润滑油中磨损颗粒在线监测传感器研究进展*

油液监测是判断设备健康状况和提供设备故障隐患预警的有效方法。综述了用于监测润滑油中磨损颗粒的最新各类在线传感器的基本原理,包括批量磁吸附式传感器、微流体电容传感器、金属扫描传感器、双层平面线圈传感器、超声波传感器和光学传感器等,并讨论各种传感方法的优缺点以及未来发展面临的挑战;指出了高通量、高灵敏度、能区别金属与非金属磨粒、可采集磨粒图像信息的集成式传感器是未来研究的重点,集成式、智能化、无线传输的传感器是未来研发方向。     

专家模糊控制的氩氧精炼炉口喷溅抑制系统研究

低碳铬铁冶炼过程中由于物料反应不均衡,会导致喷溅的发生,这不仅会导致设备的损坏,严重可能会导致人员的伤亡。为了降低喷溅发生率,根据所采集的不同工况炉口火焰图像进行图像预处理,同时结合专家系统分析,从而抑制喷溅的发生。通过对AOD炉正常工作和三种不正常工作状态的炉口火焰进行检测、预处理、特征提取等技术分析,实现专家系统模糊控制技术,并对不同图像灰度值分别进行氧气、氮气、氧枪高度、泡沫抑制剂的控制,使AOD炉控制在正常冶炼的范围内,从而达到冶炼过程中喷溅抑制的自动控制。     

化工用纸塑编织制品发展分析

随着时代的变迁和科技的高速发展,各行各业对编织袋的需求与日俱增,导致编织袋对环境的污染日益严重,引起了社会广泛关注。文章主要对塑料包装领域普遍使用的几类编织袋生产和回收进行介绍,对纸塑等多种材质复合袋被全塑编织袋取代的重要性及发展进行分析,以期在工业以及农业生产中全面推广全塑型包装编织袋的使用,从而使生产企业更好地服务于我国国民经济健康持续发展,为生态环境的改善做出贡献。     

新型无机内保温涂层的性能及应用

根据水泥烧成热耗的组成，降低高温设备表面散热是降低水泥烧成热耗的重要途径之一，而减少高温窑炉墙壁的热传导可有效降低设备的表面散热。本文在介绍无机内保温涂层隔热原理的基础上，对保温涂层的应用效果进行了对比研究，通过在传统耐火隔热材料的基础上增加新型无机内保温涂层，可有效降低高温设备外表面温度，减少水泥生产中的散热损失，达到节能降耗的目的。     

速凝橡胶沥青与高分子自粘胶膜复合防水体系在地铁工程中的应用

速凝橡胶沥青材料与高分子自粘胶膜复合防水体系是一种新的地铁防水体系,该体系对喷射混凝土基层的开裂与变形有较好的适应能力,当复合防水体系损坏后具有自愈能力,可为地铁工程的耐久性提供保障.该体系用于北京地铁某车站工程中,使防水体系与混凝土结构形成了高效的"皮肤式"粘结效果.     

资讯

ITMA 2023的展位申请已于3月3日开放国际纺织机械展览会(ITMA 2023)是全球最大的纺织和服装技术与装备展览会,将于2023年6月8—14日在米兰RHO展览馆举行。其展位申请已于3月3日开放,产品索引品类加入了复合技术,增至20类。尽管现在全球范围内新冠肺炎疫情仍在持续,但参展商及观众仍对即将举办的ITMA 2023抱有极大热情。     

碳纤维连续抽油杆夹持技术

碳纤维连续抽油杆(简称碳纤维杆)具有质量轻、抗拉强度高和抗腐蚀性强等优点,用于深井、超深井和腐蚀性油井可大大降低能耗、提高采油效率,但是由于碳纤维杆的抗剪能力差、表面摩擦因数低,已有的碳纤维杆夹持系统提升力不足、伤杆断杆等问题突出,大大影响了碳纤维杆技术的推广应用。为了解决碳纤维杆的夹持难题,开展了碳纤维杆的基础性能评价、夹持摩擦副材料开发、表面结构及介质影响配套夹持系统试验等方面的研究工作。通过试验对比研究,优选了碳纤维杆的夹持摩擦副材料和夹持表面结构形式,提高了对碳纤维杆夹持的提升力和可靠性;结合碳纤维杆作业机注入头夹持系统非对称运动的特性,优化了夹持块的结构,并对夹持块切入角部位采用软合金材料,解决了碳纤维杆夹持时存在的错位夹持块弯折咬杆和注入头运转时的切入角磕碰伤杆问题。配套作业机注入头形成的碳纤维杆无损伤夹持技术,为碳纤维杆技术在油田的推广应用奠定了基础。     

BS960E高强钢激光-电弧复合焊接头氢脆行为研究

氢脆具有很强的微观组织敏感性,威胁着各类高强结构材料的安全服役.采用激光-电弧复合焊工艺对BS960E型高强钢进行焊接,并对接头在原位电化学充氢的条件下进行慢应变速率(10-5s-1)拉伸试验,结合微观组织和断裂特征进行分析并对接头的氢脆行为进行研究.结果 表明,焊接热循环所形成的富马氏体中的细晶区可以使接头表现出一定的氢脆敏感性,马氏体较大的氢扩散系数和较低的氢溶解度以及氢在晶界上的快速扩散是引起接头对氢脆敏感的主要原因,通过控制焊接工艺参数可抑制焊接热循环所引起的马氏体转变量,能够降低BS960E型高强钢激光-电弧复合焊接头的氢脆敏感性.     

基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型

刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.