基于深度信念网络的凝汽式汽轮机效率衰退研究

为实现凝汽式汽轮机的效率衰退研究,避开了传统研究方法中针对排汽焓的计算或预测,通过对汽轮机做功原理的分析,提出了汽轮机效率基准期和汽轮机效率衰退指标2个概念。利用机组历史数据,采用深度信念网络建立了汽轮机效率基准期模型。通过滑动区间的极差限定法对初始数据进行了稳态筛选,并将初始数据与稳态数据相结合实现了模型的训练。通过将汽轮机实时输出功率与基准期模型的理想输出功率的对比,得到了实时汽轮机效率相对基准期的退化程度。应用结果表明:汽轮机效率衰退指标在大修前的螺旋式下降趋势,与汽轮机性能随时间的缓慢下降相吻合;大修后汽轮机效率衰退指标的快速升高,与汽轮机大修后机组通流能力的提升相吻合。该方法可以有效表征汽轮机的效率变化趋势,对电厂人员实时了解汽轮机的经济性提供了有效的参考。     

焦作煤田煤层气富集的控制因素

焦作煤田蕴藏着丰富的煤层气资源,因受煤层气的生成、运移、储藏、盖层等条件的制约,各井田、区块富集成藏也存在较大差异。深入研究了该地区影响煤田煤层气富集和分布的因素,即煤层埋深特别是基岩埋深、断裂构造、水文地质条件、煤层顶底板岩性的组合关系以及煤化程度,并提出了焦作煤田煤层气资源富集规律,以及有利于煤层气保存的地质条件,为焦作煤田煤层气的勘查与开发提供了理论依据。     

微合金钢连铸坯角横裂的研究进展

针对微合金钢连铸生产过程中铸坯出现的角部横裂纹缺陷,从其产生原因、影响因素及解决方法等方面进行阐述。介绍了角横裂产生于结晶器内,并进一步扩展于二冷区。分析了连铸过程中的应力、热塑性、结晶器锥度和二次冷却模式等因素对微合金钢连铸坯角横裂的影响。总结了目前解决角横裂的几种方法。重点介绍了连铸微合金钢的脆化机制、微观组织和微合金元素对连铸坯热塑性的影响。最后对微合金钢连铸坯角横裂新的解决方法进行了展望。     

一种NAND Flash坏块管理优化方法的实现

由于高速数据采集系统中数据传输的高速性,系统后端需要保证高速的数据存储速度。在基于 NAND Flash的存储系统中,提出了一种以页为单元跳过和替换坏块的 NAND Flash坏块管理方法。与传统的以块为单位处理坏块的方法不同,此方法保证了不会因为坏块的出现而大幅降低写入速度,提高了 Flash 存储资源的利用率,并且降低了缓存资源的占用。此设计应用在一个基于 FPGA 的高速数据采集系统中,测试表明该方法能够正确处理NAND Flash的相关坏块问题,在坏块出现时使存储的瞬时速度几乎保持不变,并且具有较高的稳定性。     

温曲率精密测量技术及自动化装置的研制

根据相关国家检测标准要求,以光栅位移传感器为基础,设计了自动金属复合材料精密测量装置.实现了对金属复合材料温曲率的自动测量,通过RS-232接口实时传输数据到计算机,并分析、处理检测结果和自动生成检测报表.测试结果表明温曲率准确度达到4μm.     

薄板坯连铸浸入式三孔水口热流耦合数值模拟

通过质量方程、运动方程和能量方程,利用热流耦合方法建立薄板坯连铸三孔水口温度场和流场数值模型,对内部钢液的速度场和温度场进行耦合研究,分析连铸过程三孔水口流场和温度场的基本特征,讨论流场与温度场分布对铸坯品质的影响.同时研究了浸入水口浸入深度与拉坯速度对其形态的影响,结果发现,由于模截面上两个回流以及向下出孔的存在,不同于两孔水口,形成两个先期凝固点和三个后期凝固点,为优化结晶器内钢液流场,优化浇注参数设计提供理论依据.     

基于分类算法的汽动给水泵组故障预测

汽动给水泵组是火电厂热力系统的重要辅助设备,对汽动给水泵组有效的故障预测有助于其状态检修。本文通过基于统计特征的特征提取方法及Relief特征选择算法,实现厂级监控信息系统历史数据到分类模型输入参数的合理转化,并采用5种分类算法分别针对2个电厂汽动给水泵组的小机叶片断裂和给水泵动、静平衡盘碰磨实际故障案例,建立了正常与故障状态的分类模型。实际数据验证表明:BP神经网络、支持向量机和组合分类算法分类效果更优,可提前4～10周识别设备故障的潜在风险,该结果为其他设备故障预测提供了新的思路。     

连铸板坯宏观偏析特性

应用金属原位分析仪,对铸坯的成分偏析状况进行了分析.铸坯试样为120 mm中等厚度连铸坯.分析结果发现:铸坯中心偏析成岛状出现在中心线附近,且彼此孤立,中心成分起伏波动大,最大偏析一般在中心位置;正偏析元素(k＜1)在整个中心等轴枝晶区域内含量均比较高(即偏析值较大);柱状晶组织向等轴状晶的过渡区为严重偏析的高发区域.     

基于LabVIEW的零件尺寸测量系统

本文利用NI公司的图像采集卡，在LabVIEW平台下开发了零件尺寸测量系统。通过对此系统的实验研究，证明系统具有较高精度。     

基于自适应低秩稀疏分解的超声缺陷回波检测方法

超声无损探伤在金属材料微小缺陷检测中有着广泛的应用,但采集的回波信号通常受到噪声干扰甚至完全被噪声掩盖,为了辨别被噪声干扰的缺陷反射信号,提出了一种基于自适应低秩矩阵分解的超声缺陷回波检测方法。首先对原信号进行短时傅里叶变换并提取幅度谱和相位谱,引入基于误差重建的背景矩阵秩估计方法,用于估计低秩稀疏分解所需的低秩度参数。然后通过低秩稀疏分解将幅度谱分解为低秩、稀疏和噪声三部分,舍弃噪声部分。最后使用时频掩蔽分离出缺陷信号幅度谱并运用逆短时傅里叶变换获得回波信号。应用本文提出的方法分别对仿真和实测信号进行处理,结果表明本方法在缺陷回波检测方面是有效的。