天然气管道泄漏声源特性及传播机理数值模拟

管道泄漏声源特性和传播机理决定了音波法在管道上的可检测性,管道泄漏引发的音波能量大小和其沿管道传播的衰减程度分别与泄漏口径大小、管道内压和管道长度等因素有关。以天然气管道泄漏时的气动噪声为研究对象,采用适用于高马赫数流场的MÖhring声类比对其进行模拟计算,建立了不同压力、不同泄漏孔径条件下的天然气管道泄漏噪声仿真模型,得到了天然气管道泄漏声源的相关特性,利用试验数据验证了计算模型的准确性。以该声源模型为基础,建立了音波在管道内的二维传播模型,通过模拟结果与现场试验的比较分析,表明天然气管道泄漏音波的超低频段（低于5 Hz）可在管道内传播较远距离并能被声波传感器所探测,从理论上验证了音波法在天然气管道泄漏检测领域的良好应用前景。     

颗粒尺寸对高碳铸钢丸欧文循环寿命的影响

研究了高碳铸钢丸在铸态下550℃直接回火处理和840℃二次淬火后再550℃回火处理的两种不同热处理条件下,2.0～0.85mm(即S660～S280)不同颗粒尺寸对其欧文循环寿命的影响.结果表明:随颗粒尺寸的降低,欧文循环寿命基本呈增大的趋势;二次淬火后再回火处理的试样欧文循环寿命要比直接回火的欧文循环寿命长.     

一种新的多探头金属磁记忆检测仪信号处理方法

金属磁记忆仪器采集到的信号的处理分析方法单一,在利用磁记忆信号切向最大值确定检测工件的情况时,主要是通过计算单个探头的梯度值来确定检测工件金属磁记忆信号的切向最大值,进而来确定应力集中情况及位置。由于方向唯一,常会造成漏检。提出了对探头之间信号的差异进行处理分析,来确定检测工件的应力集中情况和位置的方法,取得了较好的效果。     

往复式压缩机出口管线振动分析

对某型号往复式压缩机一级出口管线长期剧烈振动问题进行分析,运用振动有关理论对该出口管线各项指标进行分析和计算,找出了管线振动超标的主要原因是气流脉动和管道气柱共振,并提出了相应的减振措施。     

振动信号的自适应非抽样提升小波降噪方法

振动信号是机械故障诊断中应用最广泛的信号,为了能够提取隐含在强噪声背景下振动信号的故障特征,设计了一种自适应非抽样提升混合小波。该方法利用LMS自适应法则构造了可与提升小波更好匹配的初始预测器和更新器,在计算预测差值平方和时考虑所有样本的预测信息,以锁定第2代小波信号的局部特征。试验和工程振动信号分析表明,使用该方法降噪的信号获得了较高的信噪比和较小的均方差,且能较理想地提取出故障特征。     

RBI技术在长输管道压气站风险评价中的应用

以长输管道压气站内承压设备和压力管道为例,说明基于风险的检验(RBI)技术用于压气站风险评估的应用要点。以腐蚀减薄失效模式为例,介绍了均值一次二阶矩法计算失效概率的方法,并将修正后的失效概率与失效后果的计算相结合,对典型压气站场的分离器和压力管道潜在失效机理和失效风险的大小进行了评估。     

偏磨油管剩余强度有限元分析

利用有限元方法,建立了偏磨油管强度分析的空间有限元模型,对影响偏磨油管剩余强度的因素进行了分析.研究结果表明,油管的抗内压强度随油管内壁偏磨深度的增加呈指数下降趋势变化;在偏磨量相同的情况下,随着匹配的抽油杆直径的变小,偏磨区域的应力集中程度增大,油管的抗内压强度有所下降;在相同的载荷条件下,油管的等效应力变化主要受油管偏磨深度的影响,而偏磨长度对油管应力的影响并不十分显著.     

往复机械故障诊断的现代方法及展望

往复机械结构复杂 ,信号呈非平稳性 ,使得传统诊断方法日益显现出不足。鉴于此 ,将现代诊断方法分为 3类 :信号检测 ,包括振动信号检测、磨损物检测、裂纹及缺陷检测 ;特征提取 ,包括时域、频域、混沌参数提取及粗糙集特征约简 ;故障识别包括主分量分析、模糊识别、专家系统、神经网络和混沌神经网络。应用现代方法和技术 ,使往复机械故障诊断技术有了较快的发展 ,但这些方法多局限于实验室内的模拟阶段 ,其实用性还远未达到现场要求。其发展方向是共性诊断方法研究、多信息融合技术及智能化、网络化     

Shouldering responsibilities & chasing dreams

This special issue of Petroleum Science celebrates not only the 60th anniversary of China University of Petroleum(CUP),but also the 60th anniversary of China’s higher education and scientific research in petroleum science.As the first petroleum university in the People’s Republic of China,CUP played the major role in the development of the country’s petroleum higher education from a humble start to its successes today.It has gone through its ups and downs alongside the nation’s     

优化KNNC算法在滚动轴承故障模式识别中应用

为有效提高滚动轴承故障诊断率,正确识别不同故障类型,提出基于优化K-最近邻域分类器(K-Nearest Neighbor Classifier,KNNC)的轴承故障模式识别方法。分别求得滚动轴承训练样本与测试样本的振动特征指标,构建样本特征集。为加快分类速度,剔除不良样本干扰,利用K-均值聚类算法对样本进行优化精简,并将所得若干聚类中心作为新的约简训练集。据新训练集进行KNNC分析,实现模式识别。结果表明：该方法能快速、有效识别出滚动轴承4种不同故障模式,识别正确率明显提高。