特大型零件热态成形制造技术基础研究

在中国国家自然科学基金重点项目《特大件成形制造技术基础研究》、国家科技支撑计划课题《大型轧机共性技术》、国家重点基础研究发展计划(973计划)前期研究专项《大型零件热态成形制造虚拟技术基础研究》,以及中国河北省科技攻关项目《大型轧机共性技术》和《特大件成形制造技术基础研究》共同资助下,以大型锻钢轧辊(辊身直径超过1 000 mm或质量大于100 t)为对象,通过宏观 微观强耦合建模,解决铸造缺陷信息遗传、孔洞锻合条件、形变焊合条件、材料断裂准则构建,以及热 力 微观组织耦合建模等关键技术问题,建立以淬硬层深度数值预测技术为核心的热处理工艺分析与优化系统,提出基于非均质轧辊辊间接触力学模型的轧辊强度设计方法,构建起大型锻钢轧辊热态成形制造与服役评估的多学科耦合决策支持理论体系,提出理论研究报告。针对缩孔和气孔等大型铸钢锭铸造中的孔洞缺陷控制,以大锻件内部孔洞锻造闭合过程为科学问题,以大锻件内部有效锻合区域数值预测为目标,将有限元方法与人工神经网络技术相结合,利用神经网络的非线性映射能力,描述材料变形抗力、温度、应力应变与孔洞闭合程度之间的复杂关系,将孔洞锻合过程有限元模拟结果作为神经网络训练样本,建立起温度、应力和变形等多场耦合作用下的孔洞锻合条件模型(VCCM)。针对孔洞形变焊合机理与物理模拟模型一致性问题,以消除大锻件心部残留微孔隙,实现物理闭合状态下的锻合孔洞缺陷的真正冶金结合为目标,基于临界闭合孔洞界面接触力学原型和原子高温扩散理论,以界面接触应变和高温环境作为孔洞焊合的驱动力,利用高温和大变形对闭合孔洞界面扩散焊合的有利影响,提出适用于大锻件在锻造成形阶段的内部孔洞缺陷形变的形变焊合方法,通过物理模拟实     

循环荷载作用下岩石疲劳变形及特性试验研究

通过开展恒定加卸载速率,不同偏应力条件下的循环加卸载试验,研究了轴向应变、径向应变以及体积应该随循环次数的演化过程,得到了在不同偏应力条件下岩石的平均变形模量随循环次数与偏应力的变化关系,进而分析了循环荷载作用下岩石疲劳变形及特性。研究结果表明：（1）偏应力在50MPa之前,轴向应变、径向应变、体积应变以及变形模量随着循环次数的变化基本稳定,反之,表现出发散的趋势;（2）偏应力在80MPa作用下的平均变形模量较1IOMPa作用下的大,这是岩石内部裂隙增加和扩张的结果;（3）在不同偏应力条件下,平均变形模量随着偏应力的增大逐渐增大且趋于收敛。     

第三十三讲:基于工业无线网络技术的智能交通服务平台

随着流程工业的快速发展,设备维护系统在生产过程中的地位日益受到重视。为了克服传统的定期维修的不足,本文提出了一种基于无线振动检测的设备维护系统.文中介绍了系统的组成和各部分的功能,包括无线振动检测仪表、WIA无线通信网络、智能故障诊断专家系统。     

浅谈电站辅机设备的状态监测技术

凝汽器、磨煤机和发电机是火力电站的重要辅助设备,其运行状态的优劣对电站的安全性与经济性影响很大.文中归纳了这些设备的状态监测参数,并结合这些参数探讨了状态评价方法.通过设备的状态监测,预防故障停机,避免由此带来的经济损失.     

Linux在旋转机械状态监测系统上的应用

通过对基于Linux的旋转机械状态监测系统的设计描述，尤其是对Linux在现场工作站具体应用的说明，提出了在状态监测领域应用Linux的方法和思路。     

水下机器人传感器及推进器状态监测系统

为了保障水下机器人作业安全,提高其智能程度,提出了基于RBF(径向基函数)网络和FNN(模糊神经网络)的水下机器人传感器及推进器状态监测系统。根据对预处理后的传感器信号进行分析,传感器监测模型检测传感器的故障,并对出现故障的传感器信号进行恢复,将其作为水下机器人的实际运行状态参数提供给推进器监测模型;推进器监测模型输出与传感器实际输出共同作用,通过评价模型即得到了相关推进器的状态信息,并实现了故障定位。某型水下机器人的真实试验数据的计算机仿真结果验证了提出的监测系统的有效性和可靠性。     

连接器的介质耐电压试验

该文介绍了连接器的介质耐电压试验,重点阅述如何确定其试验条件,以保证试验的准确性和一致性,并就实验中的一些问题进行探讨.     

基于状态维修的设备管控一体化系统研究

针对当前企业设备管理体制的弊端,提出了状态维修体制与计划预防维修体制相结合、设备管理与控制相结合的设备管控一体化方法,建立了状态监测、故障诊断、设备管理集成的设备管控一体化系统,分析了设备管控一体化系统的功能,提出了系统实现的一些关键技术并指出了系统在企业的应用中存在的问题.     

变频调速在火电厂中的节能应用

该文针对当前火电厂发电煤耗、厂用电较高的状况,分析其产生原因,提出以变频调速取代传统调速方式的解决方案,降低电厂用电率。并以引风机为例对变频调速的节能原理加以阐述。     

Extraction of rules for faulty bearing classification by a Neuro-Fuzzy approach

In this paper, a classification system of faulty bearings based on a Neuro-Fuzzy approach is presented. The vibration signals in the frequency domain produced by the faulty bearings will be taken as the inputs to the classification system. In this sense, it is an essential characteristic for the used Neuro-Fuzzy approach, the possibility of taking a great number of inputs. The system consists of several Neuro-Fuzzy systems for determining different bearing status, along with a measurement equipment of the vibration spectral data. In this paper, a special attention is focused on the analysis of the rules obtained by the final Neuro-Fuzzy system. In fact, a rule extraction process and an interpretation rule process is discussed. Several trials have been carried out, taking into account the vibration spectral data collected by the measurement equipment, where satisfactory results have been achieved.