粉煤灰与水泥熟料共同水化硬化的基础研究进展及评述

结合水泥混凝土向绿色高性能化发展的方向,综述了近十年来粉煤灰和熟料共同水化硬化的基础研究进展,提出了值得进一步深入研究的科学问题.     

Aspen Plus软件在化工热力学课程教学中的应用

化工热力学是一门理论性和逻辑性都很强的专业基础课,其概念抽象,公式繁多。Aspen Plus作为一个有效的教学改革工具引入到化工热力学的教学中,不仅可以提高学生的学习兴趣,而且可以实现理论与实际应用的结合,加深学生对课程内容的理解。本文重点围绕化工热力学的教学内容,分点介绍了Aspen Plus软件在其教学过程中的应用,并给予了实例说明。     

深孔钻床的改造

应用可重构设计理论和先进的“DF”负压抽屑机理，对传统的深孔钻床进行了功能模块化设计和数控改造。同时实现了深孔刀具的系列化设计，极大地提高了深孔钻床的加工质量和应用范围。     

过载检测与保护技术在深孔加工中的应用

针对大长径比、小直径高速深孔加工中打刀、走偏、刀杆扭曲和弯曲等问题．设计了一套以磁粉离合器为执行元件的过载检测与保护装置,并应用于数控深孔机床。最后通过多次试验．证明该装置能够有效监控过载．起到预防和保护作用,满足了生产需要。     

基于LSTM-RNN的滚动轴承故障多标签分类方法

为了提高长短时记忆神经网络模型(long short-term memory recurrent neural network, 简称LSTM-RNN)对滚动轴承故障分类的正确率并减少训练样本量,提出一种基于多标签LSTM-RNN的滚动轴承故障分类方法。首先,建立滚动轴承故障信号仿真模型,分析滚动轴承故障仿真信号频谱特征及其故障分类特点;其次,结合多标签LSTM-RNN模型结构特点,对滚动轴承频谱特征向量进行编码,并利用仿真故障信号验证多标签LSTM-RNN分类方法的有效性;最后,搭建滚动轴承故障模拟试验台,采集3类转速不同故障类型滚动轴承故障振动信号,并采用3种特征提取方法得到共9组试验数据,基于该数据对多标签LSTM-RNN分类方法和单标签LSTM-RNN分类方法进行对比试验。试验结果表明：多标签LSTM-RNN分类方法相比于单标签LSTM-RNN分类方法,平均分类正确率从69.07%提高到99.21%;在保证两种分类方法正确率相近情况下,多标签LSTM-RNN分类方法训练所需样本量比单标签LSTM-RNN分类方法平均减少69.55%。多标签LSTM-RNN分类方法适用于复杂振动信号分类,对于实现快速准确的旋转机械故障诊断具有应用价值。     

独立分量分析基网络应用于旋转机械故障特征抽取与分类

提出了一种新颖的、基于独立分量分析(ICA)的多层神经网络,用于旋转机械不同模式(如正常及轴承故障等)的特征抽取,随后利用多层感知器(MLP)实施最终的模式分类。借助独立分量分析方法,隐藏于多通道振动观测中的不变特征得到有效提取,从而建立起稳定的MLP分类器。试验所获得的成功分类结果表明,所建议的新的旋转机械健康状况监测方法具有较大的应用潜力。     

基于经验模态分解的旋转机械振动信号滤波技术研究

把经验模态分解方法引入了旋转机械振动信号滤波领域,详细地解释了这种方法及其算法。通过对一个带高频毛刺干扰的振动信号的经验模态分解与本征模函数的组合,演示了基于经验模态分解的振动信号滤波的方法。把振动信号滤波前后的波形进行了比较,发现基于经验模态分解的信号滤波方法对振动信号滤波有较好的效果。     

热固性酚醛树脂粘结纤维过滤元件的研制

纤维管式过滤元件和过滤机是国外六十年代中、末期商品化的产品。该产品适用于高粘度、高浊度、高污染物负载流体的工业过滤,可广泛应用于电泳漆、油漆、涂料、皂液、润滑油、机油和其它高分子溶液的过滤与净化。本文讨论了热固性树脂溶液在深层过滤元件制备中的应用。讨论了粘合剂用量对滤芯性能的影响,计论了粘接改性剂、纤维渗透剂对纤维、微粒脱落、过滤阻力的影响。我们研制的产品已广泛应用在电泳漆循环过滤,内燃机切削油、汽轮机润滑油过滤,替代了国外进口产品,完成了国产化工作。     

基于EMD和HT的旋转机械振动信号时频分析

把一列时间序列数据通过经验模态分解(Empirical Mode Decomposition，简称EMD)成本征模函数组(Intrinsic Mode Function．简称IMF)．然后经希尔伯特变换(Hilbert Transformation，简称HT)获得频谱的信号时频分析新方法引入到旋转机械振动信号处理领域。介绍了该方法的理论和算法。首先．采用调频调幅仿真信号对该方法进行仿真验证；其次．把一实测的旋转机械油膜涡动故障振动信号进行了基于EMD和HT的时频分析。仿真和实测信号的分析结果说明．用基于EMD和HT方法对旋转机械的振动信号进行时频分析是有效的。     

EMD方法基于AR模型预测的数据延拓与应用

把基于时间序列AR模型预测的数据延拓技术引入经验模态分解（EMD）时频分析领域，论述了基于AR模型的数据延拓技术原理，即先对原始数据进行AR建模，然后利用模型对该数据进行延拓。通过对非线性仿真信号基于AR模型的延拓研究表明，该延拓技术是有效的。把该延拓技术应用于转子横向裂纹的时频分析，能把横向裂纹转子的扭振所形成的相位调制现象检测出来，获得了良好的效果。