电感式磨粒传感器中铁磁质磨粒的磁特性研究

在电感式磨粒传感器中,铁磁质磨粒主要通过磁化作用改变传感器线圈的磁场分布,进而改变线圈的等效电感.建立了线圈中含有铁磁质磨粒时的磁场模型,得出了磨粒磁化场关于退磁因子的磁感应强度表达式.以球磨粒为例,通过计算球磨粒磁化场,得到球磨粒引起线圈电感变化率的解析式,并用有限元法计算了线圈的磁场,分析后发现:理论计算解与数值分析解相符,所建模型可以反映客观实际;磨粒的磁化强度由其磁导率和退磁因子共同决定,球磨粒的磁化强度可近似认为与磁导率无关;球磨粒引起的传感器线圈电感变化率随线圈单位长度上匝数的增加而减小,并趋向于一极限值;传感器线圈的电感变化率与球磨粒半径的三次方成正比,球磨粒半径在100μm以内,电感变化率在10-7数量级.本研究结论可为电感式磨粒传感器的设计提供理论指导.     

激光-等离子弧复合焊熔池的流动特性

为了研究激光-等离子弧复合焊接熔池的流动特性,该文建立了焊接过程中液相区、糊状区和固相区的三维模型,采用体热源来模拟小孔效应,并利用有限控制容积法计算了复合焊接熔池的流场和温度场,重点研究了表面张力和电磁力的作用。数值分析结果表明:表面张力流是决定复合焊熔池流动的主要原因,是影响焊接成形的主要因素;与表面张力流相比,电磁力流的强度较低,但可增加熔深和下表面熔宽。针对1420铝锂合金的复合焊工艺试验表明计算结果与试验相符合。     

基于增量稀疏核极限学习机的发动机状态在线预测

针对发动机状态在线预测中样本累积、预测模型膨胀和在线更新速度慢等问题,提出了基于增量稀疏核极限学习机的在线预测方法.该方法定义了KELM核函数矩阵的稀疏测量矩阵,并根据矩阵原子相干最小化和自信息量最大化的样本信息度量准则实现在线样本前向稀疏与后向删减,提高了样本稀疏化效率.利用有效样本对测量矩阵在最佳阶数内进行在线扩充与修剪,限制了预测模型膨胀.利用改进的增量建模方法对模型的核权重矩阵进行递推更新,从而建立规模有限且结构稀疏的在线预测模型,提高了在线建模速度.仿真数据和发动机状态参数在线预测实验结果表明,与现有在线预测方法相比,ISKELM具有更高的样本稀疏化和在线建模效率.对发动机排气温度进行120步预测时,预测速度分别提高了80.50%和31.72%,预测精度分别提高了48.56%和15.81%.      

载体平动条件下的磁梯度张量定位方法

针对现有磁场梯度张量定位方法存在的问题,提出载体平动条件下的磁场梯度张量定位方法.用目标磁矩替换目标的磁场值,通过2点的张量测量,构建关于位置参量的非线性定位方程组,通过遗传算法对方程未知数进行优化,解算得到位置参数.仿真结果证明:载体平动条件下的张量定位方法有效克服了现有张量定位算法的不足,定位精度高,可以在地磁背景环境下对隐蔽目标进行定位.     

激光-等离子弧复合焊熔池的流动特性

为了研究激光-等离子弧复合焊接熔池流动特性,该文建立了焊接过程中液相区、糊状区和固相区的三维模型,采用体热源来模拟小孔效应,并利用有限控制容积法计算了复合焊接熔池的流场和温度场,重点研究了表面张力和电磁力的作用。数值分析结果表明:表面张力流是决定复合焊熔池流动的主要原因,是影响焊接成形的主要因素;与表面张力流相比,电磁力流的强度较低,但可增加熔深和下表面熔宽。针对1420铝锂合金的复合焊工艺试验表明计算结果与试验相符合。     

基于快速留一交叉验证的核极限学习机在线建模

提出了一种基于快速留一交叉验证(FLOO-CV)的在线核极限学习机(OKELM),以逐次增加新样本与删除旧样本的方式进行在线训练;设计了一种无需人为设定、能够根据系统过程特性自适应改变的FLOO-CV预测误差阈值,根据误差阈值仅引入预报误差较大的样本对模型进行更新,以提高模型的稀疏性和泛化能力;利用Hermitian矩阵求逆引理实现了对网络输出权值的递推求解,减小了在线存储空间和计算时间.经混沌时间序列预测和连续搅拌釜式反应器的过程辨识结果表明,相比于离线核极限学习机、无稀疏策略的在线核极限学习机和在线序贯极限学习机,OKELM具有更快的计算速度和更高的学习精度.     

设备空闲时间段调整的设备驱动综合调度算法

针对设备驱动的综合调度算法没有考虑工序的结束时间,以及其同设备加工的下一道不可调度工序的开始时间形成该设备的空闲时间段可缩短的调度优化问题,提出了设备空闲时间段调整的设备驱动综合调度算法.该算法为使空闲设备即将加工的不可调度工序提前加工,缩短了设备闲置等待时间,提出该不可调度工序的最短加工路径,通过优先加工该路径上工序,使其紧前工序尽早加工完成.实例验证该算法可以有效缩短设备空闲等待时间,提高设备利用率.      

新型磨粒在线监测传感器及其试验研究

依据润滑油中磨粒与电感线圈之间耦合关系,设计了1种新型的电感式磨粒传感器,并建立了相应的在线磨粒测试系统.利用在线磨粒监测试验台,对传感器的磨粒检出能力、测试结果的一致性以及测试系统输出与磨粒通过速度的关系进行了试验.结果表明:该在线磨粒监测传感器对粒度大于500μm的铜磨粒和粒度大于100μm的铁磨粒具有较好的检测能力;磁性磨粒收集装置能显著提高传感器对小尺寸铁磁质磨粒的检测能力;在磨粒速度一定情况下,传感器对不同类别不同粒度的磨粒输出一致性好;磨粒速度对测试系统输出影响较大,磨粒速度越快,测试系统输出越小;提高传感器信号放大电路的频响范围,将改善测试系统的响应速度,提高对高速磨粒的检出能力.本研究结论证明该传感器能较好地满足在线磨粒监测的要求.     

基于岗位能力的《底盘构造与维修》课程教学改革探索

《底盘构造与维修》是学员首次接触装备的专业必修课程,起到从装备实践到岗位任职过渡的桥梁作用,在培养学员岗位能力、创新意识等方面具有重要作用。依据课程建设需求和人才岗位能力培养的新要求,针对课程教学中存在的问题和不足,依据注重能力和发展的思路,从优化教学内容、建立教学环境、完善考评制度等方面探索了提升课程教学质量的有效途径。实践表明,课程改革激发了学员学习的动力和兴趣,促进了学员知识向岗位能力的转化,为培养熟练掌握车辆装备技能的高素质新型装备人才奠定了坚实的专业基础。     

基于增量稀疏核极限学习机的柴油机故障在线诊断

为实现柴油机故障在线诊断,提出了基于增量稀疏核极限学习机(ISKELM)的快速在线诊断方法.针对核在线学习中的样本稀疏化与模型膨胀问题,提出了基于瞬时信息测量的稀疏核函数字典构造策略,根据最小化字典冗余和最大化字典元素自信息量的原则实现样本前向稀疏与后向删减,在最佳阶数内对字典进行在线扩充与修剪,从而建立阶数有限且结构稀疏的诊断模型.针对模型核权重矩阵更新问题,提出了增样学习与改进减样学习算法对核权重矩阵进行在线递推求解,降低了计算复杂度,提高了模型在线更新速度.UCI标准数据与柴油机故障数据分类实验结果表明,与几类现有在线诊断算法相比,ISKELM在保证较高分类精度的同时,极大地提高了在线建模速度,更加快速准确地实现了柴油机故障在线诊断.