坚持不断创新 提供优良服务

深圳市科立讯数据技术有限公司坐落在广东省深圳市南山区软件园,是一家自主研发、生产和销售各类无线电监测和管制设备的行业方案供应商。本着创新、求实、谋发展的宗旨,公司以"让客户享受良好的人性化产品体验,成为最值得客户长期信赖的企业"为使命,不断为无线电管理机构提供良好的产品与服务。公司自2007年成立之初,就一直把提升产品质量与技术服务作为立足之本,同时强调技术创新,注重未来发展,主动响应市场变化。     

基于有限元的低成本塔桅设计及承载能力分析

为研究铁塔公司发布的最新《低成本铁塔标准图集V1.0》的共享改造能力,文章选取了单斜撑三管塔0.65 kN/m2基本风压下的系列塔图,从各塔段的主管应力比和塔顶位移角两个角度,考虑新增天线设备、馈线、爬梯荷载,以及天线设备之间的相互遮挡,利用有限元软件SAP2000对每种塔型进行了常规设计分析和改造增载后的研究分析.由分析结果可知,每种塔型均有可共享改造能力,且随着塔身高度的增加,共享改造的能力逐渐降低.     

公路交通荷载作用下场地微振动响应分析

随着高科技电子产业的快速发展，公路交通荷载对电子厂房精密设备的微振动影响引起人们的广泛关注。为研究交通荷载以不同行驶状态在道路行驶对场地振动响应的影响，对上海某一工业园区进行满载卡车以不同行驶状态通过时引起的场地振动响应测试与分析。研究发现：改变卡车编队方式引起的场地振动响应自大到小依次为串行、并行、单车行驶；卡车行驶速度越快，引起的场地振动响应越大，衰减速度越快；改变卡车行驶方式，匀速行驶引起的场地振动响应大于制动行驶。     

电力杆塔地脚螺栓的防腐处理研究

电力杆塔地脚螺栓是杆塔基础的重要组成部分,起着稳固杆塔的作用.随着电力基建的大规模开展,电力杆塔数量也日渐增加,而绝大多数电力杆塔均运行在复杂的野外环境之中,容易导致各类的腐蚀问题.地脚螺栓也因此经常处于各种恶劣环境中,引起的腐蚀问题将严重影响杆塔的安全使用.本文在分析电力杆塔地脚螺栓防腐处理现状的基础上,对地脚螺栓常见的腐蚀原因进行研究,并探讨了几种防腐处理措施,对实际防腐工作有一定指导意义.     

基于大数据深度学习的输电塔结构抗风易损性评估

为了有效预测输电网系统在强风作用下的响应，并开展高效精准的性能评估，文章提出了基于深度学习模型的风致易损性评估框架。以某具备健康监测系统的输电塔结构为例，首先对监测数据进行清洗和重构，通过大数据深度学习建立荷载输入和响应输出的等效映射模型，然后通过数值模拟生成灾害强度均匀的风场数据并由深度学习模型预测输电塔关键杆件响应，计算不同性能水准的易损性曲线。研究结果表明，经训练的深度学习模型可以涵盖实际工程中存在的各类不确定性因素，有效映射复杂风环境下输电塔结构的动力响应。提出的框架方法可以避免单纯通过数值模型制备大量动态响应数据，更高效地进行输电网系统风致易损性评估。     

悬浮抱杆组塔无线监测系统的设计与应用

抱杆系统是悬浮式内拉线抱杆分解组塔施工安全的决定性影响因素，但由于其受力复杂且难以实时感知，造成铁塔组立施工难度过大甚至产生事故。为此，结合当前发展的无线物联技术，提出了一种基于无线传感器网络的悬浮抱杆组塔无线监测系统。通过对悬浮式内拉线抱杆分解组塔工艺的分析，获取了抱杆系统的安全薄弱点，从而明确了系统功能原理与模块组成。针对抱杆及其拉线系统的受力、倾角、风速、高度、距离等数据特点，选择相应传感器进行实时数据监测与采集；并针对监测点分布广、层级多的特点，采用LoRa树型组网模式，形成以上位机为网络总节点的一主多从无线传输方式。系统采用阵列巡检应答通信模式，各信道通过时分进行有序利用，数据延迟控制在ms级以内，并通过临限预警功能将各危险点数值控制在安全范围之内，保证施工全过程的安全稳定。     

平行坐标技术在干式变压器温度场可视化分析中的应用

本文中笔者将平行坐标技术应用于变压器温度场多维可视化分析,以矿用变压器为例,给出了其高、低压绕组纵向温度分布.     

变压器内部故障分析及预防措施研究

变压器是供电系统的关键组成部分,由于变压器的运行方式是不间断运行,因此如何维持变压器的安全运行,杜绝事故的发生,是关系到供电安全的重要任务.本文分析了变压器内部系统的常见故障及其产生的原因,并提出了相应的预防措施.     

立柱加固型框架大楼的爆破拆除

采用定向控制爆破技术拆除立柱加固型7层框架大楼。为了彻底炸毁加固立柱,确保大楼顺利定向倾倒,通过多次爆破试验确定了炸药单耗、布孔参数和装药结构。为了控制大楼塌落时的触地震动,采取了秒差分区爆破、空中解体、铺垫缓冲层和开挖减震沟等技术措施。爆破过程中进行了震动监测。此外还介绍了起爆顺序、安全防护措施及爆破结果。     

基于双目标优化遗传算法和支持向量机的旋转机械退化状态识别

退化特征提取是机械健康状态监测的重要组成部分,伴随旋转机械长时间连续运转,退化特征出现性能波动甚至下降,给退化特征提取和选择造成了困难.首先利用一个特征映射算法库对振动信号提取特征,并基于Kolnogorov-Smirnov (KS)检验和Benjamini-Yekutieli过程对原始特征集进行过滤,然后利用双目标优化遗传算法(Bi-objective Optimization Genetic Algorithm,BOGA)结合支持向量机分类器(Support Vector Classifier,SVC),在有监督的环境下搜索出最佳特征子集,其中BOGA设置了SVC分类精确度和特征子集维数两个目标函数,前者进行最大化,后者进行最小化.通过在液压泵退化状态数据集上进行实验和在凯斯西楚大学轴承数据集与FRESH_PCAa、ReliefF、JMIM三种方法进行对比,验证了该方法在退化状态识别上的较好性能.