【摘 要】
：
对后驱动单轮周盘式制动器进行了研究,探究周盘式制动器的生热机理,建立热-结构耦合仿真分析,预测制动器可能出现的失效形式.在试验台架上进行了连续制动实验,为新型制动器提供理论和实践的支撑.通过定时记录不同测量点的温度变化,结合台架实验可以看出,随着循环制动的进行,每次制动周期的最高温度基本上呈梯度式增加,而且实验和仿真结果基本吻合,实验和有限元仿真的最大误差为8.29℃,验证了有限元分析的可靠性,为之后的生产设计和整车实验提供理论依据和实验支撑.
【机 构】
：
湖北工业大学机械工程学院,武汉 430068;湖北中尔车轴有限公司,十堰 442013
论文部分内容阅读
对后驱动单轮周盘式制动器进行了研究,探究周盘式制动器的生热机理,建立热-结构耦合仿真分析,预测制动器可能出现的失效形式.在试验台架上进行了连续制动实验,为新型制动器提供理论和实践的支撑.通过定时记录不同测量点的温度变化,结合台架实验可以看出,随着循环制动的进行,每次制动周期的最高温度基本上呈梯度式增加,而且实验和仿真结果基本吻合,实验和有限元仿真的最大误差为8.29℃,验证了有限元分析的可靠性,为之后的生产设计和整车实验提供理论依据和实验支撑.
其他文献
针对机加工过程中的刀具状态预测问题,利用随机森林算法良好的多分类能力,提出一种基于卡尔曼滤波算法刀具状态分类监测模型.以铣削力信号作为状态监测信号,通过卡尔曼滤波以及前一次走刀过程的铣削力建立状态预测方程,对下一次走刀过程中的铣削力进行预测;将预测的铣削力分别在时域、频域与小波包分析中提取特征值,然后利用训练好的随机森林模型对提取的特征值进行识别,预测下次走刀过程的刀具磨损状态.数据处理的结果表明,该方法可以有效地预测出下次加工是否会进入磨损阶段,在整体状态识别中准确率为98.73％.
As the world\'s fourth-largest economy and a highly developed industrialized country,Germany is one of the world\'s major energy consumers.Good results have been achieved since the launch of Germany\'s“Energy Transition”in 2010,giving the world the
In 2020,facing the pressure and challenges of low oil prices and the COVID-19 pandemic,Chinese enterprises adhered to low-cost development and prudent investment decisions in their overseas oil and gas cooperation.The reserves increased steadily and produ
针对传统工业冲压或注塑成型零件生产上的智能化水平低的问题,提出了一种基于视觉编程的工业机器人下料与铣边操作方法.通过视觉技术与工业机器人相结合,推导了一种工业机器人下料与铣边路径点计算公式,并设计了基于视觉的下料与铣边操作软件与硬件系统;该方法采用Eye-in-Hand手眼放置方式对工件进行定位抓取,采用Eye-to-Hand手眼放置方式提取工件边缘轮廓,通过路径点计算公式获得工业机器人下料与铣边轨迹点.经实验测试,工业机器人进行40次下料抓取的成功率为97.5％,满足一般抓取要求;铣边平均计算误差为0.
The foundation for oil and gas cooperation of the Belt and Road Initiative(BRI)is solid.However,due to the influence such new situations as energy transition,increasingly complex environment of oil and gas cooperation,long-term holding of oil and gas asse
Hydrogen is one the clean energy forms or maybe the most clean energy form of all as it produces only water,electricity and heat when consumed in a fuel cell.With more frequent extreme climate events that caused damage and cost lives around world in the p
针对当前基于神经网络的铣削表面粗糙度视觉检测方法,大多结合加工工艺参数,且要人为地设计图像评价指标,并且拍摄过程对环境光源严重依赖的问题,提出了一种基于卷积神经网络的铣削表面粗糙度分类方法.该方法采用白天和黑夜的光照环境分别拍摄实验图片,经过端到端的图像分析,利用卷积操作和综合处理得出粗糙度分类模型,可对表面粗糙度进行分类预测.试验结果表明,该方法能够实现自动特征提取,避免了特征提取,且无需结合加工工艺参数,并对拍摄的光源环境不敏感,为表面粗糙度实现在线视觉测量提供了可能.
针对H公司电子变压器产品合格率低导致的生产成本增加与客户满意度降低现象,利用六西格玛DMAIC方法对A变压器生产质量问题进行改进.首先,通过SIPOC流程图与帕累托图分析确定需要改进的目标为焊锡不良;其次,在对测量系统和过程能力判定的基础上,利用故障树与比率检验分析,找出关键影响因素为激光点焊机参数设置不合理;最后,通过DOE部分因子试验确定最佳点焊参数,并制定相关改进方案.改进结果显示,A变压器的合格率由91.13％提升至98.20％,实现了产品质量改进的目标.
提出多监控数据下的刀具磨损精确估计神经网络模型,将多传感器信号数据处理成三种时间特征数据,利用三个相同的子模型分别对特征数据进行处理,并作为多层全连通网络的输入,进而实现刀具磨损的最终估计.使用的子模型结合了Transformer模型和自注意力机制,利用长短期记忆网络(LSTM)增强了刀具磨损的数据获取能力,提高了模型的性能.通过实际铣削数据集的多个实验,验证了该方法的有效性,与其他方法进行了比较,验证了该方法的优越性.
In recent years,the global energy industry has been undergoing profound adjustment and transition,from traditional high-carbon unclean energy sources with low unit energy density to low-carbon clean energy sources with high unit energy density.Whether in