聚乙烯管材SCG性能评价及寿命预测论述

管材的慢速裂纹萌生和扩展至管材破坏的时间是评价管材使用性能的一项重要指标。随着原材料性能的提高,聚乙烯(PE)管材抗裂纹萌生和耐慢速裂纹扩展的能力大幅提高。优异的PE100 RC管材在FNCT、PENT等实验评价方法下,测评时间均超过15000 h。PE管慢速裂纹评价方法普遍存在实验条件复杂、重复性差等问题,严重制约了PE管材的开发进程。对此,国外学者提出了更简洁快速的评价方法——循环载荷缺口圆棒(CRB)法。文章着重论述了,循环载荷CRB法对管材SCG性能及管材寿命预测的评价,同时,论述了几种管材性能评价方法的相关性。最后,指出了循环载荷CRB方法后续用作其他塑料管评价的研究方向。     

基于循环载荷法评价聚乙烯管材性能的可靠性研究

为研究循环载荷法对加速表征聚乙烯（PE）管材耐慢速裂纹扩展（SCG）性能的可靠性，对5种不同等级的PE管材采用循环载荷缺口圆棒（CRB）试验和全切口拉伸蠕变（FNCT）试验的方法对其耐慢速裂纹扩展性能进行评估，同时对其试验结果进行相关性分析。此外，通过测量PE管材的分子量及其分布、结晶度和片晶厚度等高分子材料参数进一步佐证所选PE管材耐慢速裂纹扩展性能的优劣，进而验证CRB试验方法的可靠性。结果表明，循环载荷CRB试验方法不仅能可靠有效评估PE管材的耐SCG性能，且相比FNCT试验方法，其试验所需时长更短及试验条件要更贴近实际使用工况。     

风力发电机故障预测半物理仿真系统设计

设计了一种利用电信号进行风力发电机故障预测研究的半物理仿真系统,对系统的工作原理、硬件构成以及软件设计方法进行了描述。利用MATLAB仿真和实际数据处理实例,研究了风力发电机在非可控自然风况下快速傅里叶变换和小波变换等传统方法和新的方法处理电功率中非平稳故障信号实现故障预测的可行性和有效性。结果证明在难以获得实际风场数据的情况下,该方法是一种具有实际意义的研究风力发电机故障预测的方法。     

基于小波神经网络的风力发电机故障预测方法

针对风力发电场风力不可控、风况复杂和数据的非平稳性现状,利用风力发电场SCADA大数据,对风力发电机组进行分析,提出一种基于小波分析和神经网络的智能算法,通过分析风力发电机相关故障信号的特征,实现对风力发电机的故障诊断和预测。最后对大熊山风电场2MW 风力发电机组运行数据进行仿真和分析,仿真结果表明,小波神经网络是一种风力发电机故障诊断和预测的有效方法。