浅析励磁系统的应用

随着现代工业中电机单机容量不断增大与微机控制及晶闸管工艺的发展，异步电机价格低廉及维护方便的优势在逐渐弱化。同步电机以其运行稳定、功率因数可调为特点在大容量机组中得到了广泛应用。励磁控制作为同步机控制的主要组成部分经过半个世纪的发展，不论在控制理论还是在电子器件的研制和实际应用方面，均取得了长足进展。     

随机森林算法在柴油机故障诊断中的应用

针对基于单一分类器的柴油发动机常见故障识别效果不够理想,泛化性较差等问题,结合实验数据探索了一种随机森林(Random Forest,RF)分类器,提出小波包分解和随机森林相结合的柴油发动机故障诊断方法。首先,对缸盖振动信号进行小波包分解,并利用分解所得的小波包重构系数计算各频带能量特征;然后,对小波包频带能量特征进行归一化处理,得到特征向量;最后,特征向量作为输入参数输入到随机森林算法中,训练得到分类模型,对柴油机常见故障进行识别。实验结果表明,随机森林方法相比于单一分类器可以更准确的识别出柴油机的运行状态,该方法在柴油发动机在线监测与故障诊断领域中具有良好的应用前景。     

谈玻璃钢制品在公路交通安全设施中的应用

随着公路尤其是高速公路的快速发展,将对现有的交通安全设施的质量、安全、环保、耐久、养护等方面提出更高的要求。在不断发展新工艺、新材料的今天,交通安全设施的品种、性能也随之不断进步,以满足交通运输发展对安全设施的需求,充分发挥公路的经济效益和社会效益。     

智能预应力碳纤维板在旧桥加固中的应用

介绍了智能碳板的生产原理及加固监测工作原理,结合某桥梁加固工程,采用智能碳板对其进行加固监测,研究结果表明:智能碳板具有良好的自感知性能,监测精度高;能完整跟踪预应力碳板的张拉过程;可以较好地监测出张拉施工过程中由于千斤顶油表读数的人为误差和不规范施工造成的碳板少张拉或超张拉的情况;并可以对智能碳板内的预应力损失进行监测。智能碳板用于桥梁加固监测工作是有效的,具有良好的工程应用前景。     

基于VMD和SVD的柴油机气门间隙异常特征提取研究

为有效地从柴油机缸盖表面振动信号中提取气门间隙故障特征,提出一种基于变分模态分解(VMD)和奇异值分解(SVD)的特征提取新方法。采用VMD算法对缸盖振动信号进行分解,利用所得的模态分量构建特征矩阵;接着应用SVD理论将特征矩阵转变为表征频率特性的奇异值序列,探讨了稳定工况下的奇异值序列与不同气门间隙状态之间的关系;由于转速、负荷等工况的改变对信号特征层的影响与故障所引起的信号特征的改变可能非常相似,因此将奇异值序列作为特征参数,输入到随机森林分类器中,构建分类模型,对柴油机变工况下的气门间隙故障进行诊断。实验结果表明:该方法能有效识别气门间隙故障,突出故障敏感特征;与传统基于Hankel矩阵和小波包系数矩阵的SVD特征提取方法相比,该方法所提特征参数在柴油机变工况条件下具有更高的识别率。     

非取土引孔劲性复合桩在桥梁工程中的应用

非取土引孔劲性复合桩是一种刚性预应力管桩与柔性水泥土搅拌桩相结合的新型复合桩型,该类桩型结合打入管桩与灌注桩的承载力高、水泥土桩侧摩阻力大的优点,在承载力与性价比等方面有独到优势。随着劲性复合桩应用领域的拓展,不仅应用于抗压、水平向受载,还应用于抗拔、复合受载等构筑物。探讨劲性复合桩在桥梁工程中的应用,积累和丰富研究成果,具有可观的社会效应、经济价值和良好的工程应用前景。     

浅谈直流接地查找

一前言 变电所中的继电保护、自动装置、信号装置和电气设备的远距离操作,一般采用直流电源作为操作电源。蓄电池是一种独立的操作电源,它在变电所内发生任何事故时．即使在交流电源全部消失的情况下,都能保证直流系统的用电设备可靠的连续工作。因此直流系统的稳定、完全并保持良好的工作状态是安全运行的主要保障。蓄电池一般采用浮充电方式运行,用浮充电机组或可控硅整流器作为浮充电源,浮充电源与蓄电池并列运行于直流母线上。     

物性参数对硅单晶Czochralski生长过程的影响

为了了解硅单晶C zochra lsk i(C z)法生长时物性参数对熔体流动和氧传输过程的影响,利用有限元法对炉内的传递过程进行了全局数值模拟,假定熔体和气相中的流动都为准稳态轴对称层流,熔体为不可压缩流体,C z炉外壁温度维持恒定。结果表明:熔体的导热系数及发射率对熔体流动、加热器功率、结晶界面形状、晶体内轴向温度梯度和氧浓度有重要影响,而熔体的密度、黏度系数及熔解热对硅单晶C z法生长过程影响较小。     

中央电视台新主楼菱形幕墙单元变形性能研究

主要探讨了CCTV主楼幕墙体系在设计中的容差设置问题,在基于主体结构施工过程跟踪模拟分析的基础上,研究了幕墙体系施工过程中的变形性能,并建立了菱形幕墙单元的有限元模型,对其变形和容差进行了数值计算分析。     

基于机器学习势函数的材料力热性质多尺度模拟研究进展

随着人工智能技术的发展，采用机器学习方法进行势函数的构建和拟合，成为目前解决经验势函数精度问题的主要技术途径。机器学习方法解决了传统势函数拟合中的试错低效问题，已成为材料设计和物性研究不可或缺的有力工具。本文围绕当前机器学习势函数的特点，及其在相变研究、本征性质研究和界面研究等方面的应用，全面总结介绍势函数及其拟合策略，以及其在特定物性研究中的应用，推动机器学习势函数在材料力热性质的多尺度模拟研究。最后，展望了机器学习势函数所面临的挑战和未来发展前景。