课程文献中心 更多>>

关键词： 故障诊断   故障树分析(FTA)   混沌粒子群方法(CPSO)  

摘要： 采用单一诊断方法无法达到合理的故障诊断率,综合故障树分析(FTA)与混沌粒子群(CPSO)方法相结合的方式可较好实现故障诊断。从实际测试信号角度出发,并与人工神经网络(ANN)与粒子群(PSO)方法结果进行对比。结果表明:CPSO方法故障诊断准确率获得比ANN高出7.55%,比PSO高出5.18%,实现了准确率的显著提升。CPSO方法 200次迭代后达到稳定适应值,可以在最短时间内完成迭代,有效避免产生局部极值问题,大幅提升了诊断精度。该研究可以拓展到其他机械信号测试领域,具有很好的应用价值。

关键词： 小型水利水电站   水电站运维   故障诊断   故障处理  

摘要： 在我国目前的发展过程中,水利水电工程有着极为重要的作用。不仅对经济建设与人们生活有重要影响,对自然生态的作用也不容忽视。在小型水利水电工程运行过程中,难免出现一些故障问题,需要引起重视并做好诊断与维护。小型水利水电工程中,机电装置是保证项目正常运行的重要组成部分,它的稳定运行对项目的安全性与效益有着重要的作用。避免停产或生产亏损。通过对机组的操作参数及工况进行适当的调节,可以有效地提高机组的运行效率,减少机组的能耗及维护费用,从而提高机组的经济效益。同时,对机电设备的运行管理也能起到延长其使用寿命的作用。

关键词： 船用电机   状态监测   故障诊断  

摘要： 针对船用电机状态监测和故障诊断等问题,文章结合典型电机状态监测案例,详细描述了故障状态监测过程、故障诊断方法,最后总结了监测诊断经验。

关键词： 变速箱   等效声辐射功率   形貌优化   噪声控制   模态分析  

摘要： 针对变速箱3挡啸叫问题,文章首先对变速箱进行了等效声辐射功率计算分析,结合模态分析精准定位找出不满足设计要求的零件薄弱区域;然后对其进行形貌优化以提高其刚度,从而得到优化结构设计;最后经过对比分析,发现优化后的设计显著降低了等效声辐射功率,从而有效降低了变速箱噪声。该分析方法可以为变速箱壳体优化设计提供有效的指导,有助于降低变速箱的噪声水平。

关键词： 电气工程自动化系统   故障诊断   预防技术   系统稳定性   机器学习方法  

摘要： 电气工程自动化系统的故障诊断和预防技术甚至成为自动化关键的中心组件,然而这门技术仍处在对挑战的抗争中。为此,本文提出了一种富有成效的解决策略,该策略主要是通过研究并提出电气自动化系统中的故障诊断及预防方法,兼顾了机器学习的手法构建出了出色的故障诊断模型。这种模型的具体执行、打包及优化策略,涵盖了构建工艺、验证及优化等精细步骤。实例研究包含了多种电气设备,阳光般明亮的结果证明了本论文所提出的故障诊断及预防技术,有极大的作用于降低故障发生的概率,减法其对生产正常性的影响,大大增强了系统的稳定性与效能。这些技术将是未来电气工程自动化系统故障诊断的主要技术手段。后续研究将会主要集中在系统性能改进、自动化改革等方面,以期对电气工程自动化系统研究、实践和发展带来有力的支撑。

关键词： ZGM113K磨煤机   故障诊断   状态检修  

摘要： 作为火力发电厂的重要辅助系统,磨煤机是燃料稳定供应的过程中必不可少的环节。磨煤机系统包含本体、减速机、润滑油系统、液压油系统、密封风系统和排渣等配套系统,随着煤质下降和煤混烧的持续推进,磨煤机系统的安全性和稳定性要求日益提高。鉴于此,针对某660 MW机组ZGM中速磨煤机状态检修开展课题研究,通过讲解ZGM113K磨煤机的工作原理、点检标准和故障诊断,在磨煤机各部件故障识别和故障诊断既有经验的基础上,阐述了ZGM113K磨煤机实施状态检修的一般方法步骤。通过分析磨煤机运行参数,结合故障现象,及时掌握设备状态,提高设备管理水平,降低设备故障率;另外,还对ZGM113K磨煤机各部分的故障模式表进行了归纳整理。

关键词： 硬质合金刀片   干式车削   GH4169镍基高温合金   刀具磨损   切屑形态  

摘要： GH4169镍基高温合金因高强度、高耐磨性及高抗腐蚀性等优良性能被应用到航空航天零件制造等领域,作为典型的难加工材料,GH4169高温合金在切削中存在刀具磨损严重、加工效率低、表面质量差等问题。刀具材料的合理选择直接影响刀具使用寿命,通过使用三种不同硬质合金材料的刀具,在干式切削条件下,开展车削加工GH4169镍基高温合金的刀具磨损试验,对比研究不同刀具的磨损机理、磨损量和切屑形态的差异。试验结果表明:刀具前刀面以黏结磨损为主,后刀面以磨粒磨损为主;小进给量和小切削深度参数下以螺卷形切屑为主,切屑的折断效应与刀具基体材料和GH4169高温合金共同产生的切屑材料成分有关;在切削GH4169镍基高温合金时,高硬度且冲击韧性好的YBC251硬质合金刀具后刀面磨损量较小,磨损表面较均匀,但耐热性能稍差,适用于切削GH4169镍基高温合金。

关键词： 液压泵   故障诊断   布谷鸟搜索算法   径向基函数  

摘要： 液压泵具有高负载的特性,在液压机上广泛应用。为了提高液压泵典型故障诊断精度,设计了一种基于布谷鸟搜索算法(CSA)优化径向基函数(RBF)网络的液压泵典型故障诊断方法,然后对对液压泵典型故障进行实验测试。研究结果表明:对比PSO-RBF与UKF-RBF发现,CSA算法在寻优能力方面获得了明显提升,表现出来很高的收敛效果。CSA-RBF故障诊断水平最高,故障诊断缩减了总体耗时,检测平均精度能够达到97%以上,具有很高的精度保障。该方法有助于提高液压泵的使用寿命,为后续的参数优化奠定一定的理论基础。

关键词： Slurry shield   Flow field characteristics   Mud cake   Scouring system   Excavation methods   TUNNEL   TBM  

摘要： The study aims to improve the flow field characteristics in the excavation chamber of the slurry shield to mitigate cutterhead clogging under cohesive strata. The Computational Fluid Dynamics (CFD) method is employed to quantitatively investigate the impact of scouring flux, cutterhead rotational speed, adding nozzles, and excavation methods on the flow field characteristics. Results show that increasing the existing scouring system flux even to 2000 m 3 /h couldn ' t improve the slurry flowability at the cutterhead periphery. However, increasing the cutterhead rotational speed can significantly improve the slurry flowability at the cutterhead periphery and opening, resulting in a more uniform distribution of the flow field. Similarly, adding nozzles at the cutterhead periphery has positive effects. When the total scouring flux of 6 additional nozzles reached 800 m 3 /h, a favorable scour effect is achieved near the excavating face. Furthermore, adopting the air pressure assisted mode, the flowability of slurry at the cutterhead opening shows a significant enhancement compared to the full-chamber, and upper-half nozzles are transformed into non-submerged jets achieving a better scouring effect. Based on the analysis, it is recommended to add nozzles at the cutterhead periphery. If geological conditions permit, the " high- speed, low-penetration " or air pressure assisted excavation mode can be attempted.

关键词： Tunnel boring machine   Rock mass rating system   Random forest   K-nearest neighborhood   Extremely randomized trees   Support vector classifier   PREDICTION  

摘要： Accurately predicting the ground conditions ahead of a tunnel boring machine (TBM) in real-time is crucial for preventing geological hazards as well as for the adaptive adjustment of TBMs. The subjectivity in ground characterization is a major challenge in rock engineering. There is therefore the need for data-driven approaches. In this study, four machine learning classification models, namely support vector machine (SVM), k-nearest neighborhood (KNN), random forest (RF), and extremely randomized trees (ERT) were used to develop real-time rock mass classification models based on TBM operational parameters from Pahang-Selangor Raw Water Tunnel (PSRWT), Malaysia. Nine TBM operational parameters were used as input parameters. These include boring energy, cutterhead torque, cutterhead thrust force, revolution per minute (RPM), rate of penetration, stroke speed, gripper cylinder pressure, pitching, and motor current amps. An aggregated dataset of TBM operation data and rock mass data were created by adjoining the rock mass record for a particular chainage interval to all the TBM records in that interval. A balanced training set was obtained by the synthetic minority oversampling technique (SMOTE) for unbiased learning. The hyper-parameters of each classifier are optimized using the grid search method. The prediction results indicate that the ERT classifier has a better performance than other classifiers, and it shows a more powerful learning and generalization ability. The results suggest that ERT has the potential to correctly predict rock masses conditions ahead of a TBM in real-time by utilizing TBM operation parameters.