核主泵环形压水室内的能量转换特性

为揭示环形压水室内部流动及能量转换规律,提高核主泵的整体水力性能,基于Reynolds时均化N-S方程和RNGk-ε湍流模型,对核主泵缩比模型内部流动进行全三维数值计算,对比分析不同工况下压水室内部流动特征、能量损失以及不同截面动静压能变化规律。结果表明:环形压水室内水力损失随着流量的增加近似呈线性增加,对于压水室损失占总损失的比重,在小流量及设计工况下,呈非线性成倍增加趋势,当流量增大至1.2Q_d时,压水室损失比重变化平缓;在压水室环形流道内静压能比重明显高于动压能,且静压能比重沿流向近似线性减小,动压能比重沿流向线性增大;在不同工况下环形压水室内部流动呈现明显的非轴对称性,由于回流存在导致隔舌附近区域流动复杂,且偏设计工况下回流量要明显大于设计工况下回流量。     

基于Gabor变换和神经网络的可燃气体分析

多种可燃气体分析过程由于学习样本数据与拟合的目标函数复杂,单一BP或RBF神经网络方法难以获得满意精度。将Gabor变换和双层复合神经网络有机结合,提出一种新型的Cabor神经网络司燃气体分析方法。通过Gabor原子变换的强特征提取功能减小输入信号维数,并采用双层复合神经网络对学习样本进行拆分和简化,有效提高了可燃气体辨识的精度。以H_2S、CH_4、H_2、CO 4种可燃气体为典型对象开展了相关的实验研究,实验结果表明,所提出的Gabor神经网络分析方法的平均相对误差小于单一BP神经网络和RBF神经网络,提高了定量分析精度。     

基于信息融合的矿井一氧化碳检测方法的研究

电化学传感器在检测矿井一氧化碳含量时，容易受到矿井中甲烷气体的影响。为了解决这个问题，将催化传感器与电化学传感器构成一体，利用两个传感器的输出信号，经过BP神经网络的训练，得到了一个分析一氧化碳的信息融合数学模型。实验表明，利用研究的信息融合信号处理方法，可以提高一氧化碳含量检测的可靠性。     

基于电子鼻技术的混合气体检测方法研究

对基于常规单一BP神经网络的电子鼻系统进行改进,提出一种基于Gabor原子神经网络的电子鼻系统,并以3种混合气体为实验对象,进行混合气体的定量分析研究.实验结果表明,应用Gabor原子神经网络的电子鼻系统的最大相对误差与单一BP神经网络相比得到减小,大大提高了定量分析精度.     

火灾预警的SVR应用研究

针对传统火灾探测系统对火灾特征信号响应灵敏度均匀性差,而基于神经网络的智能处理方法又存在泛化能力差和过学习等问题.建立了一种基于支持向量回归机(SVR)模式识别方法与传感器阵列相结合火灾预警模型.SVR方法根据统计学习理论中结构风险最小化原则,将气体传感器、烟雾传感器和温度传感器组成的传感器阵列数据进行融合,将复杂的非线性问题转化成了高维平面内的线性问题,克服了传统方法和神经网络方法的缺陷.实验结果表明,使用支持向量回归机的火灾预警模型的预测精度优于神经网络方法,提高了火灾预警系统的可靠性和准确度.     

基于气体传感器阵列的矿井可燃混合气体分析

由于气体传感器的选择性差,交叉敏感严重,单一BP神经网络识别方法存在识别能力低,分析误差较大,在非期望节点有噪声输出等难题,影响气体分析的精度和效果。对基于常规BP神经网络的定量分析方法进行了改进,提出一种双层复合神经网络的气体分析模型,并以矿井中常见的H2S,CO和CH4 3种可燃混合气体为实验对象,进行混合气体的定量分析。实验结果表明,基于双层复合神经网络的可燃混合气体定量分析最大相对误差为4.4%,大大提高了定量分析精度。     

主动磁轴承转子质量不平衡补偿研究

在旋转机械中,由于转子质量的不平衡会导致转子沿旋转方向的振动,严重影响系统的动态特性及安全运行,特别是对具有较高速度的磁轴承支撑的悬浮转子来说,对质量不平衡进行补偿研究,具有重要的现实意义和实用价值.介绍了磁轴承支撑的悬浮转子振动控制原理,推导出存在质量不平衡的转子运动方程.基于位移最小的补偿准则对之进行振动补偿控制,设计了前馈补偿控制系统,利用Matlab/Simulink对该系统进行了仿真试验研究.仿真结果表明:基于前馈补偿控制器的振动控制策略能够很好地抑制悬浮转子振动,提高了转子旋转精度.     

基于DSP2812的磁悬浮轴承位移检测控制系统设计

针对磁悬浮轴承系统位移检测的特点,设计了一套以TMS320F2812 DSP为核心的磁悬浮轴承位移检测控制系统.详细介绍了电涡流位移传感器的工作原理,设计了磁悬浮轴承系统的数字控制器、位移信号调理电路等相关硬件电路,并对所设计的位移检测数字控制系统进行了软件实现,给出了主程序和中断子程序流程图,最后,对所设计的磁悬浮轴承位移检测数字控制系统进行了试验验证.     

基于BP神经网络的矿井一氧化碳检测方法研究

文章采用热催化传感器和电化学式气体传感器的配合使用，为了解决两种传感器对矿井一氧化碳和甲烷气体的“交叉敏感”问题，提出了一种基于BP神经网络技术的传感器系统。研究了采用两种传感器组成的多传感器阵列与BP神经网络相结合来实现一氧化碳气体浓度精确检测的方法。实验证明，利用基于BP神经网络的多传感器阵列模型，能有效的提高对井下一氧化碳气体的测量精度。