检索结果-维普期刊中文期刊服务平台

机械密封在机泵中的创新应用及故障处理分析: 1; 作者林祥春李连星陈振生《数字农业与智能农机》 2025年第6期33-35,共3页; 以DBM90A型波纹管机械密封为研究对象,对该型号机械密封的结构特点进行详细分析,并结合该机械密封在机泵中应用时发生的故障现象,分析导致故障发生的原因,并制定相应的处理措施。结果表明:该机械密封故障主要与密封端面膜态、机泵振动... 展开更多; 关键词机泵机械密封泄漏故障原因故障处理; 在线阅读下载PDF 职称材料

基于改进分类器动态选择算法的滚珠丝杠副状态识别: 2; 作者文娟《高技术通讯》 CAS 北大核心 2024年第4期396-405,共10页; 为提升滚珠丝杠副的性能状态识别精度,提出一种改进的分类器动态选择算法。该算法借助邻域成分分析(NCA),准确并自适应地定义测试样本的邻域,无需选择距离度量方式,从而更加准确地衡量多分类器系统中各子分类器对于测试样本进行正确分... 展开更多; 关键词分类器动态选择邻域成分分析(NCA) 状态识别滚珠丝杠副多分类器系统; 在线阅读下载PDF 职称材料

不同材料配对的TI蜗杆副接触特性分析及试验被引量：2: 3; 作者陈燕金良华 +2 位作者王芳高巧侠王潇潇《机械设计》 CSCD 北大核心 2022年第3期104-108,共5页; 针对TI蜗杆传动,建立其数学模型和精确三维实体模型,齿轮与蜗杆选用42CrMo-42CrMo,QT600-3-42CrMo两组不同材料配对,基于有限元法分析了两组材料配对形式下的接触应力,搭建了传动副的疲劳测试试验台,在试验台上进行传动副的负荷运转试验... 展开更多; 关键词材料配对 TI蜗杆接触特性疲劳试验; 在线阅读下载PDF 职称材料

应用加权马氏距离与退化模型预测丝杠副寿命被引量：1: 4; 作者文娟《高技术通讯》 CAS 2023年第9期957-966,共10页; 为了提高数控机床的可靠性、安全性并减少维修费用,提出一种基于模型的滚珠丝杠副剩余寿命预测方法,主要包括健康指标构建与剩余寿命预测。在健康指标构建部分,为了更好地表征滚珠丝杠副的退化状态,通过对多信息域特征进行选择与加权融... 展开更多; 关键词健康指标粒子滤波(PF) 滚珠丝杠副剩余寿命预测性能退化模型; 在线阅读下载PDF 职称材料

太阳能光热发电追光系统中蜗杆副选型及应力分析: 5; 作者陈燕金良华王潇潇《工具技术》北大核心 2023年第2期86-90,共5页; 针对目前太阳能光热发电定日镜追光系统中蜗杆副精度寿命短、侧隙难调整等不足,探讨了蜗杆副的选型,通过建立传动副三维模型和有限元模型,分析了完整工作周期载荷下的齿面应力,试制传动副样件并进行了齿面精度检测和接触斑点试验。分析... 展开更多; 关键词传动副选型双导程蜗杆齿面应力误差检测接触斑点; 在线阅读下载PDF 职称材料

基于AdaBoost与LCA的滚珠丝杠副状态识别方法: 6; 作者文娟《高技术通讯》 CAS 2023年第3期332-338,共7页; 作为数控机床的关键部件,滚珠丝杠副的工作状态关系到整个机床的性能与产品质量。因此,对滚珠丝杠副进行状态监测,准确识别其状态能够提高机床的可靠性与安全性,并降低生产成本。为了提高状态识别精度,提出基于AdaBoost与局部类精度(LCA... 展开更多; 关键词状态监测滚珠丝杠副动态分类器选择 ADABOOST 局部类精度(LCA); 在线阅读下载PDF 职称材料

基于卷积变分自编码器的滚珠丝杠副异常监测: 7; 作者文娟王午炎 +1 位作者郑磊潘柏松《计算机集成制造系统》 2025年第8期2999-3010,共12页; 为解决滚珠丝杠副状态监测中面临的异常状态数据缺少问题,基于卷积变分自编码器(CNVAE)和动态核密度估计模型,提出一种无需故障数据的滚珠丝杠副异常监测方法。首先,采用一维卷积神经网络构建变分自编码器,以早期正常阶段采集的信号作... 展开更多; 关键词异常监测卷积变分自编码器核密度估计滚珠丝杠副退化阶段识别; 在线阅读下载PDF 职称材料

题名机械密封在机泵中的创新应用及故障处理分析: 1; 作者林祥春李连星陈振生; 机构浙江为真密封科技有限公司恒丰泰精密机械股份有限公司; 出处《数字农业与智能农机》 2025年第6期33-35,共3页; 文摘以DBM90A型波纹管机械密封为研究对象,对该型号机械密封的结构特点进行详细分析,并结合该机械密封在机泵中应用时发生的故障现象,分析导致故障发生的原因,并制定相应的处理措施。结果表明:该机械密封故障主要与密封端面膜态、机泵振动工况以及机泵结构存在较大的关系。在故障处理过程中,宜采用平衡腔结构改进、密封分配环改进、轴端密封冲洗方式改造以及冷却水系统改进等方式来降低机械密封发生故障的概率,提升机泵运行的稳定性。; 关键词机泵机械密封泄漏故障原因故障处理; 分类号 TB42 [一般工业技术]; 在线阅读下载PDF 职称材料

题名基于改进分类器动态选择算法的滚珠丝杠副状态识别: 2; 作者文娟; 机构恒丰泰精密机械股份有限公司浙江工业大学机械工程学院; 出处《高技术通讯》 CAS 北大核心 2024年第4期396-405,共10页; 基金国家自然科学基金(51475425) 绍兴市“揭榜挂帅”制科技项目(2021B41006) 浙江省博士后科研项目择优(273426)资助项目。; 文摘为提升滚珠丝杠副的性能状态识别精度,提出一种改进的分类器动态选择算法。该算法借助邻域成分分析(NCA),准确并自适应地定义测试样本的邻域,无需选择距离度量方式,从而更加准确地衡量多分类器系统中各子分类器对于测试样本进行正确分类的潜力,解决了传统分类器动态选择算法精度受限于距离度量方式选择是否合适的问题。将所提出的分类器动态选择算法应用于滚珠丝杠副状态识别中,首先利用AdaBoost算法离线训练反向传播(BP)神经网络集合,然后依据实时信号特征,采用改进的分类器动态选择算法从分类器集合中选取最合适的子分类器进行状态鉴定,从而实现更好的识别效果。实验结果表明,提出方法的状态识别准确率能够达到97.22%,高于BP神经网络、AdaBoost与传统分类器动态选择算法,且对于不同的性能状态均有较高的识别精度。; 关键词分类器动态选择邻域成分分析(NCA) 状态识别滚珠丝杠副多分类器系统; Keywords dynamic classifier selection neighborhood components analysis(NCA) condition recognition ball screw multiple classifier system; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程] TG659 [金属学及工艺—金属切削加工及机床]; 在线阅读下载PDF 职称材料

题名不同材料配对的TI蜗杆副接触特性分析及试验被引量：2: 3; 作者陈燕金良华王芳高巧侠王潇潇; 机构重庆商务职业学院人工智能学院四川大学空天科学与工程学院恒丰泰精密机械股份有限公司重庆市商务经济研究院; 出处《机械设计》 CSCD 北大核心 2022年第3期104-108,共5页; 基金国家自然科学基金面上项目(52075054) 重庆市教委科学科技资助项目(KJZD-K202104401,KJZD-K202004403) 重庆商务职业学院机器人与人工智能技术青年科技创新研究团队项目。; 文摘针对TI蜗杆传动,建立其数学模型和精确三维实体模型,齿轮与蜗杆选用42CrMo-42CrMo,QT600-3-42CrMo两组不同材料配对,基于有限元法分析了两组材料配对形式下的接触应力,搭建了传动副的疲劳测试试验台,在试验台上进行传动副的负荷运转试验,考察齿面的磨损和断齿情况。分析结果表明:齿轮和蜗杆均采用42CrMo的材料配对,与QT600-3-42CrMo的配对相比较,后者齿面应力和应变均较小;两组材料传动副轮齿折断出现的载荷级相同,第1组材料渐开线齿轮折断齿数较多,蜗杆齿面磨损较严重,与应力应变分析结果吻合。研究工作为硬齿面TI蜗杆副的材料配对选型奠定了理论基础和试验支撑。; 关键词材料配对 TI蜗杆接触特性疲劳试验; Keywords material matching TI worm contact characteristic fatigue test; 分类号 TH132.44 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名应用加权马氏距离与退化模型预测丝杠副寿命被引量：1: 4; 作者文娟; 机构浙江工业大学机械工程学院恒丰泰精密机械股份有限公司; 出处《高技术通讯》 CAS 2023年第9期957-966,共10页; 基金国家自然科学基金(51475425) 浙江省博士后科研项目择优(273426)资助项目.; 文摘为了提高数控机床的可靠性、安全性并减少维修费用,提出一种基于模型的滚珠丝杠副剩余寿命预测方法,主要包括健康指标构建与剩余寿命预测。在健康指标构建部分,为了更好地表征滚珠丝杠副的退化状态,通过对多信息域特征进行选择与加权融合,提出一种新的健康指标———加权马氏距离(WTMD)。在寿命预测部分,利用指数模型描述滚珠丝杠副的退化过程,通过粒子滤波(PF)算法结合状态监测信息与模型,更新模型参数,完成剩余寿命预测。采用滚珠丝杠副加速性能退化实验中获取的数据对提出方法进行验证。实际结果表明,相对于传统马氏距离而言,WTMD对滚珠丝杠副的损伤发展更为敏感,能够更好地表征其健康状态。同时,基于指数模型的剩余寿命预测方法能够有效地预测滚珠丝杠副的寿命,其预测误差小于基于线性模型和非线性模型的方法。; 关键词健康指标粒子滤波(PF) 滚珠丝杠副剩余寿命预测性能退化模型; Keywords health indicator particle filter(PF) ball screw remaining useful life prediction degradation model; 分类号 TG659 [金属学及工艺—金属切削加工及机床]; 在线阅读下载PDF 职称材料

题名太阳能光热发电追光系统中蜗杆副选型及应力分析: 5; 作者陈燕金良华王潇潇; 机构重庆市商务经济研究院四川大学空天科学与工程学院恒丰泰精密机械股份有限公司重庆商务职业学院人工智能学院; 出处《工具技术》北大核心 2023年第2期86-90,共5页; 基金国家自然科学基金面上项目(52075054) 重庆市教委科学技术资助项目(KJZD-K202104401,KJZD-K202204401,KJZD-K202004403) 重庆商务职业学院重庆机器人产业集群发展现状及形成机制研究、机器人与人工智能技术青年科技创新研究团队项目。; 文摘针对目前太阳能光热发电定日镜追光系统中蜗杆副精度寿命短、侧隙难调整等不足,探讨了蜗杆副的选型,通过建立传动副三维模型和有限元模型,分析了完整工作周期载荷下的齿面应力,试制传动副样件并进行了齿面精度检测和接触斑点试验。分析结果表明:在工作周期的主要工作载荷和极限载荷下,齿面有限元模拟分析的最大Von-Mises应力均满足设计要求;传动副齿面应力分布规律与接触斑点和图形学显示结果吻合;蜗杆齿面螺旋线误差、齿形误差以及蜗轮齿面全齿齿距累积误差、单齿距偏差和径向跳动检测结果显示,该双导程蜗杆为6级精度,蜗轮为7级精度,满足追光系统设计要求。研究结果可为后续太阳能追光系统中蜗杆副的选型和实际应用奠定理论支撑和试验参照。; 关键词传动副选型双导程蜗杆齿面应力误差检测接触斑点; Keywords transmission pair selection dual-lead worm tooth surface stress error detection contact spot; 分类号 TG721 [金属学及工艺—刀具与模具] TH162.1 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名基于AdaBoost与LCA的滚珠丝杠副状态识别方法: 6; 作者文娟; 机构浙江工业大学机械工程学院恒丰泰精密机械股份有限公司; 出处《高技术通讯》 CAS 2023年第3期332-338,共7页; 基金国家自然科学基金(51475425)资助项目。; 文摘作为数控机床的关键部件,滚珠丝杠副的工作状态关系到整个机床的性能与产品质量。因此,对滚珠丝杠副进行状态监测,准确识别其状态能够提高机床的可靠性与安全性,并降低生产成本。为了提高状态识别精度,提出基于AdaBoost与局部类精度(LCA)的滚珠丝杠副状态识别方法。首先,利用历史失效数据与AdaBoost算法生成一个包含多个分类器的分类器集合。然后,针对未知状态的滚珠丝杠副,根据当前监测信号的特征,利用LCA算法从分类器集合中选出最合适的分类器对其当前状态进行识别。实验结果表明,所提出方法能够有效地识别滚珠丝杠副状态,其状态识别准确率高于传统方法,达到96.3%。; 关键词状态监测滚珠丝杠副动态分类器选择 ADABOOST 局部类精度(LCA); Keywords condition monitoring ball screw dynamic classifier selection AdaBoost local class accuracy(LCA); 分类号 TG659 [金属学及工艺—金属切削加工及机床]; 在线阅读下载PDF 职称材料

题名基于卷积变分自编码器的滚珠丝杠副异常监测: 7; 作者文娟王午炎郑磊潘柏松; 机构浙江工业大学机械工程学院; 出处《计算机集成制造系统》 2025年第8期2999-3010,共12页; 基金国家自然科学基金资助项目(51475425) 绍兴市“揭榜挂帅”制科技资助项目(2021B41006) 浙江省博士后科研项目择优资助项目(273426)。; 文摘为解决滚珠丝杠副状态监测中面临的异常状态数据缺少问题,基于卷积变分自编码器(CNVAE)和动态核密度估计模型,提出一种无需故障数据的滚珠丝杠副异常监测方法。首先,采用一维卷积神经网络构建变分自编码器,以早期正常阶段采集的信号作为输入,训练得到能够对正常数据进行重构的CNVAE模型。然后,将实时信号输入CNVAE模型中得到重构误差,作为表征滚珠丝杠副退化状态的健康指标。最后,采用一个在时间尺度上滑动的窗口选取不同时间段内的重构误差构成时间序列,输入核密度估计模型中,通过观测滑动窗口内重构误差的概率分布变化自动判定滚珠丝杠副是否出现异常。实验结果表明,提出方法能够区分滚珠丝杠副的不同退化阶段,表征滚珠丝杠副的退化演变过程,相比于传统方法能够更早地检测到滚珠丝杠副的异常。; 关键词异常监测卷积变分自编码器核密度估计滚珠丝杠副退化阶段识别; Keywords anomaly monitoring convolutional variational autoencoder kernel density estimation ball screw degradation stage identification; 分类号 TG659 [金属学及工艺] TP18 [金属学及工艺—金属切削加工及机床]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	机械密封在机泵中的创新应用及故障处理分析	林祥春李连星陈振生	《数字农业与智能农机》	2025	0	在线阅读下载PDF 职称材料
2	基于改进分类器动态选择算法的滚珠丝杠副状态识别	文娟	《高技术通讯》 CAS 北大核心	2024	0	在线阅读下载PDF 职称材料
3	不同材料配对的TI蜗杆副接触特性分析及试验	陈燕金良华王芳高巧侠王潇潇	《机械设计》 CSCD 北大核心	2022	2	在线阅读下载PDF 职称材料
4	应用加权马氏距离与退化模型预测丝杠副寿命	文娟	《高技术通讯》 CAS	2023	1	在线阅读下载PDF 职称材料
5	太阳能光热发电追光系统中蜗杆副选型及应力分析	陈燕金良华王潇潇	《工具技术》北大核心	2023	0	在线阅读下载PDF 职称材料
6	基于AdaBoost与LCA的滚珠丝杠副状态识别方法	文娟	《高技术通讯》 CAS	2023	0	在线阅读下载PDF 职称材料
7	基于卷积变分自编码器的滚珠丝杠副异常监测	文娟王午炎郑磊潘柏松	《计算机集成制造系统》	2025		在线阅读下载PDF 职称材料