核电厂汽轮机低压转子叶片叶根超声检测技术

汽轮机低压转子是核电厂重要的转动设备,高速旋转的过程可能导致叶片叶根裂纹的产生,从而影响到低压转子的安全运行。介绍了针对汽轮机转子末三级叶片叶根采用的超声检测方法,通过对叶片叶根超声检测技术研究,掌握叶片叶根缺陷信号的判断方法。现场检测结果表明开发的检验技术应用效果良好,在保证核电厂汽轮机安全、可靠运行上起了重要的作用。     

核电厂枞树型叶片叶根超声波检测技术

汽轮机低压转子是核电厂重要的转动设备,其叶片叶根在高速旋转的过程可能产生裂纹,从而影响到低压转子的安全运行。介绍了针对汽轮机转子末级、次末级枞树型叶片叶根采用的超声检测方法。通过对叶片叶根超声检测技术的研究,掌握了叶片叶根缺陷信号的判断方法。现场检测结果表明,开发的检验技术应用效果良好,在保证核电厂汽轮机安全和可靠运行上起到了重要的作用。     

汽轮机转子菌形叶根超声相控阵检测

汽轮机转子是电厂重要的转动设备,高速旋转可能导致叶片叶根裂纹产生,从而影响到低压转子的安全运行。通过对汽轮机转子菌形叶根超声相控阵检测技术研究,掌握叶根缺陷信号的判断方法。检测结果表明：开发超声相控阵检验技术应用效果良好,在保证电厂汽轮机安全、可靠运行上起了重要的作用。     

基于流形学习的转子系统运行状态识别理论研究

流形学习是一种机器学习算法,它能够提取隐藏在数据中的内在几何结构与规律特性,因此在图像、信号等处理方面得到广泛应用。运用主成分分析法与拉普拉斯特征映射算法对转子系统正常、碰磨、偏心三种运行状态的振动数据构造的高维特征空间进行降维处理,提取其中的低维流形。结果表明拉普拉斯特征映射算法能有效区分转子正常、碰磨、偏心三种运行状态。     

汽轮机叶片的涡流检测

电厂汽轮机转子叶片是汽轮机关键部件之一 ,其结构完整性是保证汽轮机安全运行的重要因素。汽轮机的定检要求对转子叶片进行原位探伤。以往检验采用着色法 ,灵敏度偏低 ,检测结果受人为因素影响。现在采用涡流检测法 ,在叶片上用电蚀法制作模拟裂纹 ,虽然它与自然疲劳裂纹在阻抗信号的响应上有差别 ,但便于对缺陷尺寸和响应信号之间关系进行定量研究 ,从而确定与实际应用相近的试验参数模式。涡流法应用于汽轮机叶片检测具有灵敏度高、准确直观等优点 ,某动力厂 2号和 3号汽轮机末三级叶片的检测实践证实了该法的优越性 ,收到了良好的效果 ,…     

大数据环境下基于Hadoop平台的医学数据挖掘算法研究

为了有效利用云平台Hadoop框架的并行处理能力。通过对大数据挖掘技术中的传统关联规则算法 Apriori算法进行了分析和改进，提出了一种基于Map Reduce并行模式的改进数据挖掘算法，适用于医学大数据的分析和应用。首先通过布尔排列优化数据库中事务数据的存储方式，从而有效减少数据库被扫描的次数。然后采用关联规则优化减少Apriori算法中冗余的子集。为了验证改进算法的有效性，采用医学历史数据进行实验验证。最后仿真实验结果显示，相比传统的Apriori算法，提出算法的运行效率更高，具有较好的可靠性和有效性。     

CNC铣刀磨损状态的大数据分析与预测方法研究

为在铣切加工过程中预测铣刀的磨损状态以及时发现并更换将要磨钝的铣刀,以保障产品质量,运用传感器采集CNC铣床在加工过程中铣床及铣刀的振动信号数据,应用大数据方法研究CNC铣刀磨损状态的分析和预测方法。为保证铣刀磨损状态的识别精度、识别稳定性和分析模型的鲁棒性,采用小波包分解理论对铣床x、y、z三向振动信号数据进行降噪处理,提取时域特征和能量特征,筛选出与磨损状态相关性较大的34个特征。应用XGBoost算法建立铣刀磨损状态的数据分析模型,使用宏平均值评估模型性能,结合SMOTE技术对特征向量进行过采样,使各磨损状态类别样本均衡。借助公开的球头铣刀加工数据集对所提方法进行验证,实验结果表明：利用XGBoost算法能正确分析铣刀磨损状态的数据,能识别出铣刀磨损预警阶段。XGBoost算法的预测精度高、稳定性好、泛化能力强,易应用于工业大数据领域     

基于4阶累积量粒子群的转子故障特征分离方法

振动信号分析是转子运行状态监控的重要研究内容之一。针对转子振动信号的故障特征分离问题,提出了一种基于粒子群的盲源分离算法。该算法将分离信号的4阶累积量作为目标函数,运用粒子群算法对目标函数进行优化,以确定最优分离矩阵,最终实现信号的盲分离。仿真结果表明,文章所提出的算法能够有效地从复合信号中分离出各路源信号,并且有较快的收敛速度和较高的分离精度,具有实际应用意义。     

大数据环境下基于Hadoop框架的改进Apriori挖掘算法

针对Hadoop框架下的用户行为大数据挖掘效率问题，提出了一种改进的关联规则Apriori挖掘算法。该算法首先实现了Hadoop框架下的项集分类建模。然后通过传统关联规则Apriori算法的挖掘步骤分析，对候选项目集的生成方式进行了改进，并结合标志位信息实现无用事务去除，有效压缩了事务和项目的数量，从而缩短了任务处理时间。在具体实现过程中对改进Apriori算法流程进行了Map Reduce处理。仿真实验表明:相比于传统Apriori算法，改进后的Apriori挖掘算法具有更高的执行效率。     

基于时序关联规则的设备故障预测方法研究

设备故障预测对于保证设备安全运行、提高设备管理效率具有重要的现实意义。考虑设备故障数据的特点,利用Apriori传统关联规则算法的思想,建立了时序故障数据模型。将故障数据转换为时序项集矩阵,针对该矩阵,提出了Apriori改进算法和频繁时序关联规则查找算法。利用这两个算法对设备故障数据进行频繁时序关联规则挖掘,预测设备故障趋势,为设备管理提供有力支持。并通过实例验证该方法的可行性。     

风电叶片疲劳试验两点惯性激振同步控制技术

为消除风电叶片疲劳试验过程中两激振器间的耦合影响,提高两激振器的同步控制性能,设计虚拟主轴并行同步控制策略.应用模糊PI控制算法设计相位控制器,并搭建风电叶片两点惯性激振同步控制试验平台,验证该算法的同步控制效果.结果表明:在非同步控制状态下,两激振器间存在耦合效应,导致相位差存在较大波动,难以实现两激振器联合激振,叶...     

基于优化极限学习机的涡轴发动机转子碰摩故障诊断

针对涡轴发动机容易在转子过渡态-稳态间瞬间失衡导致碰摩现象，提出改进遗传算法优化的极限学习机诊断模型。基于某涡轴发动涡轮机匣振动信号包络曲线，仿真涡轴发动机正常状态、燃气涡轮转子碰摩状态、动力涡轮转子碰摩转态、燃气与动力涡轮转子碰摩转态4种工况的振动信号；对振动信号进行频谱分析，提取振动信号特征参数构建故障样本数据集；使用改进遗传算法优化极限学习机，并将它用于碰摩故障诊断。结果表明：训练集平均诊断准确率为96.8%、波动幅值为2.82%；测试集平均诊断准确率高达95.43%、波动幅值为0.93%，收敛误差达到0.22，验证了所提出的方法诊断准确率高、波动幅值小、误差低，适用于碰摩故障诊断。     

核电汽轮机低压动叶片集成加工技术研究

基于Pro/E研究核电低压动叶片多轴数控加工方法。为提高叶片加工质量和效率,提出一种集成数控加工工艺方案,并设计和仿真刀具轨迹。分别采用传统工艺和集成工艺加工叶片,其检测结果表明:采用集成工艺加工叶片时切削力小,加工精度高,加工成本低。该方案对其他核电叶片的加工具有一定的参考价值。     

采用超声相控阵技术检测汽轮机转子叉型叶根

汽轮机叶片作为火力发电厂金属监督检验的重要部件,其叉型叶根结构复杂且检测面狭小,常规检测方法难以实现不拆除检测。笔者采用超声相控阵检测技术,制作了专用超声相控阵换能器来控制换能器各阵元的聚焦、扫查,对获得的数据进行软件分析并制定检测方案,从而实现了对叉型叶根的二维成像检测。利用该检测技术能快速、直观、有效地检测出裂纹缺陷,为确保汽轮机安全运行,防止叶片断裂提供了有力保障。     

汽轮机转子调节级叶轮R过渡区弹性槽的检测方法和寿命预测

采用多种有效手段对汽轮机转子叶轮R过渡区和弹性槽实施检测,可以为转子安全运行及寿命预测提供可靠数据。总结了一套较为成熟的检测方法,该方法可以有效地检测出汽轮机转子存在的裂纹缺陷,提高机组运行的安全性和经济性,并且在火电厂检修中得到应用和满意结果,提高了检测可靠性。     

汽轮机动叶片裂纹形成原因分析

材质为2Cr13的汽轮机动叶片在调质处理后发现动叶片榫头表面网状裂纹。通过金相检测、宏观断口观察、化学成分分析、力学性能测试以及扫描电镜分析等一系列的理化试验,分析了动叶片榫头表面裂纹的性质及形成原因。试验结果表明：该汽轮机动叶片榫头表面网状裂纹是由于该部位短时过热过烧所造成的锻造裂纹。本研究对研究汽轮机动叶片在生产制造过程中出现的裂纹等质量问题具有积极意义。     

金属磁记忆检测技术在监督在役火力发电机组中的应用

金属磁记忆检测技术能检测金属件的应力分布状态,据此来判断被测件是否能被继续使用。采用该技术对在役火力发电机组中的高温联箱管座角焊缝、穿顶棚密封焊缝和汽轮机叶片等构件实施了检测,达到了预期的检测效果。