L74WD罗茨鼓风机大修工艺应用

罗茨鼓风机广泛应用于工矿企业,我公司使用的3台L74WD罗茨鼓风机,用于生产用煤气的加压,1995年10月投入运行,其中2号机(见图1)运行至2001年3月时,由于进行管道中结的冰块,将管道中残留的焊条头、焊渣等金属异物一起吸入罗茨鼓风机中,致使电动机电流增大,鼓风机运行声音异常而停机。将罗茨鼓风机解体后,检查发现:(1)左墙板与主动叶轮大面积磨熔,左墙板上有大面积多条沟槽,最深达1mm;(2)有一条从轴承座向上扩延至边缘的裂纹。经与上海鼓风机厂联系,由于主、被动叶轮轴的左右1.左墙板 2.轴承32618 3.右墙板 4.轴承3618 5.被动叶…     

基于小波神经网络的钢丝绳磨损趋势预测研究

针对非线性预测问题,提出了小波神经网络算法,建立了小波神经网络的趋势预测模型,通过对钢丝绳磨损度的时间序列预测,实现了故障预报。实践表明：小波网络具有更快的收敛速度和更高的预报精度,仿真结果与实测数据相比最大相对误差为4.23%,预报精度满足要求。     

利用遗传算法优化的小波神经网络实现地热资源预测

文章主要介绍了一种基于遗传算法优化的小波神经网络进行地热资源评测的方法。选择对地热资源产生具有较大影响的火山、地震、布格重力、磁异常、到断层距离和地下水SiO2组分作为评测影响因子,利用小波神经网络优异的时频转换、网络自学习特性和遗传算法的全局优化特点,将两者相结合,对网络参数进行优化,并进行网络自学习。通过数据仿真得到的预测值与实际值基本一致,证明了该方法具有良好的地热资源评测前瞻性。     

基于小波神经网络的提升机液压站故障预测的研究

针对提升机液压站故障特性,以小波神经网络为工具建立了其故障预测模型。介绍了小波神经网络的结构、算法以及训练流程。分析了影响液压站故障因素,建立了其预测模型。在MATLAB环境下对网络进行训练。实验表明,该模型具有收敛速度快,预测精度高的特点,能够满足实际要求。     

基于小波神经网络的提升机液压站故障预测的研究

针对提升机液压站故障特性,以小波神经网络为工具建立了其故障预测模型。介绍了小波神经网络的结构、算法以及训练流程。分析了影响液压站故障因素,建立了其预测模型。在MATLAB环境下对网络进行训练。实验表明,该模型具有收敛速度快,预测精度高的特点,能够满足实际要求。     

基于小波神经网络的中国煤炭消耗预测

预测煤炭消耗量是一个与多种因素有关的复杂非线性问题.鉴于传统预测方法的缺陷,利用小波神经网络模型对中国煤耗预测,通过理论分析和仿真实验表明:模型是简单可行的,预测具有较高的精度.     

浅析罗茨式鼓风机常见故障及预防措施

罗茨式鼓风机属容积回转式鼓风机。其最大特点是使用时,当压力在允许范围内调节时。流量变动甚微,而压力工况点的选择范围很宽。无内压缩过程,输气具有强制性,且结构紧凑维修保养方便。可长期安全可靠运行,因而广泛应用于对风压要求不高的洗煤厂跳汰选煤工艺系统中。     

用喷水的方法提高罗茨鼓风机的性能

对同一类型的真空泵分别作干式和湿式实验, 实验结果及理论分析均表明, 用喷水的方法可以提高罗茨鼓风机的性能。     

基于小波神经网络火电厂锅炉故障诊断的仿真研究

为了能够准确、快速地对火电厂锅炉进行故障诊断,系统地研究了小波神经网络在锅炉故障诊断的应用。提出了小波神经网络的数学模型;制定了小波神经网络的训练算法;以火电厂锅炉常见故障烟道再燃烧为例,对其进行了故障诊断的仿真分析,经过训练后的小波神经网络对锅炉进行故障测试,测试结果全部正确。     

基于小波分析理论的风机故障诊断技术研究

基于小波分析理论,针对风机动静碰摩故障信号进行了小波分析,利用特定频带的信息进行故障诊断,并通过对实验数据分析有效地提取了故障特征,验证了该方法的正确性和有效性。该研究为对风机振动信号进行分析处理,进而为实施故障诊断提供了有效的方法。     

基于模糊神经网络的往复压缩机的性能预测研究

为了能够准确地预测出离心泵的性能参数值,利用了径向基函数神经网络(RBF)建立对其进行性能预测的神经网络模型,可以研究离心泵的流量,叶片出口安装角,压力比和效率之间的神经网络与预测关系。利用MATLBA软件实现了RBF神经计算,分别对离心泵的压力比和效率进行了性能预测,预测效果表明,RBF神经网络的计算模型可以提高预测效率和预测精度。     

基于RBF神经网络的离心压缩机的性能预测研究

利用径向基函数神经网络(RBF)建立对离心压缩机性能预测的神经网络模型,从而能够精确地预测出离心压缩机的性能参数的大小,能够分析离心压缩机的流量,叶片出口安装角,压力比和效率之间的神经网络与预测关系。应用数值计算软件MATLBA软件完成了离心压缩机的性能预测,分别对离心压缩机的压力比和效率进行了性能预测,预测效果表明,RBF神经网络的计算模型可以提高预测效率和预测精度。     

基于模糊神经网络的往复压缩机的性能预测研究

为了能够准确地预测出往复压缩机的性能参数值,利用了模糊神经网络(FNN)建立对其进行性能预测的神经网络模型,可以研究往复压缩机的流量、容积系数和效率之间的神经网络与预测关系。利用NGA遗传算法,依靠MATLBA软件实现了FNN神经计算,分别对往复压缩机的效率进行了性能预测,预测效果表明,FNN神经网络的计算模型可以提高预测效率和预测精度。     

基于小波包分析和概率神经网络的往复泵的故障诊断研究

往复泵的正常工作是确保煤矿生产顺利进行的关键,由于工作环境恶劣,往复泵的故障诊断是非常重要的,因此,深入地研究了小波包分析和概率神经网络在往复泵故障诊断中的应用。分析了基于小波包的往复泵故障提取机理,设计了基于小波包分析的往复泵故障特征提取流程;构建了基于概率神经网络的往复泵的故障诊断模型,设计了概率神经网络的基本结构。对往复泵进行了故障诊断分析,仿真结果表明小波包和概率神经网络能够准确地获得故障诊断的类型。     

基于小波神经网络的高炉铁水含硅预报

采用结合小波包分析的特征提取及神经网络的非线性映射等特性的小波神经网络系统,实现高炉铁水中Si含量的预报和控制。原始操作信息采用灰关联分析预选,网络结构设计采用剪除法确定隐含层节点,采取自适应和加动量项调整学习速率等措施。结果表明,系统具有更高的学习精度和更快的收敛速度,当允许误差为±0.02时,命中率达到87.5%,并且减少了系统参数特征量,优化了系统辨识和模型建立过程。     

基于连续小波神经网络的华北型煤田底板破坏深度预测研究

根据全国典型煤矿底板破坏深度的实测资料,应用Matlab软件的分析功能,对煤层采深、倾角、采厚、工作面斜长、底板抗破坏能力五个在底板破坏中发挥主要作用的影响因子进行全面分析[1],利用小波神经网络对华北型煤田底板破坏深度进行了预测,发现基于连续小波神经网络的预测模型与实测结果更接近,能够在底板破坏深度预测中发挥借鉴作用。     

基于MATLAB软件的罗茨鼓风机动力学性能仿真分析

为了能够准确地分析罗茨鼓风机的动力特性,利用MATLAB软件对其进行了动力学仿真。分析了罗茨鼓风机的工作原理;讨论了罗茨鼓风机产生动力振动的成因;研究了罗茨鼓风机的动力学模型;利用MATLAB软件进行了罗茨鼓风机机组的仿真分析,获得了罗茨鼓风机机组的前6阶固有频率,为罗茨鼓风机机组的动态设计提供了有效的理论依据。     

基于小波包分解的风机故障诊断技术研究

小波包分析由于能对信号高、低频部分局部细化并保留原信号的时域特征，因而具有良好的时频局部化特性，能对非平稳信号进行有效识别，达到故障诊断的目的，在故障诊断领域得到越来越广泛的应用。风机运行时产生的信号大多是非平稳信号，将小波包分析技术用于其故障诊断具有实际意义。