宁夏电科院与中国电科院携手推进输变电设备状态监测系统建设

2012年3月12日,中国电科院副总工程师闫春雨一行应邀来到宁夏电力科学研究院,就双方合作项目“输变电设备智能评估诊断及管控平台应用研究”进行调研、交流。调研交流会议由设备评价中心副总工程师吴旭涛主持,电科院副院长兼设备评价中心主任车俊禄、设备评价中心副主任张宗让、     

中性点不接地系统铁磁谐振仿真分析及谐振信号检测

基于电磁暂态仿真程序ATP-EMTP, 以某110kV变电站为例建立仿真计算模型,本文分析了该变电站35kV侧母线PT谐振特性及其激发因素.通过把傅立叶变换和小波分析相结合实现了对中性点不接地系统谐振母线过电压信号的检测.仿真模型和计算分析结果对于现行变电站、新建变电站及在线检测系统设计中谐振过电压的抑制和检测问题提供了参考.     

热残余应力对考虑微观孔隙碳纤维增强环氧树脂复合材料横向拉伸性能的影响

为研究由于材料固化产生的热残余应力对碳纤维增强环氧树脂复合材料横向拉伸性能预测结果的影响,发展了一种基于摄动算法的纤维和孔洞随机分布代表性体积单元（RVE）生成方法,建立更加接近真实材料微观结构的RVE模型。通过施加周期性边界条件,并赋予组分（纤维、基体和界面）材料本构关系,进而实现温度和机械荷载下模型的热残余应力和损伤失效分析。从结果中发现,材料固化过程会在纤维之间产生残余压应力,在模型孔隙周围产生沿加载方向的残余拉应力。所建立不含孔隙RVE模型的失效均是由于界面脱黏引起,材料固化在纤维之间产生的残余压应力会增加模型的预测强度。含有孔隙的RVE模型失效起始于孔隙周围的基体中,而材料固化在模型孔隙周围产生的热残余拉应力对含孔隙RVE模型预测的失效强度有降低作用。对于具有不同孔隙尺寸的RVE模型,模型的失效强度随着孔隙尺寸的增加而不断降低,但是热残余应力减弱了孔隙尺寸对模型预测结果的降低作用。对于具有不同长宽比椭圆形孔隙的RVE模型,热残余应力增加了孔隙长宽比对模型强度的降低作用。      

基于Weibull模型的C/C复合材料销钉剪切强度分布及本构关系

针对C/C复合材料销钉力学性能各向异性的特点,开展基于Weibull分布模型的C/C销钉剪切强度分布及本构关系研究,探讨不同剪切方向对C/C销钉剪切强度和剪切本构的影响规律。基于两参数Weibull分布模型,采用最小二乘法获得不同剪切方向上剪切强度的分布规律;根据C/C复合材料损伤失效机制,采用基于Weibull分布的弹性损伤模型表征材料的剪切本构关系,并通过试验数据获取损伤模型中的参数。结果表明:通过Kolmogorov-Smirnov拟合优度检验,两参数Weibull分布模型能较好地表征C/C销钉剪切强度的分布规律;沿45°方向剪切的C/C销钉,其剪切强度最高;随着剪切角度的增大销钉剪切刚度逐渐降低,从0°方向上的19.46 kN/mm下降到90°方向上的12.70 kN/mm。      

缝合式三维编织C/SiC复合材料拉伸加卸载力学行为

本文通过开展缝合式三维编织C/SiC复合材料的准静态单轴拉伸及循环加卸载试验,研究加卸载行为对复合材料的损伤及材料内部能量耗散的影响。通过对材料的断口分析,探究加卸载对材料破坏强度的影响规律。结果表明,加卸载行为会消耗材料内部的能量,对纤维束与基体之间的界面造成损伤,进而降低材料的承载能力;材料滞回曲线的面积随着卸载点应力的增大而增大;材料的整体失效属于脆性破坏,复合材料断口表现出明显的分层现象,且单轴拉伸时断口相对于循环加卸载更整齐。      

温度及其波动对橡胶密封硫化过程影响的仿真分析

硫化是橡胶密封成型过程的关键工艺,对橡胶密封产品性能有决定性影响。目前橡胶行业多采用经验式硫化成型方法,对橡胶密封硫化演变过程缺乏理解,难以理论指导橡胶密封实际生产过程。针对这一制约橡胶密封质量提升的薄弱环节,开展了橡胶密封硫化成型过程数值仿真研究。基于胶料的积分型反应动力学模型与变物性参数传热控制方程,建立了橡胶制品热-化学耦合的瞬态仿真模型,实现了橡胶制品成型过程时变温度场及硫化程度场的实时预测,并通过试验验证了模型及求解方法的正确性。进而,仿真分析了典型结构密封件的硫化过程,探讨了模具温度、胶料预热温度和温度波动行为对橡胶密封硫化成型过程的影响规律,最后为橡胶密封实际硫化生产提供了参考。     

塑料注射成型工艺参数优化的模糊规则网络模型

注射成型是塑料产品成型的最主要工艺,工艺参数是影响成型产品外观、尺寸与性能的关键因素之一。工艺参数的设置与优化属于弱理论、强经验的问题,迫切需要发展科学化、系统化的方法。针对产品缺陷修正中人工经验依赖性强的问题,构建知识的统一模糊化规则形式,建立工艺优化知识表示和推理于一体的Takagi-Sugeno-Kang(TSK)模糊规则网络模型。进一步,提出从工艺数据集自动发现工艺参数优化规则的学习方法,采用Dropout策略与Bagging集成学习策略缓解高维工艺数据下工艺知识库增长出现的规则数量爆炸等问题。分析了模糊规则网络参数、结构对知识表示和推理的影响,建立模型的参数学习与结构优化的双重进化方法。提出基于经验回放的工艺数据增量学习方法,建立数据的增量学习策略。在注射成型工艺数据集上的结果表明,模型的规则数量和长度降低了50%,具有高可解释性以及增量学习稳定性。