35kV油浸式电力变压器线圈油道的探讨

35kV油浸式电力变压器线圈3mm和2mm油道的设计比较,通过线圈温升对比,说明2mm油道的技术优势。随着进入变压器领域的厂家越来越多,竞争越来越激烈,制造厂家为了提高盈利空间,在同等销售价格下越来越注重从设计的角度来降低成本,通过优化设计方案减少原材料的使用,以获取更大的利润。本文介绍的35kV油浸式电力变压器16000kV.A     

基于组合矩和随机森林的转子轴心轨迹识别

针对大型旋转机械难以获得大量故障样本和不变矩识别率低的问题，提出基于组合矩和随机森林模型的转子轴心轨迹识别方法。采用实测的轴心轨迹作为样本，采用Sobel算子提取轴心轨迹的轮廓，基于轮廓的形状几何特征和不变矩构造组合矩。将不变矩和组合矩作为随机森林模型的输入进行分类，证明了组合矩的分类准确率最高。对随机森林、支持向量机和BP神经网络的分类效果进行了对比，结果表明：随机森林的分类准确率要高于支持向量机和BP神经网络，并且识别时间较短，是诊断旋转机械故障的一种新方法     

谈项目经理及其作用

重点介绍了项目经理的地位、作用、项目经理应具备的条件和素质,以及项目经理与企业的关系,基本职责。     

枪支弹药动态管理中的事故隐患及预防对策

管理和爱护好枪支弹药,是部队官兵的重要职责,是一项经常性的战备措施,也是预防事故的有效方法。一旦枪支弹药被盗、被抢或丢失,就会给人民生命财产的安全和社会的稳定造成极大的危害。因此对它们一定要严格管理,既要重视管理好静态中的枪支弹药,又要重视管理好动态中的枪支弹药。事故隐患剖析现在有些单位只注重对军械库安全的管理,往往忽视动态中的枪弹管理。在这方面存在     

大型液体动压滑动轴承试验台系统设计

提出大型滑动轴承试验台总体设计方案,设计的试验台系统包括机械结构、驱动系统、润滑系统、控制系统和采集系统5个部分;采用有限元软件仿真分析试验台结构的合理性并优化结构设计。该试验台综合利用数字化建模、软件仿真、电气控制、传感器测试以及信号处理等相关技术,保证了试验台的性能稳定可靠。通过对试验台试验获得的转速、温度、压力、位移、振动加速度等试验数据的分析,验证了整个试验台系统设计的有效性,证明其可满足大型动压滑动轴承正常稳定运转的要求。     

挠性支承可倾瓦轴承动力特性研究

考虑油膜惯性与温黏效应,根据瓦块受力平衡方程,运动微分方程等,建立了挠性支承可倾瓦轴承动力学模型;提出一种挠性支承可倾瓦轴承的静平衡位置迭代计算方法,即基于PDE工具箱快速求解轴承非定常工况Reynolds方程及二维能量方程,采用Newton-Raphson迭代法可计算得到轴颈、瓦块静平衡位置。仿真结果与试验数据进行对比分析,验证了该动力学模型及仿真计算方法。     

基于多域特征的BA - KELM微型电机故障检测EI北大核心CSCD

针对目前对于微型电机故障检测的研究较少及基于单域特征的传统电机诊断方法精度低等问题,提出一种基于集成经验模态分解(ensemble empirical mode decomposition, EEMD)及蝙蝠算法(bat algorithm, BA)优化核极限学习机(kernel based extreme learning machine, KELM)的微型电机故障检测方法。所提方法包括样本集构造、模型训练及参数优化和模型测试3个步骤:首先,对采集到的微型电机信号进行EEMD处理并依据相关系数原则筛选出主要的本征模态分量(intrinsic mode fuction, IMF),结合计算得到的电机信号的时域、频域特征构造多域特征集并进行归一化处理,按一定比例将样本集划分训练集和测试集;其次,输入训练集,以错误率为适应度,并采用蝙蝠算法对KELM模型进行参数优化;最后,输入测试集对优化的BA-KELM模型进行测试,并与其他模型进行对比。试验结果表明,所提方法的准确率达98.75%,高于其余方法。     

深度卷积神经网络在滑动轴承转子轴心轨迹识别中的应用

针对传统旋转机械智能识别方法需要人为提取特征及诊断精度低的问题,基于深度学习的强大学习能力,提出一种深度卷积神经网络故障诊断模型(Deep Convolutional Neural Network Fault Diagnosis Model,DCNN-FDM)用于轴心轨迹识别。该模型包括输入模块、特征提取模块及分类模块三部分。原始图像输入模型后,经过输入模块的二值化处理及最近邻插值,统一变为尺寸大小为32×32的单通道图像;经特征提取模块中两组交替的卷积层和池化层作用,得到图形特征;最后,这些特征经全连接层的扁平化处理而张成一维向量,输入到softmax分类器中进行分类。利用奇异值差分谱方法,对实测轴心轨迹进行提纯,得到4类轴心轨迹样本集用于DCNN-FDM的训练与预测。结果表明:所提模型较传统的浅层学习模型的识别效果好,可实现转子故障的精确诊断,识别率达到97.09%。最后通过全连接层的主成分可视化分析,验证了模型具备自适应特征学习能力。     

流体支点浮瓦轴承初始工作机理分析及单瓦承载浮起特性研究

开展自生静压流体支点浮动可倾瓦轴承的润滑机理及浮起特性研究.首先推导考虑内层静压孔与外层静压腔之间的流量连续方程,提出内外层油膜厚度公式.采用有限元方法求解内层动压润滑与外层流体静压润滑Reynolds方程,分析了流体支点浮动瓦轴承初始工作机理,得出轴瓦浮起需要满足两个要求的重要结论:第一轴瓦外层具有一定的初始间隙,第二应满足一定的静压腔面积比的要求.在理论上分析了一种轴颈为100 mm的流体支点轴承,在轴承初始工作状态下,如果要满足轴瓦浮起条件,其静压腔面积比取值范围应为0.16至0.18之间.在此基础上采用Newton-Rapson法建立单瓦流体支点轴承数值迭代计算模型,分析了在单块流体支点浮动瓦承载形式时轴承静态特性随偏心率变化规律,发现在单瓦承载情况下,底瓦浮起高度与静压孔流量比随着偏心率增大而逐渐减小;在相同偏心率下,静压孔直径增大,浮起高度与静压孔流量都相应随至增大.静压腔压力、瓦块承载力、内层最大油膜压力以及内层摩擦功耗都是随着偏心率的增大而逐渐增大;此外外层摩擦功耗随着偏心率增大而增幅较小,并且在较高偏心率下,逐渐稳定,其中内层摩擦功耗比外层摩擦功耗大得多;当流体支点单瓦承载时,轴承受到静态载荷作用下,瓦块摆动角度是为0°.通过与已有文献的试验数据进行对比分析,验证了本文计算模型的准确性.