基于CFD的加热仓风量调节装置

针对目前烟熏生产工艺中普遍存在烟熏效率低下的问题,应用CFD技术对烟熏炉加热仓气流场的流动进行建模与分析。基于仿真结果,提出一种进风口风量调节机构,通过在加热仓的适当位置设置可变流量的进风口,可以改善加热仓的气流场分布;通过对该机构的运动学和动力学仿真,确定了各项参数;并设计实验方案,验证仿真结果的准确性以及调节机构对加热仓气流场的改善效果。应用结果表明该风量调节机构改善了烟熏炉加热仓的气流场分布,使烟熏效果更加均匀。该研究提高了烟熏食品的加工效率。     

烟熏炉换热器进口主流道流动性改进

针对某一类型烟熏炉换热器进口主流道出口产生局部负压的问题,借助CFD仿真分析手段找出进口主流道结构缺陷,提出了岔口几何形状的改变结构。分别对这2种不同结构的进口主流道管在Fluent平台上进行内流场分析,对比两者之间的差异,表明改进后的进口管流速更加均匀,克服了原进口主流道管存在的问题,使得进入各组U型管的蒸气相对均匀,换热效率得到提高。     

基于多维高斯贝叶斯的机械设备失效/故障智能诊断及参数影响分析

采用多维高斯贝叶斯机器学习方法研究机械设备的失效/故障智能诊断方法,基于极大似然分析基础上,提出一种基于"马氏距离"估算的关键特征参量影响分析方法,用于评价各特征参量对失效/故障分类的影响。该方法用于两个机械设备的失效/故障数据库的智能诊断分析,在获得高诊断识别率(失效/故障模式正确识别率分别达到96%和86%)的同时,也识别了影响失效/故障分类的关键特征参量。分析表明特定的失效/故障模式往往取决于少数关键特征参量,而不确定的失效/故障模式的关键特征参量往往呈分散分布,关键特征的分散性会影响多维高斯贝叶斯分类器的诊断识别率。该方法可用于机械设备的失效/故障的智能识别与关键特征参量的智能诊断,也为失效/故障的影响因素分析指明方向。     

基于主成分分析及多维高斯贝叶斯的超声流量计故障智能诊断方法

提出了基于多维高斯贝叶斯模型的设备故障智能诊断流程,包括数据的筛选与结构化分析、数据的降维、模型的构建、诊断结果的检验与分析等。研究表明采用主成分分析方法进行降维时,不同的诊断对象在降维参数的选择方面存在较大差别,诊断效果因诊断对象和样本数量的不同而有所差异。利用公开发表的超声波流量计数据库对流程进行验证。结果显示:针对B型流量计进行280次、C型流量计进行550次智能故障诊断,故障状态的首选正确识别率分别达到99.3%和95.1%,较k-最近邻(KNN)聚类分析算法有一定的优势。