蒸汽发生器用蒸汽限流器的理论分析与设计

蒸汽限流器是压水堆蒸汽发生器中的重要组成部件之一,它的设置是确保反应堆安全不可缺少的安全措施。当主蒸汽管道     

蒸汽发生器用干燥器的试验研究

蒸汽发生器用干燥器由带钩波形板和疏水结构组成,文章介绍了带钩波形板的疏水钩数目、屈折角度、波形板间距等结构因素对分离效果的影响和疏水结构的改进过程。试验表明,带钩波形板干燥器允许入口湿度在较大范围内变动,干燥器的工作性能与疏水结构密切相关。试验选出疏水结构的疏水效果远远超过国内外同类结构,具有独创性。     

蒸汽发生器用干燥器的试验研究

蒸汽发生器用干燥器由带钩波形板和疏水结构组成,文章介绍了带钩波形板的疏水钩数目、屈折角度、波形板间距等结构因素对分离效果的影响和疏水结构的改进过程。试验表明,带钩波形板干燥器允许入口湿度在较大范围内变动,干燥器的工作性能与疏水结构密切相关。试验选出疏水结构的疏水效果远远超过国内外同类结构,具有独创性。     

同心立式波形板汽水分离器的试验研究

本文介绍了用于立式自然循环蒸汽发生器的同心立式波形板汽水分离器的冷、热态试验结果.     

基于VMD-SVM的滚动轴承退化状态识别

针对滚动轴承全寿命退化状态难以有效识别的问题,提出了一种基于变分模态分解(VMD)与支持向量机(SVM)相结合的滚动轴承退化状态识别方法。该方法先用包络熵确定VMD的最优分解层数,再根据峭度及相关系数准则选择VMD分解后的敏感本征模态分量(IMF),然后提取敏感IMF分量的时域指标和能量熵构成退化特征向量序列,最后随机抽取不同退化状态下的少量样本输入SVM模型训练,建立退化状态模型库,并用真实数据进行测试。实验结果表明该方法能够准确识别出轴承的退化状态,通过与EMD-SVM、EEMD-SVM模型对比,验证了该方法的优越性。     

为精制提供优质四氯化钛的简易方法

本文就四氯化钛生产中，如何为精制生产提供优质四氯化钛的方法加以研究分析，针对现生产中存在的粗四氯化钛质量差、含一定固体微粒的问题．采用一段带阀门的连管巧妙地把沉降罐与清洁罐分离开又有机结合起来的。简易方法使粗四氯化钛中的颗粒得以沉降，无固体颗粒的优质四氯化钛得以供应。     

使用5立方码电动铲运机的经验

1977年10月,第一台5立方码电动铲运机在国际镍公司的克莱顿矿9号矿井开拓中投入使用,其特点是控电板上的半导体整流器将550伏交流电转换为直流电,以供直流马达驱动惯用的变矩器和变速器。本文论述了5立方码电动铲运机机械和电器方面的设计、工作性能,相对的节省费用、及其对该铲运机的评价。引言在目际镍公司安大略省的矿山中,有1～     

压水堆蒸汽发生器水滴重力分离的理论研究

压水堆蒸汽发生器水滴重力分离空间是汽水分离装置的重要组成部分,是连接汽水分离器和蒸汽干燥器的纽带。蒸汽发生器的设计,除了要选用分离效率高,结构紧凑的汽水分离器和干燥器外,还要合理选择重力分离空间高度。高度太低,湿分得不到充分的重力分离,将会影响干燥效果;高度太高,将会增加蒸汽发生器和核岛设施的投资。文中对重     

小波包能量熵与EMD结合分析法在风机滚动轴承故障诊断中的应用

针对风力发电机组的驱动端滚动轴承故障率高,单一的振动信号分析方法难以实现大量状态信息的有效提取和准确的状态监测诊断等问题,提出了一种将小波包能量熵与EMD结合的故障诊断方法。通过小波包分解和设置阈值,有效消除了噪声对原始振动信号的影响,以能量熵值为指标描述振动信号能量分布的变化,然后采用EMD方法和相关性系数计算,将最能体现振动特征的IMF分量分离出来,再经过Hilbert变换和FFT变换得到包络谱,将时域信号变换到频域上,有效提取了风力发电机组驱动端滚动轴承的故障特征频率,准确诊断出故障所在的位置。最后,通过拆机结果验证了该诊断方法的正确性。     

风力机轴承实时剩余寿命预测新方法

由于传统退化指标对周期性故障冲击缺乏敏感性和鲁棒性,无法实现风力机轴承退化过程的适时跟踪以及剩余寿命的准确预测,提出了基于包络谐噪比（envelope harmonic?to?noise ratio,简称EHNR）和无迹粒子滤波（unscented particle filter,简称UPF）相结合的风力机轴承实时剩余寿命预测方法。首先,通过计算振动信号的EHNR监测轴承的早期退化点,并提取EHNR的趋势特征作为退化指标;其次,以轴承历史数据构建退化模型,利用UPF算法更新模型参数,实现对轴承退化状态的跟踪和预测;最后,使用实际风力机轴承监测数据对所提方法进行验证。结果表明,该方法能适时启动寿命预测机制,有效解决传统粒子滤波算法的粒子退化问题。与常用的支持向量回归模型（support vector regression,简称SVR）、反向传播神经网络（back propagation neural network,简称BPNN）的预测方法相比,具有较高的预测精度,为大型风力机组的健康管理和可靠性评估提供参考依据。