基于PolyWorks虚拟装配间隙面差计算分析研究

随着当今社会汽车制造业的迅猛发展,高标准和高需求已经是消费者对汽车制造凯歌的主旋律。而这其中,汽车钣金件的间隙面差就是其中一个重要因素。快速检测间隙面差是否满足设计要求直接关系到汽车白车身的生产精度和企业的工作效率。传统计算间隙面差大多利用量具,易划伤被测物且在零件实际装配后才可测量,降低生产效率,而非接触测量造价昂贵。本课题基于实物的汽车钣金件虚拟装配,对间隙面差的计算方法进行分类与参数调整,提出一种高效率、高标准的间隙面差计算流程。     

对大中型钢结构企业生产管理体系的研究分析

以某大型钢结构制造企业为例,通过对产量分布、质量控制、劳动效率等基本数据的分析,研判外协生产管理体系方面存在的问题,从组织形态、管理模式、职能管理等多个维度提出了可行性建议,可为同类型钢结构制造企业提供经验借鉴。     

某汽修厂及停车场搬迁原场地土壤和地下水环境调查研究

基于对某汽修厂和停车场搬迁遗留场地是否可以变更为商业服务业及商务办公综合用地的关注,通过该地块的生产历史及第一阶段场地调查,确定在场内外共布设12个土壤采样点,7个地下水采样点。检测结果显示土壤中检出的有机物和重金属均低于标准值;地下水中检出的污染因子中,铅、镍和总石油烃超出标准限值,需进一步启动详细调查和健康风险评估工作;对汽修厂和停车场的场地中,特征污染物除了总石油烃外,还有重金属铅、镍等。     

医院电力安全技术措施的探索与研究

近年来,在建设健康中国背景下,各地不断开展医院改扩建和新建项目,构建医院信息化数字化系统、医院各种智能化控制系统和网络化服务系统,并呈现出快速发展的趋势。医院现代化建设的大幅度提速,在极大提高医疗救治水平的同时,也增加和引进了先进的医疗设备,这对医院电力系统的供电负荷和安全稳定都提出了更高的需求。分析了医院电力安全保障的需求,提出了医院电力安全建设的具体技术措施,旨在为病患、医护人员及医院大型设备建立起一个友好、安全的系统环境提供参考和借鉴。     

基于Visual MODFLOW的煤层底板突水量预测研究

随着我国东部矿区煤层开采水平不断向深部拓展,底板奥灰水突水事故时有发生,往往造成严重的人员伤亡和财产损失。为准确预测煤层底板突水量,以新安煤矿为例,在概化该矿水文地质条件的基础上,建立了底板奥灰水渗流运动基本微分方程并采用有限差分法进行求解,利用Visual MODFLOW软件实现了该渗流运动的三维可视化数值模拟,结合2011年3月至2012年2月一个水文年的实际水位观测值对该模型的模拟水位进行验证和校核,依据该模型模拟水位值采用水均衡法计算得出底板突水危险区域的奥灰水量,即为突水量预测值。研究结果表明:该模型的模拟水位最大误差小于11%,一般4%左右;应用该模型模拟水位值计算危险区域突水量为1 150 m~3/h,与1995年该区域发生的特大奥灰突水事故平均突水量1 244.3 m~3/h接近,预测结果真实可靠。     

基于时间序列神经网络的蒸汽发生器传热管泄漏程度诊断研究

针对蒸汽发生器U形传热管泄漏，本文提出了一种基于时间序列神经网络对蒸汽发生器传热管泄漏程度进行诊断研究的方法。首先，对核电厂蒸汽发生器U型传热管泄漏进行机理分析，构建其数学模型，提取其泄漏的直接特征参数，再依据Fisher得分法，提取其间接特征参数；其次，通过滑动时间窗口法从预处理后的时间序列数据中生成数据样本，作为时间序列神经网络的输入，并以蒸汽发生器U形传热管泄漏程度信息为标注，基于反向传播（BP）算法对五层神经网络系统进行训练，得到蒸汽发生器U形传热管泄漏的时间序列神经网络模型；最后，模拟核电厂运行过程蒸汽发生器U形传热管泄漏时的时间序列测试数据。仿真结果表明，时间序列神经网络对演变事件的处理具有较好的有效性和较高的泛化能力，对故障程度的诊断研究具有参考价值。      

多类型特征量的油水两相流流型识别算法

本文以收敛型微通道中油水两相流的流型识别为对象,将高速摄像法与神经网络算法相结合,提出了高效的、可视化的、智能化的两相流流型识别方法。该方法采用了包含图像纹理参数和流型无量纲参数的多类型特征量,更精准区分6种流型的不同特点,流型识别的收敛速度和准确率更高。BP神经网络的识别率为92. 5%,Elman神经网络的识别率为93. 7%,Elman神经网络在收敛速度与准确率方面优于BP神经网络。