-
公开(公告)号：CN112100874A
公开(公告)日：2020-12-18
申请号：CN202010721396.4
申请日：2020-07-24
Applicant: 西安交通大学
Abstract: 本发明公开了基于数字孪生的转子叶片健康监测方法和系统，所述方法包括：建立单个叶片的三维模型，通过有限元软件计算叶片不同转速下的各阶模态固有频率，以传感器实测的转子叶片振动频率和有限元模型计算的各阶模态固有频率的差值为目标函数，以有限元模型的材料参数和几何参数为设计变量，构造有限元模型修正方程，利用进化算法求解得到修正后的有限元基准模型；构造模型更新灵敏度矩阵以反映单元刚度矩阵变化对于转子叶片固有频率的影响；基于所述模型更新灵敏度矩阵，建立服役状态下数字孪生模型实时更新方程；基于所述实时更新方程，建立基于lp范数的稀疏优化模型；通过凸优化方法求解得到反映转子叶片损伤位置和程度的单元刚度损伤因子矢量。
-
公开(公告)号：CN112084583A
公开(公告)日：2020-12-15
申请号：CN202010722183.3
申请日：2020-07-24
Applicant: 西安交通大学
IPC: G06F30/17 , G06F30/20 , G06F119/04
Abstract: 本发明公开了基于数字孪生的转子叶片寿命预测方法和预测系统，所述方法包括：基于转子叶片尺寸和材料参数建立转子叶片的初始三维有限元模型；叶端定时测量获取转子叶片振动参数和叶端振动位移数据，实时更新初始三维有限元模型获得数字孪生模型及转子叶片坎贝尔图；基于应力重构和叶端振动位移数据计算所述数字孪生模型的转子叶片应力；基于所述转子叶片应力，获取应力时间历程以计算转子叶片寿命。
-
公开(公告)号：CN112082742A
公开(公告)日：2020-12-15
申请号：CN202010713438.X
申请日：2020-07-22
Applicant: 西安交通大学
Abstract: 本发明公开一种航空发动机轮盘裂纹智能识别方法、系统及装置，方法包括航空发动机轮盘裂纹模式库构建、航空发动机轮盘裂纹模式库扩充、航空发动机轮盘裂纹在线检测以及航空发动机轮盘裂纹智能识别，本发明通过有限元仿真得到轮盘叶片叶尖径向间隙与叶片周向间距的分布情况，对仿真结果进行扩充，构建轮盘裂纹模式库。通过计算裂纹模式库样本特征向量与待识别样本特征向量之间的余弦相似度，判断轮盘上是否存在裂纹，并同时得到裂纹的类型和裂纹的位置，综合考虑叶尖间隙和叶片间距两种参数的判别结果，提高轮盘裂纹检测、分类与位置识别结果的可靠性。
-
公开(公告)号：CN110046323B
公开(公告)日：2020-11-10
申请号：CN201910228096.X
申请日：2019-03-25
Applicant: 西安交通大学
Abstract: 本发明公开了同步压缩变换与重构的快速计算方法，包括：1)选择高斯窗的标准差σ，计算窗长L；2)选择窗函数跳跃点数H；3)对原信号x[n]进行重叠分段，重叠点数为L‑H，将每一段数据作为矩阵的每一列，构造成矩阵X；4)将不变的窗函数对应的离散序列g[n]乘以矩阵X的每一列，然后对每一列作Nf点数的FFT，得到Sx[m,k]；5)根据选定频带，对Sx[m,k]]截取子矩阵，并仅沿频率重新排列，得到同步压缩变换后的时频矩阵Tx[m,l]；6)对Tx[m,l]每一列作离散傅里叶反变换，得到双变量函数r[m,l]，接着对第m个序列r[m,l]乘以滑动窗g[n‑mH]，并将结果相加，得到重构信号。本发明在保证同步压缩变换优良的时频聚集性的同时大幅度提高运算效率，在快速算法下，仍能够实现同步压缩逆变换的重构。
-
公开(公告)号：CN107608935B
公开(公告)日：2020-08-18
申请号：CN201710765603.4
申请日：2017-08-30
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于时间重排压缩变换的冲击类信号时频分析与重构方法，包括：1)计算待分析离散信号的短时傅里叶变换，得到相应的时频复矩阵Sx[n,k]；2)对时间变量与信号的乘积作短时傅里叶变换，得到时频复矩阵Stx[n,k]；3)计算群延时估计算子；4)对步骤1中得到的时频复矩阵Sx[n,k]仅沿时间方向重新排列，得到时间重排压缩变换后的时频矩阵Vx[m,k]；5)将时间重排压缩变换得到的时频矩阵Vx[m,k]的每一行元素相加，得到一维列向量，接着再对该列向量除以短时傅里叶变换所用窗函数的均值得到重构信号的频谱。本发明涉及的时间重排压缩变换对于分析冲击类信号，得到的时频图的聚集性比同步压缩变换更高，具有良好的抗噪性能。与传统时频重排相比，具有可重构，计算速度快的优点。
-
Patent Agency Ranking
公开(公告)号：CN109759901B
公开(公告)日：2020-06-19
申请号：CN201910074811.9
申请日：2019-01-25
Applicant: 西安交通大学
IPC: B23Q17/12
Abstract: 本发明公开了一种基于主轴系统非对称刚度调控的铣削颤振控制方法，该方法包括步骤：1)基于切削方向建立直角坐标系；2)实验法辨识指定材料工件的切削力系数；3)建立非对称刚度主轴‑铣削系统动力学模型；4)求取系统特征方程，计算非对称刚度不同调节程度下的顺、逆铣稳定性叶瓣图；5)根据顺、逆铣和目标切削参数选取合适的非对称刚度组合；6)利用压电作动器实现非对称刚度的物理调控。本发明针对顺、逆铣两种不同的切削方式，切削前或者在线非对称调控主轴X、Y方向的刚度，能够有效提升系统铣削稳定性，抑制颤振，提高加工精度和效率。同时，该方法容易施行，利于工业实际应用。
-
公开(公告)号：CN108593204B
公开(公告)日：2020-04-28
申请号：CN201810316200.6
申请日：2018-04-10
Applicant: 西安交通大学
Abstract: 本发明公开了一种用于超精密主轴的动平衡精度提升装置及方法，该装置包括主轴、顶板、刚性支架、底座、薄肋板组件和变刚度组件；其中，主轴设置在顶板上，顶板平行设置于底座的上方；刚性支承状态时，两个刚性支架对称安装于顶板与底座之间；柔性支承状态时，变刚度组件设置在顶板与底座之间，且若干个薄肋板组件均匀设置在变刚度组件的周向及顶板与底座之间；该方法可在柔性支承状态下放大主轴不平衡振动，也可以调节为刚性支承、用于主轴正常加工，避免了复杂的拆装过程；结构刚度可以连续调节，并具有很大的变化范围，因此具有很好的通用性。
-
公开(公告)号：CN106706118B
公开(公告)日：2019-12-24
申请号：CN201611130180.0
申请日：2016-12-09
Applicant: 西安交通大学
IPC: G01H17/00
Abstract: 本发明公开了一种基于盲源分离技术的运行工况传递路径分析方法，目的在于，消除传统运行工况传递路径分析方法中振动源之间的相互串扰问题，提高了传递路径贡献量计算分析精度，首先对待分析机械系统设计试验工况并测量试验工况数据后进行盲源分离处理得到每一种试验工况下的分离信号，根据试验工况下的分离信号和目标点的响应信号建立OTPA线性系统方程并求解，得到传递率函数矩阵，然后测量实际工况下待分析机械系统的参考点响应信号并进行盲源分离处理得到分离信号，并将实际工况下的分离信号与识别出的传递率函数矩阵相乘，得到传递路径贡献量结果，对不同路径贡献量进行排序，得到各个传递路径的贡献量占比，完成运行工况传递路径分析。
-
公开(公告)号：CN110489833A
公开(公告)日：2019-11-22
申请号：CN201910702657.5
申请日：2019-07-31
Applicant: 西安交通大学
Abstract: 本发明公开了一种数字孪生驱动的航空发动机涡轮盘剩余寿命预测方法，首先利用航空发动机涡轮盘的数字孪生对航空发动机涡轮盘的振动信号进行仿真，之后从中提取航空发动机涡轮盘径向位移、叶片周向位移及叶片间距信息，利用同样的提取方法从经降噪处理后的航空发动机涡轮盘实测振动信号中提取航空发动机涡轮盘径向位移、叶片周向位移及叶片间距信息，并将二者进行差值计算，利用差值计算结果对航空发动机涡轮盘损伤模型的内部参数进行调整和修正，最终利用更新后的航空发动机涡轮盘损伤模型即可计算出航空发动机涡轮盘剩余寿命。本发明提出的数字孪生驱动的航空发动机涡轮盘剩余寿命预测方法，能够对航空发动机涡轮盘的工况变化进行考虑，从而获得较为准确的寿命预测结果。
-
公开(公告)号：CN106202755B
公开(公告)日：2019-08-23
申请号：CN201610561325.6
申请日：2016-07-15
Applicant: 西安交通大学
Abstract: 本发明基于动力学模型和遗传算法的电主轴结构优化设计方法，包括：1)利用Timoshenko梁单元、转盘单元分别建立了转子、电机转子的有限元模型；基于Jones模型，建立轴承模型；将上述模型集成得到电主轴结构动力学方程；2)根据电主轴结构的动力学方程求解其一阶固有频率；3)确定电主轴优化的设计变量，设置约束条件，建立目标函数；4)利用遗传算法，求解目标函数，获得全局最优解，即求得使电主轴结构一阶固有频率最大的各轴承最佳配置位置。本发明建立了电主轴结构较为实际和精确的动力学模型，保证了优化设计相关参数的准确性。利用遗传算法对电主轴结构进行优化，保证了电主轴上轴承位置的最佳配置，优化效果好，为电主轴的设计提供了有效指导。
-
-
-
-
-
-
-
-
-
Search Results
212
records
(took 0.029 seconds)
