课程文献中心 更多>>

关键词： 富水砂卵石层   盾构隧道   地表沉降   管片变形   影响因素   敏感性分析  

摘要： 砂卵石地层具有渗透性强、孔隙率大、自稳性差和受扰反应大等特点,若盾构施工参数控制不当则会发生掌子面失稳、坍塌和涌水等安全事故。确定富水砂卵石层盾构掘进引起地表沉降和管片隧道变形的影响因素,对于安全施工具有重要的指导意义。本文以洛阳地铁区间盾构穿越洛河富水砂卵石地层为工程背景,基于流固耦合理论,运用ABAQUS软件构建盾构掘进的三维有限元模型,数值模拟和现场实测的地表沉降数据基本吻合,验证了模型的准确性。采用单因素分析法研究了盾构掘进压力、同步注浆压力和等代层厚度等3个参数对地表沉降与管片变形的影响规律,研究结果表明:增大盾构掘进压力和同步注浆压力,减小等代层厚度,均能减小地表和隧道的拱顶沉降;而增大盾构掘进压力,减小同步注浆压力和等代层厚度,可减小隧道拱腰的水平变形。采用正交试验方法确定了3个影响因素对地表沉降和管片拱顶沉降两个指标的敏感性,从大到小排序均为:同步注浆压力、盾构掘进压力和等代层厚度。

关键词： 安全工程   信号降噪   故障诊断   改进白鲸优化算法(BWOSP)   变分模态分解(VMD)   理想排序法(TOPSIS)  

摘要： 提出了一种融合改进白鲸优化算法(Beluga Whale Optimization with Stranding Phase,BWOSP)、变分模态分解(Variational Mode Decomposition,VMD)和理想排序法(Technique for Order of Preference by Similarity to Ideal Solution,TOPSIS)构建综合指标,并结合深度学习的旋转机械故障诊断方法。首先,通过加入“搁浅”阶段建立了一种新型BWOSP算法;其次,利用BWOSP-VMD得到(K,α)最优参数组合;再次,考虑各本征模态分量的中心频率、相关性系数、峭度指标和包络熵通过TOPSIS构建综合指标并进行筛选、重构;最后,将BWOSP-VMD-TOPSIS降噪方法与多种深度学习模型相结合,以某轴承故障为例计算了故障诊断准确率和F1值,并与多种方法对比验证了方法的有效性和泛化性。结果表明,基于BWOSP-VMD-TOPSIS和深度学习的故障诊断方法能对含有强噪声干扰的旋转机械故障信号有效降噪并准确进行故障诊断,具有较强的泛化能力。

关键词： 悬臂式掘进机   总体设计方案   交互式虚拟展示   Unity3D开发  

摘要： 针对现有掘进机设计中总体布局参数阶段效率低、易出错的问题,提出一种基于掘进机技术指标确定总体布局参数的方法。以EBZ200型矿用悬臂式掘进机为对象,首先对其进行功能模块的划分,随后分析得出各功能模块布局参数对掘进机总体性能指标的影响。通过Cinema 4D对掘进机模型进行绑定蒙皮处理,使用MATLAB计算性能逆算参数,采用MySQL构建相应的数据库,最后基于Unity3D引擎和C#脚本开发系统,根据掘进面的尺寸检索出合适的掘进机截割部参数组合,实现掘进机布局参数的可视化调整,同时实时显示布局参数变更对性能指标的影响,有效提升了掘进机的设计效率。

关键词： 南水北调工程   自动化控制   实时监控   智能调度   故障诊断  

摘要： 面对我国北方地区水源的不断减少,作为一项国家战略性工程的水资源调配项目,其自动控制体系的研发和运用,对于保障工程的高效运行及水资源的合理分配起到关键作用。文章深入剖析南水北调工程中自动调控系统的形成背景与实施必需性,进而对系统规划的设计原则和所涉核心技术进行详尽阐释,涵盖数据收集、实时监控、智能调整以及故障检测等多个重要环节。经对现有体系深入剖析后,巧妙构思一套创新方案,旨在全方位提升系统稳定性、可靠性及智能水平。本文对南水北调项目中自动控制系统的未来趋势进行预测性讨论,旨在为研究领域和实践操作提供参考。

关键词： 海洋石油   石油平台   起重机   液压系统   故障诊断  

摘要： 海洋石油资源储藏较为丰富,石油开采期间,起重机具有运输货物以及搭建设备等作用,液压系统作为起重机的控制及动力装置,其运行质量直接影响着起重机运行效果。基于此,对海洋石油平台起重机液压系统进行了介绍,并对液压系统故障类型展开了探讨对液压系统故障诊断方法进行研究,以期为相关人员提供参考。

关键词： 光伏阵列   故障诊断   图结构   图神经网络   注意力机制  

摘要： 提出一种基于图注意力网络(graph attention network,GAT)的光伏阵列故障诊断模型,以解决光伏阵列中因故障导致的发电效率降低、正常运行受阻等问题.通过离散小波变换和滑窗算法截取故障后稳态时序信号并将其分割成子区间,将子区间视为图节点.使用K邻近构图法将故障后稳态电压、电流数据转变成图结构,构建节点级GAT模型.通过多头注意力机制自动提取电压、电流图结构的故障特征.通过实验室光伏阵列获取实验数据集,对所提模型进行测试.结果表明,本模型能准确诊断光伏阵列的不同故障状态,平均准确率达到99.790%,效果优于所对比的其他网络模型.

关键词： 高强支护技术   洪山井田   采煤掘进   实际应用   洪山井田   采煤掘进   实际应用  

摘要： 高强支护技术能够为巷道提供良好的支护能力,是保障采煤掘进工作安全、高效、稳定开展的的一项重要技术。在红山井田首采工作面回采巷道掘进支护中,我们在全面地质评估、合理参数设计的基础上,制定除了严谨的支护方案,使得煤矿首采工作面回采巷道在掘进及回采期间的围岩变形有明显的改善效果检测,发挥了高强支护技术在采煤掘进中应有的作用。

关键词： 多传感器   信息融合   柴油机   机械故障  

摘要： 随着农业机械化水平的不断提升,农用柴油机在水稻生产中的应用日益广泛,其运行的稳定性直接关系到水稻生产的效率。然而,柴油机在高强度作业中容易发生各种机械故障,给农田作业带来潜在风险。多传感器信息融合技术结合集成学习算法,提供准确的故障诊断方法,通过综合分析多维度传感器数据,实时监测柴油机的运行状态,提取故障特征,可以显著提高故障检测的准确性。本文探讨了多传感器信息融合在农用柴油机故障诊断中的应用,提出结合传统信号处理与现代机器学习的混合智能故障诊断策略,通过对不同模型的集成应用,可以实现柴油机故障的精准识别,有效保障水稻生产的高效性,为提高农业经济效益提供强有力的技术支持。

关键词： 数据   可视化   装备底盘   动力运行  

摘要： 某型车辆运行过程中会产生状态数据,状态数据中包含大量信息,但这些数据没有被很好地利用,本文通过对某型车辆状态数据的采集,对其进行深入的分析和处理,总结出各状态数据之间的内在关系和车辆运行过程中的潜在规律。首先对某型车辆运行的状态数据进行采集,其次对采集到的数据进行数据清洗,对车辆运行全过程中各参数的变化情况进行可视化,最后进行参数关联性分析,找到车辆运行过程中各个参数变化的一些基本规律,为多元数据分析处理提供一定的参考。

关键词： 深度学习   电力设备   故障诊断   智能预测   卷积神经网络   长短期记忆网络  

摘要： 本文在电力设备故障诊断与预测领域提出了一种新的智能算法,该算法以深度学习为基础,利用卷积神经网络和长短期记忆网络等深度学习模型对电力设备的历史数据进行特征提取和时序建模,从而对设备的运行状态进行识别和预测。在算法中引入注意力机制,可提高模型对关键信息的关注度以及故障诊断的精确度;在优化上采用残差网络等结构优化模型的学习能力,对设备状态的变化有更强的捕捉能力。最后对算法进行实验验证,证明其在电力设备故障诊断与智能预测方面具有较高的效果和可行性,为电力设备的故障诊断和预测提供了一种新的智能化手段。