-
公开(公告)号：CN118780067A
公开(公告)日：2024-10-15
申请号：CN202410916177.X
申请日：2024-07-09
IPC分类号： G06F30/20 , G06F17/16 , G06F17/12 , G06F119/14
摘要： 本发明公开一种不对中直齿轮啮合刚度和齿面载荷分布计算方法及系统，所述方法首先获得啮合直齿轮的几何参数和啮合力，并结合齿轮接触控制方程得到接触齿廓向量，之后将公切面离散化，得到离散化单元沿公切面法向的间隙值，然后计算各离散化单元的弹性变形量，获得包含间隙、弹性趋近量和啮合力的齿面承载接触方程组，并得到影响系数矩阵和间隙向量，之后分别考虑单齿、双齿和扩展啮合区，得到多状态啮合承载接触方程组，最后通过数值求解得到齿面载荷分布，并通过载荷与趋近量计算齿轮啮合刚度，基于所述方法能准确计算多自由度不对中直齿轮对的啮合刚度和齿面载荷分布，能够为齿轮传动效率、动态特性和使用寿命研究提供关键基础。
-
公开(公告)号：CN118568883A
公开(公告)日：2024-08-30
申请号：CN202410640832.3
申请日：2024-05-22
IPC分类号： G06F30/17 , G01M13/021 , G01M13/028 , G06F30/20 , G06F119/14
摘要： 本发明公开一种齿轮传动系统中的扭振动态传递量化表征方法，包括：获取轴、齿轮的实时转速；构建周期性冲击力，模拟出现齿轮/轴承故障时所受到的周期性冲击，并将其施加于转轴；获取带有冲击时的齿轮传动系统中各旋转件的实时转速信号；基于时间窗函数并设置参数，将无冲击时各旋转件的实时转速信号和有冲击时的各旋转件的实时转速信号在时间上平均分段；计算分段后的带冲击各旋转件转速信号与无冲击各旋转件转速信号的有效值之差，得到齿轮传动系统中的短时扭振特征量化指标，绘制短时扭振特征传递谱图，实现齿轮传动系统中的扭振特征动态传递量化表征；基于扭振特征传递谱图，能够准确的、定量的评估扭振信号在齿轮箱内部的动态传递变化规律。
-
公开(公告)号：CN118689200A
公开(公告)日：2024-09-24
申请号：CN202410770967.1
申请日：2024-06-14
IPC分类号： G05B23/02
摘要： 本发明公开了一种基于数字孪生的机电液耦合动力装置仿真分析系统及构建方法，所述构建方法构建机电液耦合动力装置的故障模式库；建立机电液耦合动力装置数字孪生模型；设计机电液耦合动力装置的故障仿真控制器硬件，通过数据传输接口连接到所述机电液耦合动力装置数字孪生模型；将故障模式库通过数据接口连接到所述故障仿真控制器硬件，得到基于数字孪生的机电液耦合动力装置仿真分析系统；在仿真分析时，设置运行工况以及故障类型，将工况参数以及故障模式参数加载至故障仿真控制器中，故障仿真控制器将指令传送至机电液耦合动力装置数字孪生模型，实现基于数字孪生的机电液耦合动力装置故障仿真分析。
-
公开(公告)号：CN105912504B
公开(公告)日：2018-05-15
申请号：CN201610221389.1
申请日：2016-04-11
申请人： 西安交通大学 , 浙江西安交通大学研究院
IPC分类号： G06F17/11
摘要： 本发明涉及一种机械结构多源冲击载荷识别的压缩感知方法，用于解决高度欠定系统的多源冲击载荷识别反问题的病态特性。该方法包括以下步骤：1)测量机械结构冲击载荷作用点与机械结构响应点间的频响函数，进而构造感知矩阵；2)采用传感器测量由结构动载荷产生的信号；3)构造多源冲击载荷识别的欠定方程；4)构造基于L1范数的多源冲击载荷识别的压缩感知凸优化模型；5)利用两步迭代阈值算法求解压缩感知优化模型，获得多源冲击载荷的压缩感知解。本发明充分利用冲击载荷的时间和空间的联合稀疏性，适用于识别和定位作用在机械结构的多源冲击载荷，克服了传统的基于L2范数的正则化方法无法求解欠定系统的瓶颈。
-
公开(公告)号：CN105912504A
公开(公告)日：2016-08-31
申请号：CN201610221389.1
申请日：2016-04-11
申请人： 西安交通大学 , 浙江西安交通大学研究院
IPC分类号： G06F17/11
CPC分类号： G06F17/11
摘要： 本发明涉及一种机械结构多源冲击载荷识别的压缩感知方法，用于解决高度欠定系统的多源冲击载荷识别反问题的病态特性。该方法包括以下步骤：1)测量机械结构冲击载荷作用点与机械结构响应点间的频响函数，进而构造感知矩阵；2)采用传感器测量由结构动载荷产生的信号；3)构造多源冲击载荷识别的欠定方程；4)构造基于L1范数的多源冲击载荷识别的压缩感知凸优化模型；5)利用两步迭代阈值算法求解压缩感知优化模型，获得多源冲击载荷的压缩感知解。本发明充分利用冲击载荷的时间和空间的联合稀疏性，适用于识别和定位作用在机械结构的多源冲击载荷，克服了传统的基于L2范数的正则化方法无法求解欠定系统的瓶颈。
-
公开(公告)号：CN105912854A
公开(公告)日：2016-08-31
申请号：CN201610221390.4
申请日：2016-04-11
申请人： 西安交通大学 , 浙江西安交通大学研究院
IPC分类号： G06F19/00
CPC分类号： G06F19/00
摘要： 本发明公开了一种机械结构动载荷识别的稀疏表征方法，用于解决动载荷识别反问题的病态特性，克服当前函数逼近法需要预先确定基函数数目的缺点，包括以下步骤：1)采用锤击法测量机械结构动载荷作用点与机械结构响应点间的频响函数，经过处理获得传递矩阵；2)测量由作用于机械结构的动载荷产生的响应信号；3)根据动载荷形貌，选择基函数构造稀疏表征字典；4)构造基于L1范数的动载荷识别的稀疏表征模型；5)求解动载识别的稀疏表征模型，获得动载荷稀疏表征系数矢量；6)获得识别的动载荷。本发明能够有效识别作用在机械结构的冲击、简谐载荷，与传统基于L2范数的Tikhonov正则化方法相比，具有识别精度高、稳定性强的优点。
-
公开(公告)号：CN105912854B
公开(公告)日：2018-05-15
申请号：CN201610221390.4
申请日：2016-04-11
申请人： 西安交通大学 , 浙江西安交通大学研究院
IPC分类号： G06F17/50
摘要： 本发明公开了一种机械结构动载荷识别的稀疏表征方法，用于解决动载荷识别反问题的病态特性，克服当前函数逼近法需要预先确定基函数数目的缺点，包括以下步骤：1)采用锤击法测量机械结构动载荷作用点与机械结构响应点间的频响函数，经过处理获得传递矩阵；2)测量由作用于机械结构的动载荷产生的响应信号；3)根据动载荷形貌，选择基函数构造稀疏表征字典；4)构造基于L1范数的动载荷识别的稀疏表征模型；5)求解动载识别的稀疏表征模型，获得动载荷稀疏表征系数矢量；6)获得识别的动载荷。本发明能够有效识别作用在机械结构的冲击、简谐载荷，与传统基于L2范数的Tikhonov正则化方法相比，具有识别精度高、稳定性强的优点。
-
公开(公告)号：CN118709794A
公开(公告)日：2024-09-27
申请号：CN202410730382.7
申请日：2024-06-06
申请人： 西安交通大学
摘要： 一种基于稀疏贝叶斯学习的超分辨率声场重建方法，在声源近场辐射区域内布置M个传声器从而测量得到全息面声压pH；利用稀疏贝叶斯学习对全息面声压进行插值以及外推得到全息面单次插值声压，从而增大全息面孔径以及提高分辨率；对插值声压进行多次迭代，直至原孔径内测点声压趋于稳定，从而得到鲁棒的全息面插值声压pI；利用统计最优近场声全息计算重建面声压pr。本发明通过稀疏贝叶斯学习先扩大了全息面孔径以及提高了全息面孔径测点密度，为统计最优近场声全息提供了更丰富的声场信息，显著降低了统计最优近场声全息的边缘误差，与传统方法相比，本发明具有更高的重建精度与鲁棒性。
-
公开(公告)号：CN118706957A
公开(公告)日：2024-09-27
申请号：CN202411024474.X
申请日：2024-07-29
申请人： 西安交通大学
摘要： 本发明公开了一种管道焊缝裂纹损伤程度监测方法及相关装置，确定突发型声发射信号为裂纹损伤产生的声发射信号时，将突发型声发射信号构造为嵌入维数为m的轨迹矩阵，m为大于1且小于突发型声发射信号长度一半的自然数；将轨迹矩阵进行奇异值分解，得到m维奇异值向量；计算m维奇异值向量中每个奇异值的能量占比，得到m维奇异值的能量占比向量；根据因果特征选择算法，从m维奇异值的能量占比向量中筛选出与损伤阶段相关性最大的h维奇异值的能量占比向量，损伤阶段包括弹性损伤阶段、塑性损伤阶段、强化损伤阶段和颈缩断裂损伤阶段，h≤m；将h维奇异值的能量占比向量进行累加，得到奇异值的能量占比累计向量，奇异值的能量占比累计向量作为管道焊缝裂纹损伤程度的定量表征。本发明的目的在于实现对管道焊缝裂纹损伤程度的全面、准确监测，为核电管道的安全运行提供有力保障。
-
公开(公告)号：CN118683059A
公开(公告)日：2024-09-24
申请号：CN202410906791.8
申请日：2024-07-08
申请人： 西安交通大学
IPC分类号： B29C64/30 , B29C64/386 , B33Y40/00 , B33Y50/00
摘要： 一种基于残差神经网络的熔融沉积成型最优工艺参数预测方法，方法中，图像采集装置连接3D打印机喷嘴以采集3D打印机喷嘴处熔融沉积的RGB图像P1，P2…Pn并标记有当前打印机喷嘴尖端坐标以及打印参数；对所述RGB图像P1，P2…Pn随机旋转、缩放和随机裁剪进行预处理得到预处理后的图像N1，N2…Nn；对所述图像N1，N2…Nn基于残差神经网络处理，对随机下载的模型打印过程中实时采集图像，对实时采集的图像随机旋转、缩放和随机裁剪进行预处理；预处理后的图像输入已经训练好的残差神经网络，输出四种打印参数分类的预测结果。
-
-
-
-
-
-
-
-
-
搜索结果
736 条记录 (耗时 0.077 秒)
