恒定加载条件下气缸疲劳破坏预测

发布时间：2017-03-18 08:03

  本文关键词：恒定加载条件下气缸疲劳破坏预测，，由笔耕文化传播整理发布。

【摘要】：气动设备广泛应用于人们的生产与生活当中,在国民经济和社会发展中占有很重要的地位。气缸作为气动系统的重要执行元件担负着传递与输出动力的任务。然而由于气动系统使用空气作为传动介质,气体的压缩性使气缸在执行动作时速度不稳定,运行中存在着较大的冲击,很容易产生一些故障,如果不及时发现这些问题并进行适当处理,故障零部件会引发工作事故,轻则影响正常工作,重则威胁人员生命。为了详细了解气缸的疲劳失效过程和寿命以便及时更换,对气缸进行失效分析和评估尤为重要。在现有的机械产品失效评估方法中,基于试验数据的方法以其数据来源真实,获取方式便捷,评估结果可靠等特点得到了广泛的关注。本文以气缸为主要研究对象,通过进行疲劳破坏试验,收集包括运行过程中的性能指标和各种失效数据在内的大量试验数据,利用这些数据对气缸疲劳失效评估进行了一系列的探索和研究。具体研究内容和主要创新如下:(1)分析气缸结构特点,研究疲劳失效过程,提出气缸疲劳失效分析的具体步骤。(2)设计试验方案,建立气缸疲劳试验平台。为了保证数据来源的合理性与可靠性,对所需指标的采集方法进行系统构思。(3)提出基于核密度估计的气缸疲劳寿命预测方法。为了从失效数据中找寻气缸寿命分布的规律,利用有限的样本数据对气缸的寿命进行预测,本文从统计学角度出发,提出用非参数估计的方法,即核密度估计方法进行预测。该方法不仅可以像现存其他方法一样对样本的寿命分布进行统计,而且摒弃了参数估计方法的模型制约,对样本数据实现有效利用。(4)提出一种基于主成分分析和小波神经网络的气缸性能评估方法。为了充分利用性能指标监测数据对气缸运行过程中的性能进行评估,本文提出了一种基于主成分分析和小波神经网络的性能评估方法,得益于PCA这一统计学工具,可以将多个性能指标进行重新筛选,提取出最主要的信息进行神经网络的训练和预测,最终得到气缸的失稳寿命。
【关键词】：气缸 疲劳失效 寿命预测 性能评估
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH138.51
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 绪论11-18
• 1.1 课题背景11-14
• 1.1.1 课题来源11
• 1.1.2 气压传动技术11-14
• 1.2 国内外研究现状14-16
• 1.2.1 疲劳失效问题研究现状14
• 1.2.2 寿命预测技术的研究现状14-16
• 1.3 课题研究目的和内容16-17
• 1.3.1 课题研究目的16
• 1.3.2 课题研究内容16-17
• 1.4 本章小结17-18
• 第二章 疲劳失效理论分析18-29
• 2.1 疲劳断裂现象及特征18-20
• 2.1.1 疲劳断裂的现象18-19
• 2.1.2 疲劳断裂的一般特征19
• 2.1.3 疲劳的类型19-20
• 2.2 疲劳断裂的规律20-21
• 2.3 疲劳失效的分析21-24
• 2.3.1 疲劳失效的类型分析21-23
• 2.3.2 疲劳失效的原因分析23-24
• 2.4 气缸疲劳失效24-28
• 2.4.1 气缸的基本构造24-26
• 2.4.2 气缸疲劳失效的特点26
• 2.4.3 气缸疲劳失效分析过程26-28
• 2.5 本章小结28-29
• 第三章 气缸疲劳试验数据采集29-44
• 3.1 气缸疲劳破坏试验方案研究29-33
• 3.1.1 寿命试验29-30
• 3.1.2 恒定加载试验方案的选定30-32
• 3.1.3 试验终止方式的选定32
• 3.1.4 采集数据的确定32-33
• 3.2 气缸疲劳破坏试验平台实现33-40
• 3.2.1 气动系统33-36
• 3.2.2 电气控制系统36-38
• 3.2.3 机械系统38-39
• 3.2.4 试验平台维护39-40
• 3.3 气缸疲劳试验数据采集方法40-43
• 3.3.1 气缸性能参数采集40-43
• 3.3.2 气缸失效数据采集方法43
• 3.4 本章小结43-44
• 第四章 基于核密度估计的气缸疲劳寿命预测44-56
• 4.1 核密度估计44-48
• 4.1.1 经验密度函数44
• 4.1.2Parzen窗密度估计法44-45
• 4.1.3 核密度估计的定义45-47
• 4.1.4 核密度估计窗宽选取47-48
• 4.2 威布尔分布48-51
• 4.2.1Weibull分布的定义48-50
• 4.2.2 三个参数(m, η, δ)的意义50-51
• 4.3 基于核密度估计的气缸疲劳破坏预测方法51-55
• 4.3.1 研究背景51-52
• 4.3.2 核密度估计预测算法52-53
• 4.3.3 本文方法验证53-55
• 4.4 本章小结55-56
• 第五章 基于主成分分析与小波神经网络的气缸性能评估56-73
• 5.1 主成分分析56-59
• 5.2 遗传算法59-61
• 5.2.1 遗传算法的原理59-60
• 5.2.2 遗传算法的基本流程60-61
• 5.2.3 遗传算法应用61
• 5.3 小波神经网络61-67
• 5.3.1 小波变换的基本概念62-63
• 5.3.2BP神经网络简介63-66
• 5.3.3 小波神经网络理论66-67
• 5.4 基于遗传算法的小波神经网络67
• 5.5 基于主成分分析与小波神经网络的气缸性能评估理论框架67-69
• 5.6 本文方法的验证69-72
• 5.7 本章小结72-73
• 第六章 总结与展望73-75
• 6.1 课题总结73-74
• 6.2 未来工作展望74-75
• 致谢75-76
• 参考文献76-80
• 攻读硕士期间取得的研究成果80-81

【共引文献】

中国期刊全文数据库 前10条

1 姜年朝;谢勤伟;戴勇;张志清;王克选;宋军;李湘萍;;基于ANSYS/FE-SAFE的无人机复合材料机翼疲劳分析[J];玻璃钢/复合材料;2009年06期

2 郑金兴;张铭钧;孟庆鑫;;多传感器数据融合技术在刀具状态监测中的应用[J];传感器与微系统;2007年04期

3 郭彪;董治华;刘亮;;模糊数学在靶机机体寿命分析中的应用[J];四川兵工学报;2009年12期

4 宋清昆;王建双;王慕坤;;基于遗传算法的小波神经网络控制器设计[J];电机与控制学报;2010年04期

5 景转珍;刘翠荣;吴志生;贾月静;;深冷处理改善金属焊接接头力学性能研究现状[J];大型铸锻件;2011年03期

6 杜洪增,田秀云,周煊;一种新的铝合金应变疲劳计算方法[J];工程力学;2003年05期

7 刘艳丽;陈昊;余炎峰;;基于帧间差分法和不变矩特征的运动目标检测与识别[J];工业控制计算机;2008年07期

8 杜金强;何宇廷;李培源;;矩形柔性涡流阵列传感器裂纹检测研究[J];传感器与微系统;2014年05期

9 武建军;邓松圣;周爱华;秦瑞胜;;自适应小波降噪的泵机组故障诊断[J];化工自动化及仪表;2010年04期

10 秦瑞清;金平;;超载对无裂纹缺陷试件疲劳寿命的影响[J];海军航空工程学院学报;2005年02期

中国博士学位论文全文数据库 前3条

1 鲁凤;生态足迹变化的动力机制及生态足迹模型改进研究[D];华东师范大学;2011年

2 王翔;结构损伤识别的数值方法研究[D];清华大学;2000年

3 潘昊;智能方法在水泥性能分析中的应用研究[D];武汉理工大学;2006年

中国硕士学位论文全文数据库 前10条

1 公维勇;高温合金焊接机匣疲劳寿命研究[D];南京航空航天大学;2010年

2 陈福玉;航空铆接连接件疲劳寿命研究[D];南京航空航天大学;2011年

3 张树林;飞机水平尾翼健康诊断可视化仿真系统研究[D];沈阳航空航天大学;2011年

4 巩俊杰;飞机结构疲劳寿命预测建模与仿真技术研究[D];沈阳航空航天大学;2011年

5 巩伟杰;LC4铝合金应力腐蚀与腐蚀疲劳特性研究[D];中国人民解放军国防科学技术大学;2002年

6 周蓓;直升机传动系统零部件疲劳定寿方法研究[D];南京航空航天大学;2005年

7 莫铁根;裂纹尖端应变能与热量的分析研究[D];南京航空航天大学;2006年

8 武奇;焊接接头低周疲劳分形损伤演化模型研究[D];南京航空航天大学;2006年

9 肖文科;正弦振动与随机振动对飞机结构的影响关系研究[D];沈阳航空工业学院;2008年

10 郭平;基于场强法的焊接接头疲劳寿命预测及机匣寿命研究[D];南京航空航天大学;2008年

  本文关键词：恒定加载条件下气缸疲劳破坏预测，由笔耕文化传播整理发布。

本文编号：254136