基于TEV传感器与TOA算法的高压开关柜局部放电定位方法的研究

本文提出采用阈值法、能量法、AIC法、Gabor法提取局部放电脉冲波前时刻,基于时间差(TOA)实现局部放电点自动定位算法.采用上述算法首先在实验室进行高压开关柜的局部放电点定位,并对比上述方法的优劣.然后,在变电站现场对一面存在疑似放电的开关柜进行定位,通过查看时域波形波前时刻特征以及自动定位两种方法检测,检测结果表明,放电点位于该开关柜上部间隔的母线处,停电检修的结果印证了现场检测结论,证明了本文提出算法的有效性.     

机器人工作空间边界点提取算法研究与改进

工作空间边界点提取是机器人工作空间分析中的关键环节。对现有的工作空间边界提取算法进行了详细讨论。针对传统按列划分法边界点提取均匀性差以及内部边界点提取困难的缺陷,提出了按角度划分的边界点提取算法;针对局部坐标法计算效率低的缺点,采用将按角度划分法与局部坐标法结合进行边界点提取的方法。采用最小二乘法对边界点提取结果进行了分析;结果表明改进后的算法计算效率和计算精度都有所提高。最后采用改进算法对一冗余自由度的混联手术机器人工作空间进行了边界提取,验证了算法的正确性和可行性。     

二自由度球关节电机转角与球关节角映射研究

球关节广泛用于微创手术机器人。针对一种运动灵活、加工方便、控制简单的二自由度球关节,研究其电机转角与真实球关节的转角之间的映射关系。利用建立数学模型、编程计算等方法,求解出每一时刻真实球关节的转角所对应的二自由度球关节电机转角。并建立三维模型,将两个球关节的转角值和三维模型导入Adams中进行仿真,得出两球关节末端点的运动轨迹数据,然后采用Matlab对运动轨迹数据进行偏差分析,从而论证了映射关系的正确性,为实际运动控制提供数据支持。     

浅析建筑给排水管道施工中的防渗漏措施

建筑施工中的给排水施工中管道穿墙穿板、卫生器具及其与管道的连接、给水塑料管和复合管暗设及连接、消防系统和绝热管道等,本文针对这几种质量通病提出有效的预防措施。     

三相载流导体在箱盖上引起的功率损耗

对三相载流导体所穿越的材料上产生的磁场强度进行了计算,求得了磁场强度极大值和有功损耗值,并给出了表示有功损耗表面分布状态的曲线.     

基于ADAMS的自平衡物流机器人仿真

为了得到能够快速、准确和稳定地控制自平衡物流机器人的算法,先在三维绘图软件SolidWorks中建立自平衡物流机器人的机械结构模型,并应用拉格朗日方程法建立了该机器人控制系统的参数数学模型,将机械结构简化后导入到ADAMS软件中建立其虚拟仿真模型,然后应用ADAMS软件自带的控制仿真功能对自平衡物流机器人进行了PD控制方法的建立和仿真。仿真结果表明,所设计的控制方法能够基本实现物流机器人的平衡,并且整个系统具有较好的动态特性。验证PD控制算法时,利用ADAMS软件仿真比利用Matlab软件和ADAMS软件联合仿真更便捷、快速。     

橡胶乳液改性酚醛树脂增强机油滤纸性能的研究

通过物理共混的方式,采用橡胶乳液对机油滤纸增强用酚醛树脂进行改性,研究不同体系橡胶乳液与用量对机油滤纸用酚醛树脂增强增韧性能的影响。通过扫描电镜(SEM)和红外光谱(FT-IR)表征不同橡胶乳液增韧体系对酚醛树脂微观形貌的影响以及共混体系的化学结构。结果表明,羧基丁腈橡胶复配体系的增强增韧效果最佳,当其用量为酚醛树脂的7.5%(质量分数)时,共混体系增强后机油滤纸的综合性能最优,浸渍后机油滤纸的综合强度性能均优于纯酚醛树脂体系。SEM和FT-IR结果表明,由于羧基丁腈橡胶分子结构中含有大量的羧基,使得其与酚醛树脂具有较好的相容性并能与酚醛树脂发生化学键合,分子结构中的羧基是造成羧基丁腈橡胶性能优于其他橡胶体系的主要原因。     

阀门的执行机构选用探讨

阀门是石化工业中应用最广泛的装置,阀门的执行机构是指利用液体缸、气缸、电机或其它的装置驱动阀门的机械机构。阀门执行机构选择的好坏直接关系着石油管道运输和调节的安全,所以如何合理选用阀门执行机构至关重要。文章就阀门的执行机构和选用进行探讨。     

西方萃取－电积铜生产的发展

西方萃取－电积铜生产的发展ＳＸ－ＥＷＣｏｐｐｅｒＰｒｏｄｕｃｔｉｏｎｉｎＷｅｓｔｅｒｎＷｏｒｌｄ１历史的回顾自６０年代以来，铜的溶剂萃取技术有了长足的进展。它与浸出、电积技术相结合成为从废矿、贫铜矿、氧化矿等物料中回收金属铜的首选工艺。溶剂萃取－电积...     

基于变分模态分解和CNN-GRU-ED的超短期互感器误差预测

准确的误差预测对及时发现互感器运行中的稳定性问题和保证电能贸易的公平性具有重要的意义。提出了一种基于变分模态分解(variational mode decomposition, VMD)和卷积神经网络-门控循环单元编解码模型(convolutional neural network-gated recurrent unit encoder to decoder moder, CNN-GRU-ED)的互感器误差超短期预测方法。首先,针对特征数目增多所带来的数据分析问题,利用传递熵(transfer entropy, TE)对原始特征进行降维,得到高相关性特征集。其次,将波动性较强的原始误差序列分解成为高、低频模态分量,同时引入粒子群优化算法(particle swarm optimization, PSO)确定VMD的关键参数。最后,对各分量分别建立相应的CNN-GRU-ED预测模型,将预测结果叠加得到最终预测值。以某变电站运行数据进行实验,结果表明所提出的方法在单步和多步预测问题上,相较于其他模型具有更好的预测效果。