V型超声电机驱动头斜椭圆运动的理论分析

来源 :第五届全国振动利用工程学术会议暨第四次全国超声电机技术研讨会 | 被引量 : 0次 | 上传用户:liongliong429
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为能有效提高V型直线超声电机的工作稳定性,对电机实际工作过程中驱动头的椭圆运动进行了分析.通过坐标变换,分析得出该型电机驱动头的椭圆运动轨迹为一斜椭圆.该电机驱动头的斜椭圆轨迹不仅与两个兰杰文振子的纵向振幅有关还和安装角q角有关.采用等速点分析的方法,利用冲量定理对正常安装形式下驱动头的斜椭圆轨迹在一个运动周期内对电机动子的驱动过程进行了完整分析,并得到了该型电机的机械特性方程,仿真了在该安装形式下电机的机械特性.通过和同类电机的试验对比,可以确定所得到的机械特性方程的正确性.
其他文献
针对现有的旋转机械故障诊断模式难以实现自动化、高精度和通用性相统一的关键问题,提出基于判别式正交线性局部切空间排列(Discriminant orthogonal linear local tangent space alignment,DOLLTSA)的故障辨识方法.首先构造全面表征不同故障特性的时频域特征集,再利用DOLLTSA将高维时频域特征集自动约简为区分度更好的低维特征矢量,并输入到K-
发动机附件机匣是发动机的动能转换装置,在台架试车过程中,通过测试附件机匣的振动来监测各转子齿轮的工作状态.发动机附件机匣多次发生振动超过限制值的情况.针对典型的发动机附件机匣振动超限情况,详细分析PULSE振动分析仪采集的振动信号,确定了固有频率共振是引起发动机附件机匣振动超限的主要原因.应用锤击法进行的试验证明,固有频率共振是由振动传感器、振动支架安装到发动机附件机匣上以后产生的,4轴对应的齿轮
将机构运动性能误差评估理论与系统可靠性分析方法相结合,提出一种机构运动性能系统可靠性分析方法.采用Taylor级数展开技术推导机构运动性能误差的通用表达式,建立满足工程实际需求的机构运动性能极限状态方程,利用可靠性理论和线性规划方法求解机构运动性能系统可靠度上下界.在系统可靠度求解过程中,考虑了机构运动性能各失效模式间的相关性.数值算例表明本文所述方法实用、有效,具有较高精度.
归纳并探讨了超声波电机摩擦材料的基本要求与国内外研究进展.基于行波型超声波电机驱动特点及运行规律,从摩擦学、接触力学和材料学3个方面,对超声波电机用摩擦材料的特殊要求进行了探讨,初步得出了超声波电机摩擦材料应具有优良的摩擦学、一定的接触变形和一定的结构特性3个方面的特殊要求.最后,针对超声波电机摩擦材料研究中存在的问题,提出了一些超声波电机摩擦材料的4条值得重视的研究方向,即建立更为完善的接触模型
本文针对大型结构模态参数识别中传统ITD方法适用范围窄、识别精度不高的问题,对其进行了改进,提出了基于速度信号的ITD识别方法,提高了识别精度.
带钢轧制过程中轧机的自激振动严重影响产品质量.在变转速和变工况运行时,轧机自激振动的影响因素多,机架模态信息丰富,增加了自激振动特征准确提取的难度.目前,使用单一的敏感特征指标不能很好的反应轧机自激振动的趋势与状态.本文针对轧机自激振动信号的特点,首先综合运用时域、频域以及时频域的信号处理技术从不同角度分析轧机振动信号的特征,通过提取多个特征指标以保证反应轧机自激振动状态的完备性和有效性.其次运用
针对传统的直线型超声电机驱动器驱动方法存在的不足,本文引入数字信号处理(DDS)技术,重点对DDS技术的原理进行了详细的介绍,并对相位累加器和波形发生器进行了仿真分析,为直线型超声电机的设计提供参考.
建立了基于多学科仿真软件平台AMESim的电动伺服系统仿真模型,分析了利用该模型进行电动伺服系统刚度测试仿真的可能性以及实现途径,在此基础上进行了仿真并得出负载扰动力矩幅值、频率与系统刚度的定性关系.
高能密度离合器工作条件恶劣,传递的功率可达两三百千瓦,其摩擦片能否正常工作直接关系到离合器的工作性能及工作可靠性.本文以某型高能密度离合器为研究对象,对离合器结合过程动力学特性进行分析研究,建立了离合器结合过程的动力学模型;利用ADAMS软件,建立了高能密度离合器的仿真模型,分析结合过程中接触力的大小变化以及接触力的分布规律;通过总接触力大小的变化确定了离合器的振动规律.研究结果表明:离合器总的结
为了解决机械设备复合故障难以正确识别的问题,提出一种基于多小波包和邻域粗糙集的机械故障诊断模型.该模型首先采用多小波包对原始振动信号进行分解,分别提取原始信号和各分解频带信号的时域特征组成原始特征,然后采用邻域粗糙集方法筛选出敏感特征作为多分类支持向量机的输入,实现机械设备不同状态的自动识别.模型应用结果表明相比于传统小波包,多小波包分解够提取到更丰富的故障信息和获得较高的识别精度;邻域粗糙集能够