一种柱壳类局域共振型声子晶体减振结构

    公开(公告)号:CN114776763A

    公开(公告)日:2022-07-22

    申请号:CN202210460426.X

    申请日:2022-04-28

    Abstract: 本发明公开了一种柱壳类局域共振型声子晶体减振结构。属于凸轮轴磨削减振领域,本发明包括主体柱壳、多个局域振子以及多个装配连接件,所述主体柱壳分为上下两个壳体,所述多个局域振子呈周期性阵列方式规则嵌入分布于主体柱壳中,所述多个装配连接件与主体柱壳连接,所述主体柱壳、多个局域振子和多个装配连接件形成共振结构。本发明通过主体柱壳、多个局域振子和多个装配连接柱件形成共振结构能实现小尺寸控制大波长的目的,突破了传统减振装置在凸轮轴轴颈上的安装约束,同时能有效控制凸轮轴磨削振动,其减振效果显著,为机械领域的减振提供了良好的应用前景。

    一种可减振的周期性牵引拉杆结构的设计方法

    公开(公告)号:CN114741794B

    公开(公告)日:2024-07-12

    申请号:CN202210458315.5

    申请日:2022-04-28

    Abstract: 本发明公开了一种可减振的周期性牵引拉杆结构的设计方法。属于机械结构减振设计技术领域,步骤:明确牵引拉杆的尺寸大小,应用周期性结构原理和集中质量法对牵引拉杆的主体部分进行离散;建立牵引拉杆离散结构的振动方程;结合布洛赫定理及周期性边界条件,建立牵引拉杆减振频率计算的离散方程;明确指定减振频率在离散方程中的含义;建立满足减振频率的周期性牵引拉杆逆向设计的存在性判据;应用积分的方法求解符合目标减振频率要求的牵引拉杆结构参数或材料参数。本发明将周期性复合材料结构减振理论引入到牵引拉杆的设计中,提高牵引拉杆的工作性能;根据可根据牵引拉杆工作状态下受到的振动频率,快速设计出能够对该频率进行减振的牵引拉杆。

    一种基于融合-收缩堆栈降噪自编器特征的故障诊断方法

    公开(公告)号:CN114861728A

    公开(公告)日:2022-08-05

    申请号:CN202210535670.8

    申请日:2022-05-17

    Abstract: 本发明公开了一种基于嵌入式融合‑收缩堆栈降噪自编器特征的故障诊断方法,包括:对采集到的旋转机械振动信号进行预处理,形成时域信号、频域信号和时频号;通过FAE网络将时域信号、频域信号和时频信号进行融合获取到融合数据集;通过构建好的CSDAE网络对FAE网络融合的时频信号进行深度自编码;在F‑CSDAE网络的隐藏层中,加入原始融合信号,重新定义EF‑CSDAE网络隐藏层数据,并将EF‑CSDAE网络末端隐藏层输入softmax分类器完成故障识别。本发明在构建的F‑CSDAE的基础上,对其深度隐藏层嵌入FAE融合的信号,使EF‑CSDAE提取的特征具有更多的原始时域、频域信号信息,能够自适应融合多类信号特征,从而实现以高准确率完成故障诊断任务。

    一种可减振的周期性牵引拉杆结构的设计方法

    公开(公告)号:CN114741794A

    公开(公告)日:2022-07-12

    申请号:CN202210458315.5

    申请日:2022-04-28

    Abstract: 本发明公开了一种可减振的周期性牵引拉杆结构的设计方法。属于机械结构减振设计技术领域,步骤:明确牵引拉杆的尺寸大小,应用周期性结构原理和集中质量法对牵引拉杆的主体部分进行离散;建立牵引拉杆离散结构的振动方程;结合布洛赫定理及周期性边界条件,建立牵引拉杆减振频率计算的离散方程;明确指定减振频率在离散方程中的含义;建立满足减振频率的周期性牵引拉杆逆向设计的存在性判据;应用积分的方法求解符合目标减振频率要求的牵引拉杆结构参数或材料参数。本发明将周期性复合材料结构减振理论引入到牵引拉杆的设计中,提高牵引拉杆的工作性能;根据可根据牵引拉杆工作状态下受到的振动频率,快速设计出能够对该频率进行减振的牵引拉杆。

    一种基于融合-收缩堆栈降噪自编器特征的故障诊断方法

    公开(公告)号:CN114861728B

    公开(公告)日:2024-08-06

    申请号:CN202210535670.8

    申请日:2022-05-17

    Abstract: 本发明公开了一种基于嵌入式融合‑收缩堆栈降噪自编器特征的故障诊断方法,包括:对采集到的旋转机械振动信号进行预处理,形成时域信号、频域信号和时频号;通过FAE网络将时域信号、频域信号和时频信号进行融合获取到融合数据集;通过构建好的CSDAE网络对FAE网络融合的时频信号进行深度自编码;在F‑CSDAE网络的隐藏层中,加入原始融合信号,重新定义EF‑CSDAE网络隐藏层数据,并将EF‑CSDAE网络末端隐藏层输入softmax分类器完成故障识别。本发明在构建的F‑CSDAE的基础上,对其深度隐藏层嵌入FAE融合的信号,使EF‑CSDAE提取的特征具有更多的原始时域、频域信号信息,能够自适应融合多类信号特征,从而实现以高准确率完成故障诊断任务。

Patent Agency Ranking