-SOM的异步电机轴承故障诊断方法能够准确地区分健康和故障状态,测试集分类准确率达到89％;使用mRMR特征筛选能够将154维特征降低至17维,缩短23.5％的网络收敛时间,并将分类准确率由89％提升至98％;试验结果验证了基于mRMR-SOM的异步电机轴承故障诊断方法对于异步电机轴承故障诊断问题的有效性,且证实其具备良好的诊断效果.

    自组织映射神经网络最大相关最小冗余特征选择算法互信息特征降维特征选择神经网络算法U矩阵

      原文链接:
    • 万方数据
    • 维普