BIM技术在超高层建筑施工中的应用——以杭州奥克斯项目为例

随着我国经济快速发展,建造技术也发生着翻天覆地的变化。其中超高层建筑因其复杂的结构和超然的高度而拥有比常规建筑施工技术更高的要求。在杭州奥克斯项目中,有着专业分包多、工期紧、施工场地受限、超高层施工难度大等特点。面对这些情况,项目使用BIM技术分别从图纸会审、碰撞检查、深化设计、重难点工序模拟、场地布置、样板引路、质量安全、动态进度管理以及成本核算等方面来进行应用。以精细化管理为目的,以信息化和数据化集成为手段,为解决本项目施工中的技术、生产以及成本问题提供方案和依据。     

椭球底零件侧孔翻孔模设计及有限元分析

介绍了某椭球底零件侧孔翻孔的成形工艺,基于工艺计算以及生产经验设计了模具结构,通过PAM-STAMP 2G软件的成形仿真,预测了板料成形过程中不同区域的变形趋势、等效应力以及等效塑性应变分布,为实际生产提供了理论基础及进一步优化板料成形工艺参数和改进模具结构提供了参考。     

精馏系统氯乙烯含水自动排放的研究

为降低氯乙烯水含量,对精馏系统粗氯乙烯排水工艺进行了改造,由人工手动排水改进为自动排水.介绍了自动排水工艺流程和自控方式.改造后粗氯乙烯含水质量分数降低了 140×10-6.     

基于自适应小波降噪和Inception网络的齿轮箱故障诊断

齿轮箱是传动系统中的重要部件,其故障率发生较高且难以直接识别故障情况。针对齿轮箱故障振动信号常含有大量噪声以及难以提取出准确、全面的故障特征的问题,提出一种基于自适应小波降噪和Inception网络的齿轮箱故障诊断方法。首先对采集的振动信号进行自适应小波降噪,然后将降噪后的信号输入Inception网络进行故障特征提取与分类。Inception模块具有多尺度抽象特征提取性能,能够从信号中提取全面的故障特征信息,包括齿轮箱微弱故障信号。研究表明该方法在信噪比SNR为-4 dB的环境下故障识别准确率仍达到92.65%,并且在-4 dB的环境下经过降噪处理的信号再输入Inception网络进行故障识别比直接将信号输入Inception网络进行故障识别准确率高6%。因此利用本研究提出的方法,对齿轮箱进行实时监测,及时发现安全隐患,对保证齿轮箱稳定运行防止财产损失具有重大意义。     

基于CEEMDAN自适应小波降噪与卷积神经网络的齿轮箱故障诊断研究

噪声情况下精确地对齿轮箱进行故障诊断是齿轮箱故障诊断的难题。为了解决该难题，采取自适应小波对自适应噪声完全集合经验模态分解（CEEMDAN）分量进行分解降噪与重组，并提出卷积神经网络(CNN)结合Inception模块的一维卷积神经网络(BICNN)提取重构信号的基本数字特征，同时使用长短期记忆提取BICNN所提取到的特征之间的相关性特征，对齿轮箱进行故障诊断研究。诊断结果表明：所提出的方法具有较高的抗噪声能力，并且齿轮箱在受到-4 dB噪声干扰的情况下，所提出的方法仍然可以获得99.63%的训练精度。