基于"推-拉模型"分析的敦煌入境旅游研究

Dann提出的“推—拉模型”为分析和检测旅游者动机和旅游行为提供了一个有用的方法。文章以2008年敦煌夏季调查问卷为基础,运用因子分析从推力、吸引力和摩擦力三个方面分析敦煌入境游客的潜在特征,确立了3个推力因子、3个吸引力因子和3个摩擦力因子,并在此基础上利用方差分析法进一步研究推力、吸引力和摩擦力在不同人口统计学特征群体间的差异,为敦煌旅游目的地的开发和旅游市场开拓提供有益参考。     

多颗小行星探测顺序确定及轨迹优化

小行星探测日渐成为深空探测领域的一个研究热点。考虑小行星Kepler轨道以及小推力航天器的特点,从能量和相位的角度推导出多颗小行星探测顺序的确定准则,并利用优化算法对航天器的飞行轨迹进行了全局优化设计。算法在满足约束条件的前提下,使得航天器剩余质量与飞行时间的比值达到最大,并通过数值仿真算例验证了算法的可行性。结果表明:该算法综合利用遗传算法和局部优化算法具有精度高、计算简单的特点,可用于小行星探测的轨迹优化设计问题。     

多孔质气体静压轴承在三轴转台设计中的应用

气体静压轴承广泛应用于航空、航天、精密电子工业中。三轴转台是高精度的测试设备，用来对惯性系统和惯性元件进行检定、标定以及建立相应的误差模型，它的测试精度直接影响航空、航天等飞行器的控制和导航。转台的检测精度与回转轴的回转精度有密切关系。多孔质气体静压轴承同其他节流形式的轴承相比具有很高的承载能力、静态刚度以及很好的阻尼效应。文章对多孔质气体静压轴承进行了理论分析，并同气体静压小孔节流轴承的静态性能进行了比较，结果表明，此类轴承的承载能力明显优于小孔节流轴承。     

动态油膜-转子系统的支座松动故障研究

采用张文等建立的短轴承非稳态非线性油膜力模型,利用数值模拟等方法,分析了带有一端支座松动故障的转子 轴承系统的复杂运动现象,讨论了转速比变化时此类系统中具有周期、拟周期、混沌等多种形式的运动·研究结果表明:当转子 轴承系统出现松动故障时,即便是在较高转速区也会出现周期3分频运动,而且,松动端轴颈的运动轨迹以及支座的相轨迹都呈现出特有的形状,这为有效识别转子 轴承系统的支座松动故障提供了理论参考·     

机械叉车离合器、分离轴承故障原因分析与解决

由于机械叉车自身特点与作业条件,在正常作业中,需要经常变换档位,所以离合器、分离轴承使用相当的频繁,且由于装配调整、用户操作不当或维修保养不及时等原因,所以叉车离合器、分离轴承故障是叉车维修中较常见的问题,属于高频次故障。根据使用过程中离合器、分离轴承所产生的异常现象,准确地分析、判断,并找出引发故障的真正原因是离合器、分离轴承维修的关键。     

基于双环PID控制的磁悬浮推力轴承试验研究

针对磁悬浮推力轴承的实时控制特点,依据PID控制理论,提出了双环PID控制策略,经过MATLAB仿真和基于DSP实验．验证了其在磁悬浮推力轴承控制中的良好性能。     

油膜轴承的密封及密封结构的改进

介绍了X型密封的原理和改进后的DF型密封的特点、原理。在X型密封的基础上针对密封唇口,密封盖与密封唇口的接触平面的改进,加强了密封的封油作用;另外还增设了水封,增强了密封的封水功能。在密封结构上采取的种种改进措施,提高了密封的使用寿命,取得了更好的密封效果。     

高桩承台柔性基础连续刚构桥合龙顶推力研究

连续刚构桥中跨合龙时通常通过施加顶推力对结构内力进行主动调整。该文结合工程实例,讨论了具有高桩承台柔性基础的连续刚构桥合龙时顶推力的确定方法,通过对比分析顶推前后结构的内力与变形规律,论证了通过施加顶推力来主动调整内力可有效地改善桥梁结构的受力和使用状态,提高桥梁的耐久性。     

不同油膜力模型转子系统的非线性动力学分析

采用有限元法建立实际200MW汽轮发电机组低压段转子-轴承系统非线性动力学方程,应用固定界面模态综合法对其进行降维计算,使系统由原来的112个自由度降为现在的8个自由度,从而显著地提高了数值计算分析的效率.采用Lung-Kutta法对降维后非线性动力学方程进行计算,模拟和比较了转子在椭圆瓦和修正圆瓦油膜力模型作用下发生油膜失稳的典型特征,并采用打靶法计算其Floquet乘子,利用Floquet理论分析转子升速过程运动状态和分岔类型.     

基于改进信息熵和LSTM网络的轴承故障诊断

针对传统的时频域故障诊断方法无法对故障实现自适应识别和分类,且准确率较低的问题,提出一种基于改进信息熵(improved information entropy, IIE)的长短时记忆网络(long-short time memory network, LSTM)方法。首先对原始信号分别进行集合经验模态分解(ensemble empirical mode decomposition, EEMD)和变分模态分解(variational mode decomposition, VMD);将包含故障信息的所有本征模式分量(intrinsic mode functions, IMF)进行信息熵的求取;通过信息熵反映IMF的信息量和峭度指标对描述冲击成分的优势改进信息熵,构成特征向量;最后结合LSTM处理非线性数据的优势,利用组合特征训练LSTM网络建立诊断模型。实验结果表明：该方法能准确、高效地识别多种故障,准确率要比单一的EEMD-LSTM、VMD-LSTM、人工神经网络等传统方法更高。