流体粘度对涡轮流量计计量特性影响研究

固井泥浆流量计是应用在油田固井工程中进行泥浆流量计量的仪器,属于切向式涡轮流量计。为探究流体条件对其计量特性的影响机理,首先建立流量计叶轮驱动力矩和阻力矩的数学模型,在此基础上建立仪表系数K的模型,并发现流体粘度是影响因素之一。其次,考虑到实际固井作业中,粘度对仪表计量特性的影响规律较为复杂,因此使用有限元分析软件,建立6DOF叶轮被动旋转流体仿真计算模型,对多种流体粘度35、45、55、65、75 mPa·s条件下的流场特性以及仪表系数特性进行仿真分析,总结粘度变化对流量计计量特性的影响规律。最后通过实际采集的固井测量数据和仿真数据进行比较,平均误差为1.38%,验证了建立的仿真模型的有效性。     

基于特征的CAD系统设计

根据CAD／CAM集成化的要求,提出在现有的几何造型CAD系统环境下建立零件的特征模型,并介绍了所开发的基于特征的轴类零件CAD系统,该造型系统可以满足CAD／CAPP／CAM集成需要,为解决CIMS环境下CAD／CAPP／CAM集成探索了一条新路。     

铣削螺杆钻具转子有限元模态分析

为了分析螺杆钻具中转子的动态特性,对螺杆钻具中转子进行模态分析十分必要。以某型螺杆转子为研究对象,建立螺杆转子的三维模型,通过有限元分析软件对不同加工长度的螺杆转子进行模态分析。根据实际加工情况,将螺杆转子设置为一端固定的悬臂结构,进而计算螺杆转子的固有频率及对应的模态振型,此研究对振动特性分析具有重要的意义。     

数控机床直线进给轴温度测点优化研究

为分析数控机床直线进给系统的温度场,需要布置一定数量的温度测点来进行温度数据的采集。然而,测点的位置和数目都会对研究结果产生直接影响。为实现准确布置温度测点,文章提出一种基于统计学理论进行改进的Canopy-FCM-GRA温度测点优化模型。以某数控机床X向直线进给轴为例,首先根据测得的实验数据确定预聚类数,然后通过模糊矩阵和灰色关联度系数筛选出相应的温度敏感点,最后基于SVR理论分别建立温度测点优化前和优化后的温度-热误差预测模型,通过比较两个模型精度来验证温度测点优化的有效性。结果表明,温度测点优化效果良好,通过优化后的测温点可准确探究进给系统的热特性。     

磁悬浮驱动式无油涡旋压缩机驱动力分析

为了解决无油涡旋压缩机的润滑问题,提出一种磁悬浮驱动式无油涡旋压缩机。基于涡旋压缩机的力学理论,充分考虑到无油涡旋压缩机工作时的实际状况,结合磁悬浮技术,设计出一种可以避免使用轴承和防自转装置的无油涡旋压缩机。通过数值计算软件对磁悬浮驱动式无油涡旋压缩机的动涡盘进行受力计算,详细分析了涡旋齿节距不同情况下动涡盘在不同转角下的受力;利用有限元分析软件对无油涡旋压缩机提供驱动力的E-I型电磁铁、U-I型电磁铁和U-U型电磁铁在不同气隙下的吸引力进行有限元仿真,并做了对比说明;最后把涡旋压缩机的受力与U-I型电磁铁的驱动力进行有效比较。结果表明:该新型涡旋压缩机在理论上是完全可以实现其正常工作,且有效避免了轴承与防自转装置的使用,同时还兼具了磁悬浮技术低磨损、无污染等特点。     

基于CNN-GRU组合神经网络的数控机床进给系统热误差研究

热变形引起的误差是影响数控机床精度的主要因素之一。为了减小热误差对数控机床精度的影响,提出一种基于CNN-GRU组合神经网络的热误差预测方法。通过热误差实验,采集螺旋曲面专用数控机床直线进给系统的温升数据和热误差数据;利用模糊C均值聚类和灰色关联度分析筛选进给系统温度敏感点;以温度敏感点的温升数据和进给系统热误差为数据样本,建立CNN-GRU热误差预测模型。为验证模型的准确性和实用性,与基于CNN-LSTM和基于LSTM的传统热误差预测模型进行预测对比分析,结果表明CNN-GRU模型预测结果的平均绝对误差、均方根误差和决定系数均优于CNN-LSTM模型和LSTM模型,具有较高的预测精度和鲁棒性。提供的热误差模型可为后续误差补偿奠定基础,为数控机床的热误差预测提供思路。     

基于改进神经网络算法的螺杆砂带磨削表面粗糙度预测研究

目的 探究工艺参数对螺杆转子砂带磨削表面质量的影响规律.方法 采用工件轴向进给速度为100～300 mm/min、砂带线速度为4.4～13.1 m/s、砂带张紧压力为0.2～0.3 MPa、磨削压力为0.4～0.5 MPa、砂带粒度为120～800目的工艺参数进行螺杆转子砂带磨削正交实验,基于改进的神经网络算法,建立螺...     

螺杆转子盘铣刀铣削表面粗糙度预测

螺杆转子主要应用在压缩机、螺杆泵等设备中,其表面质量对使用性能及工作寿命起到关键性作用。工艺参数为影响螺杆转子表面粗糙度的主要因素之一。为了探究工艺参数对螺旋曲面铣削表面质量的影响规律,设计转子铣削实验,获取预测及实验对比样本。利用改进的北方苍鹰搜索算法(INGO)对BP神经网络的初始权值和阈值进行优化,以便提高铣削后的多头螺杆转子表面粗糙度的预测精度。通过实验结果验证所提出算法的预测精度。结果表明,提出的预测模型在平均训练精度及预测精度等方面均优于GRU神经网络及CNN-GRU神经网络模型,其中平均训练精度及预测精度分别约为94.502%和95.523%。故提出的算法具有较高的预测精度,可为合理选择螺杆转子铣削加工的工艺参数提供理论依据。     

基于响应面法的分级注水泥器结构优化

分级注水泥器在实际使用过程中结构刚度不能完全达到固井需求，经常由于结构变形造成循环孔打开或关闭失败。为此，采用响应面优化方法对分级注水泥器本体和滑套的5个关键尺寸参数进行改进，以达到提高结构刚度的目的。优化结果表明：采用拉丁超立方试验设计法的计算结果拟合出滑套最大变形量与质量，本体总变形、径向变形及质量的响应曲面；根据拟合的响应面，通过多目标遗传算法预测出滑套和本体设计变量的最优参数组合，并进一步构建了相应的优化模型；通过对滑套及本体进行热流固耦合分析可得，优化后滑套最大变形量减少了47.3%,本体最大总变形量减少了32.0%,本体最大径向变形量减少了62.7%。所得结论可为分级注水泥器设计提供理论参考。