课程文献中心 更多>>

关键词： 工程机械行业   提升竞争力   人工成本   无人驾驶   出行服务   社交平台   自动驾驶   网约车  

摘要： 湖北武汉出租汽车司机因自动驾驶出行服务平台“萝卜快跑”而订单减少的消息,不断出现在社交平台上,引起了社会对于“无人驾驶技术发展利弊如何”的讨论。相比于无人网约车才开始引起关注,工程机械行业的无人时代早已来临。当下,人口红利消失,人工成本上涨,无论是从成本、效率还是安全角度出发,无人驾驶都是工程机械行业提升竞争力的重要发展方向。目前工程机械行业各大企业也正加大力度投入到无人驾驶工程机械的开发或是升级当中,为我国基础设施建设工程发展赋能。那么,目前工程机械各大龙头企业在无人驾驶技术方面究竟发展得怎样了?

关键词： 工业自动化   云计算系统   数据驱动   知识库   故障处理流程   PLC   监测与故障诊断   技术可行性  

摘要： 搭建基于边缘云计算和基于中心云计算的两种PLC实时监测与故障诊断系统,并分析它们在技术可行性、经济合理性等方面的优劣。在此基础上提出基于数据驱动和基于知识库的两种故障处理流程。最后根据边缘云计算系统的需求和实际情况,提出针对不同场景的故障处理流程选择建议。

关键词： 起重机   机械结构   疲劳循环次数   剩余寿命   P-S-N曲线  

摘要： 起重机在建筑工程中常被用于吊装重物,因此,在作业过程中,起重机的结构会受到相应磨损。为了对起重机机械结构的疲劳故障进行预测,以TKDLS400型号的起重机为研究对象,采用应力法对起重机不同结构的应力值进行检测,并根据应力值的大小和结构疲劳循环次数之间的线性关系,构建了起重机的疲劳次数预测和剩余疲劳使用寿命模型。实验结果表明,起重机在滚筒处的疲劳使用次数剩余最短,仅剩5 356次,剩余使用寿命为11.6年,故此次研究的疲劳故障诊断模型具有一定的实用价值。

关键词： 风力发电机组   齿轮箱故障诊断   振动信号分析   齿轮箱故障诊断   振动信号分析  

摘要： 风力发电的广泛应用对风力发电机组的性能和稳定性提出了更高要求。本研究专注于风力发电机组中齿轮箱的故障诊断,采用深度分析振动信号的方法,有效识别并预测齿轮箱故障。同时,通过监控齿轮箱的温度、压力等性能参数,全面掌握其运行状态。研究结果表明,该方法显著提高了齿轮箱故障诊断的准确率,对提升风力发电机组的运行效率、降低维护成本具有实际且重要的意义。

关键词： 人工智能   配电网   智能感知   故障诊断  

摘要： 配电网是构建清洁低碳能源的重要体系,直接关系到社会经济发展。在双碳目标之下,配电网呈现智能化的发展特征,通过配电网智能感知系统实现综合控制,利用故障诊断系统保障系统运行安全性,有利于提高系统的安全性稳定性。基于此,文章主要分析了配电网智能发展趋势,探究了配电网人工智能感知系统框架结构,重点分析了人工智能应用于配电网智能感知与故障诊断应用,以供参考。

关键词： 复采煤巷   掘进工作面   注浆固化顶板技术  

摘要： 随着煤矿开采深度的增大,复采煤巷掘进工作面开采时易发生围岩失稳、顶板垮塌等事故。为有效预防这些事故,煤矿企业在生产中需合理利用注浆固化顶板技术,以通过超前预注浆来增强掘进工作面的稳定性,创造相对安全的作业条件。本文从注浆加固的原理出发,引入某煤矿作为案例,重点探究了该煤矿在复采煤巷掘进工作面上注浆固化顶板技术的应用情况,以供参考与借鉴。

关键词： 仪器仪表   故障诊断   可靠性   维护  

摘要： 近年来,我国化工行业发展迅速,对仪器仪表的要求也越来越高。化工仪器仪表的稳定性对生产安全性和经济效益具有重要的影响。但在实际生产中,化工仪器仪表经常由于各种原因发生故障,影响企业正常生产运行。本文主要阐述了化工仪器仪表的原理和可靠性分析方法,分析了化工仪器仪表故障诊断及排除的方法,提出了仪器仪表维护与管理的有效测量,希望为仪器仪表维护人员提供一定参考。

关键词： 故障诊断   滚动轴承   变分模态分解   最大相关峭度解卷积   粒子群优化  

摘要： 针对滚动轴承信号在强噪声背景下故障特征提取困难的问题,提出一种变分模态分解(Variational Modal Decomposition,VMD)和最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)相结合的故障诊断方法。首先基于VMD方法选取故障信号的最优模态分量,然后采用MCKD算法增强最优分量信号中的冲击成分,最后通过包络谱分析提取滚动轴承的故障频率。利用粒子群优化算法(Particle Swarm Optimization,PSO)对VMD算法中的参数α和K以及MCKD算法中的参数L和M进行寻优,并对PSO算法中惯性因子和学习因子的更新方法加以改进,以提高参数寻优过程的收敛速度。仿真分析和试验结果表明,所提出的诊断方法可以有效提取被强噪声淹没的滚动轴承故障特征。

关键词： 铸造起重机   非线性累积损伤   疲劳性能   疲劳载荷谱   服役过程  

摘要： 针对铸造起重机在服役过程中的疲劳问题,考虑实际的疲劳载荷谱,基于非线性累积损伤原理分析其疲劳性能。首先对某钢厂在役铸造起重机的关键疲劳危险点进行了应力时间历程实测,然后基于双参数雨流计数法和Goodman等寿命方程编制了一维载荷谱,采用常用的线性累积损伤模型和低⁃高、高⁃低的非线性累积损伤模型,计算并分析了关键部位的损伤特性和寿命特性。结果表明,铸造起重机的疲劳载荷谱与疲劳计算点所在部位和实际服役过程密切相关;非线性累积损伤模型与常用的线性累积损伤模型相比具有较高的预测精度,采用高⁃低的载荷加载顺序可以获得更加保守的寿命预测结果。

关键词： 推进电机   数据融合   卷积神经网络   故障诊断  

摘要： 为解决因电机结构复杂、信号非平稳等因素导致电机故障诊断困难问题及传统故障诊断算法对专家经验的依赖,提出一种基于多通道数据融合与卷积神经网络(CNN)相结合的电机故障诊断方法。该方法首先采集电机驱动端的振动信号和定子电流信号并对其进行时频域转换,再将两者频域信号进行归一化处理并转变为二维图谱数据,最后构建CNN网络模型,确定网络层数、学习率等超参数,并将样本输入模型进行故障特征提取和分类诊断。结果表明,在合适的参数下采用该方法的电机故障诊断准确率为100%,对比单独采用振动信号或电流信号的传统故障诊断方法和1D-CNN模型,该方法能够更有效地对电机各类故障进行诊断。