基于视觉识别的反应进程智能调控系统及其在溴素生产中的应用

针对溴素生产传统的人工观察蒸馏塔塔顶与塔底玻璃管的颜色,或者观察四氟塔蒸馏废液颜色,受环境光线和工人经验影响较大且无法精确控制,导致氯气过量或不足以及产品品质不稳定的问题,将智能视觉技术应用于溴素生产工艺,提出基于工业视觉的颜色智能识别系统,将生产工艺流程的颜色指标实时转换成数字指标,结合自主开发控制算法,实现工艺进程的量化计量,并通过控制算法实现现场情况的预判和精确控制,消除人工调控的随意性和滞后性,实现投料阀门的自动控制,提升装置产能的同时稳定产品质量,将溴素蒸馏工艺废液溴含量维持在0.13 kg/m3以下,溴成品氯含量全部稳定在0.01%以内,保证产品100%处于优级水平。     

管桁架焊缝质量检测机器人结构与越障稳定性研究

管桁架焊缝质量检测机器人是一种在高空管桁架上采集焊缝信息,并对焊缝质量进行适时检测的机器人,它的越障稳定性是其安全可靠工作的关键.设计了一款能在管桁架上行走、越障,且适应管径变化的机器人系统;分别对沿竖直钢管爬升、周向旋转和越障状态下的驱动轮进行受力分析,初选了关键动作驱动电机参数;利用ADAMS平台进行翻转机构的运动学仿真,发现翻转角速度可影响机器人的工作效率和稳定性,以工作损失效能最小为目标优化翻转角速度,通过数据拟合和多次迭代求得最优翻转角速度;开展了样机稳定性试验,以测量不同翻转角速度下机器人的滑移量.分析和试验结果表明:翻转角速度为0.445 rad/s时,工作损失效能最小,且越障稳定性好;翻转角速度达0.785 rad/s时,出现滑落现象;样机稳定性试验与运动学仿真结果一致.     

计量收费后热网运行的特点及控制策略

随着热计量改革的进展,传统供热系统运行模式已经越来越不适用。本文介绍了在新的条件下,装配温控阀前后系统的特性变化,指出了与温控阀正确配备的控制设备;以及相应的热网运行特点和控制策略。     

混凝土强度等级与养护方式对软化系数的影响

通过将不同强度等级的混凝土试件在自然养护、标准养护及蒸汽养护的方式下进行养护,测定龄期为28 d的混凝土试件的抗压强度,进而对不同强度等级的混凝土试件及不同养护方式的混凝土试件的软化系数进行分析。研究发现,混凝土的软化系数与混凝土的强度等级和养护方式有一定的关系,较高强度混凝土在蒸汽养护的方式下其软化系数最大,中等强度混凝土在自然养护的方式下其软化系数最大,对于较低强度混凝土,其软化系数在标准养护下达到最大。     

病态理论在捷联惯性导航粗对准中的应用

针对捷联惯性导航系统粗对准算法中存在共线性的问题,通过分析基于重力矢量信息的双矢量定姿对准算法中系数矩阵的病态性。利用病态矩阵理论中条件数方法对该问题进行分析研究,确定对准时间对共线性问题的影响,并以实例进行仿真计算。仿真结果表明,1 min后共线性问题可以忽略,可解决传统解析粗对准中的角运动干扰问题。     

基于DeST的忻州市某农村住宅节能改造分析

运用DeST能耗模拟软件,建立山西省忻州市某农村住宅建筑模型,结合实际使用情况设置相应人员、设备等热扰,计算出全年累计热负荷;通过对该住宅进行节能改造,在人员、设备等热扰不变的情况下,计算出改造后的全年累计热负荷;对住宅节能改造前后进行经济性分析,得出节能改造对农村住宅节能具有重要意义。     

集团军侦察装备生存能力分析

集团军侦察装备的生存能力选用侦察雷达的生存率表征.并采用资料统计与简化计算相结合,求取集团军侦察装备的生存能力.其分析涉及电子干扰因素、雷达再生及对抗条件等问题,通过计算敌机威胁率、确定敌机突防率、确定我侦察雷达被发现概率及其它受损率等步骤建立数学模型,再计算出雷达的生存率.     

基于ATLAS语言的某指示器自动测试程序设计

ATLAS语言的广泛应用在于其以信号为基础,面向测试对象,独立于测试设备等特点,是测试领域通用的用于编写测试程序和描述测试需求的语言.详细介绍了系统的设计过程,利用VC+ +6.0软件编写某指示器的自动测试程序,对该指示器磁航向系统航向精度进行测试并通过ATLAS语言来实现,最后通过GPTS3.0通用自动测试平台和ATLAS语言来实现测试环境搭建及测试结果输出.测试结果表明,基于ATLAS语言的某指示器自动测试程序可以成功得到预期的测试结果.     

基于Hilbert边际谱和IPSO-SVDD的滚动轴承故障诊断

滚动轴承是旋转机械状态监控及故障诊断的重要研究内容。为了更加高效的对轴承故障位置及故障程度进行诊断,提出了一种基于Hilbert边际谱和改进粒子群算法(IPSO)优化支持向量数据描述(SVDD)相结合的滚动轴承故障诊断方法。该方法首先求取轴承振动信号的本征模态函数,在此基础上得到信号的边际谱以及信号的AR模型参数,积分求取边际谱的能量特征函数和AR模型参数相结合构成系统特征向量。然后针对传统网格搜索法或凭经验确定SVDD核心参数的缺点,提出利用基于动态因子的粒子群算法对SVDD的核心参数惩罚常数C及核函数宽度σ进行优化,利用优化后的SVDD模型对滚动轴承各状态信号进行智能诊断。人工数据集及真实数据集实验结果表明,该方法可以有效识别各故障状态信号,并且优化后模型的诊断效率及诊断精度高于传统网格搜索法确定的模型。