排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
试验水头和空化系数对混流式水轮机尾水管压力脉动影响的试验研究 总被引:1,自引:0,他引:1
本文通过试验方法研究了模型试验水头和空化系数对混流式水轮机为尾水管压力脉动的影响。首先在混流式水轮机6个典型运行工况,即空载、低部分负荷(叶道涡)、部分负荷、最优工况、额定工况和超负荷工况进行变水头和变空化系数试验。试验结果表明在试验范围内,水头对混流式水轮机尾水管压力脉动幅值影响较小;而在一定范围内,空化系数对混流式水轮机尾水管压力脉动有较大影响。通过对部分负荷和超负荷工况幅值和频率分析发现,空化系数不仅对混流式水轮机尾水管压力脉动幅值有较大影响,对其频率分布也有较大影响。最后比较了以转轮中心线为空化基准面的压力脉动试验结果和以锥管中心线为空化基准面的压力脉动试验结果。研究表明,以转轮中心线为空化基准面进行压力脉动试验比较合理,故进行混流式水轮机压力脉动相似性研究时,需考虑空化系数的差异和空化基准面的选择。 相似文献
2.
3.
中国水科院水力机械研发平台是以建设水力机械新模型试验台为核心,结合CFD数值模拟技术的开发和应用,利用现代计算机技术和测试技术搭建的研究开发平台。该平台的建设在同台对比试验、贯流式水轮机力矩测试、浑水浓度及水头测量、固液两相流CFD数值模拟及磨损预估等方面提出了创新的方法及技术,使试验台试验能力和测试精度均达国际领先水平。通过该平台,开发和设计出一大批优秀的水力机械模型转轮、抗磨材料和稳定性技术,广泛应用于水利、水电的建设与改造中,并进行了三峡右岸、溪洛渡、向家坝等巨型水电站的水轮机及江苏溧阳抽水蓄能电站、浙江仙居抽水蓄能电站的水泵水轮机同台对比试验,为锦屏一级水电站、土耳其OBRUK水电站、老挝南立水电站等国内外十几个大、中型水电站的水轮机和水泵水轮机进行了模型验收,推动了水轮机、水泵水轮机性能水平的提高和水力机械模型测试技术的进步。 相似文献
4.
针对活动导叶开度对水泵水轮机泵工况导叶区流场和模型性能的影响,在高精度模型通用试验台上对一低比转速模型水泵水轮机导叶区的流场运用粒子图像测速(PIV)系统进行了测量。测量结果显示,同一开度下随着流量减小,无叶区内的流速出现增大的趋势;同一流量随着开度的减小,导叶前流速明显增大,模型效率下降。模型试验在转轮无空化条件下进行,但在8 mm开度83%最优流量工况,由于流速高、冲角大,造成位于高压侧的导叶头部发生了明显的绕流空化现象,并引起了固定导叶流道宽频带的压力脉动。研究成果可为水泵水轮机的优化设计和安全稳定运行提供试验依据。 相似文献
6.
水轮机模型压力脉动测试与幅值取值方法的研究 总被引:1,自引:0,他引:1
如何在水轮机模型上准确测试压力脉动和对压力脉动幅值取值是水力机械行业十分关注的问题之一.以往采用传统的压力脉动测试方法,如磁带记录仪记录法,存在人为因素影响较大、准确性较低等问题.为此,尝试了以计算机为中心的模块化方式对压力脉动进行数据采集、分析和研究,从而加快了试验速度,提高了试验的准确性.根据国际验收试验中通常采用97%置信度对压力脉动混频幅值取值的方法,开发出采用该方法取值的计算机计算软件,全部取点的概率计算及幅值取值均由计算机完成.实例证明,这种取值方法具有一定的科学性和准确性. 相似文献
7.
JF205系列混流式水轮机模型是中国水利水电科学研究院水力机电研究所新近开发的,适用于150~200m水头段.在试验中,首先对蜗壳、固定导叶与活动导叶、尾水管、转轮等通流部件进行了设计与加工.试验内容有效率试验、空化试验、水压脉动试验、飞逸试验等.通过将试验成果与我国中小型混流式水轮机转轮系列型谱中的相应转轮进行比较可看出,JF205系列水轮机模型具有高效区范围宽、空化性能好、最大单位飞逸转速低等优点,部分转轮的模型最优效率在国内首次突破94%大关. 相似文献
8.
9.
基于可调谐二极管激光吸收光谱(tunable diode laser absorption spectroscopy,TDLAS)技术,设计了炉内多燃烧场参数(温度,CO、CO2和NO浓度等)同时在线监测技术方案,包括一维燃烧参数监测系统和多维燃烧参数监测系统。在一维燃烧参数监测系统中,引入光开关技术实现多个燃烧参数的同时测量。在二维燃烧参数监测系统中,引入分光器技术和代数迭代算法(algebraic reconstruction technique,ART)实现平面内二维燃烧参数的反演和测量。在此基础上,设计了三维燃烧参数监测系统,三维燃烧参数测量步骤为:先将炉内燃烧区域划分为多层二维切片;再基于ART法重建二维燃烧参数;最后基于多层二维燃烧参数数据重构三维燃烧参数。本文所设计的炉内燃烧场参数监测系统有利于未来锅炉精细化调整。 相似文献
10.
基于主动学习的标签噪声清洗方法(Active label noise cleaning,ALNC)是一种通过主动学习筛选疑似噪声样本,进而交给人工专家进行再标记的标签噪声清洗方法.虽然该方法既有很好的噪声识别效果又能保持原有数据的完整性,但仍存在人工额外标记代价较高的问题,即筛选出的疑似噪声样本中存在一定比例的正常样本... 相似文献