袋式除尘器高温烟气控制技术研究

大气环境问题日益严重,在烟尘治理中袋式除尘越来越占居主导地位。为有效保证高温烟气除尘效果,降低成本,从温度控制、清灰机制、压力调控等方面进行研究。鉴于除尘参数复杂多变、工况波动大,将现代控制理论应用于袋式除尘器中。结合除尘经验,改进隶属度函数,设计除尘器温度模糊控制器。通过对现场数据的采集和分析,对比控制结果。应用表明:模糊温度控制方法和联合清灰机制在袋式除尘器控制中具有良好的效果。     

变风速条件下风力机轴承故障特征提取

针对风速变化条件下风力发电机轴承故障特征的检测问题,提出了一种基于灰狼优化( GWO )和双稳态杜芬振荡器的随机共振( SR )的故障特征提取方法.首先,根据风速估计故障特征信号的频率,通过合适的采样频率采集风力发电机的振动信号并对采集的信号做归一化处理.随后,根据风速尺度引入变换系数对频率 时间尺度进行变换.此外,利用灰狼算法方法将杜芬振子的阻尼比和系统参数调整到最优值.最后,通过杜芬系统和尺度恢复获得可识别信号.结果表明,所提出的方法能提取原始信号中的故障特征信号.     

新型镁熔炉设计中的压力损失特性分析

为了实现电熔镁节能减排和清洁生产,设计开发了一种新型镁熔炉除尘回热一体化设备,实现了镁生产全过程的能源回收和除尘。在新设备投入使用前,为保障安全生产对设备整体的压力损失特性进行分析,主要产生压力损失的装置分别为除尘装置和余热回收装置。除尘装置在同一脉冲周期内,压力损失随时间的变化呈线性关系,并具有周期变化的趋势。而余热回收装置的压力损失与温度变化有着密切关系,通过对单个预热周期温度变化的研究,获得了温度随时间变化的关系方程,又根据新设备特性最终推导出新设备压力损失随时间变化的特征关系曲线方程。     

袋式脉冲除尘器气箱花板结构特性

为了提高袋式除尘器使用性能,消除除尘器花板在结构选择方面的盲目性,基于有限元分析软件ANSYS研究了方形阵列和三角形阵列两种形式花板上的位移分布与应力分布情况.结果表明,在变形量方面,两种结构的分布形式相同,但三角形阵列的变形量更小;在等效应力方面,三角形阵列所受最大应力比方形阵列小,但绝大多数区域方形阵列的等效应力更小.与方形阵列相比,三角形阵列不仅满足了除尘器的设计需要,而且减少了钢材的消耗,占地面积也更小,具有更好的经济效益.     

模糊控制在袋式除尘温度控制中的应用研究

随着大气环境问题的日益严重,烟气除尘已经成为一个重要的研究方向。袋式除尘器是治理大气污染的高效除尘设备,在我国已得到广泛应用。为了有效保证除尘效果,降低成本,将模糊控制应用到袋式除尘器的温度控制中,调整语言变量的隶属函数,增加变权重模糊自适应控制策略,并对该控制进行了仿真。在实际应用中,对人工控制、模糊控制、自适应模糊控制结果进行对比分析。仿真和实际应用结果表明:模糊自适应控制方法在袋式除尘器控制中具有良好的控制效果。     

基于VMD和QPSO-SR的风电机组轴承故障提取方法

提出一种基于量子粒子群优化算法的自适应随机共振(quantum particle swarm optimization stochastic resonance,QPSO-SR)降噪和变分模态分解(variational mode decomposition,VMD)的风电机组轴承故障提取方法。首先根据原始故障振动信号特征采用量子粒子群优化算法自适应地进行随机共振参数优化;其次以信噪比最优的参数值对原始信号进行随机共振降噪处理,削弱噪声干扰和冲击成分对结果的影响并增强故障信号幅值;再用VMD法分解降噪处理后的信号,实现故障信号的提取。仿真分析和实验分析表明,该方法提高了VMD在噪声背景下的计算精度,实现风电机组滚动轴承故障的精确诊断。     

基于项目的研究生机械工程专业课程教学改革

机械工程专业的研究生教育主要着眼于培养具有工程技术能力的人才,专业课程包括技术类和科学类,这些课程都应以实践为培养人才的重要基础。这就需要机械工程专业课程密切地与工程实践项目相联系,形成工程实践的教学理念。根据机械工程专业研究生科研创新能力培养的具体要求和社会大环境就业的实际需要,针对机械工程专业课程的现有问题,探索了“教师指导、学生探索、项目引领、科研对接”促进实践项目学习的教学模式,研究基于项目教学的机械工程专业课程的理论与实践结合式教育教学方法。提出基础理论实践训练项目、工程实践训练项目、创新实践训练项目——综合实践训练项目逐步递进的实践教学改革,以及与之相匹配的考核方式改革。课堂工程实践教学改革,不仅能够为学生后续的课题研究打下基础,还能帮助学生更好地适应就业大环境的需要。通过基于项目的工程实践教学改革,也使讲授教学得到了改变,学生能够理论联系实际进行学习,增加对专业课程的兴趣也提高了动手能力。     

QPSO匹配的FIE随机共振轴承故障诊断

针对随机共振(stochastic resonance,简称SR)系统处理复杂信号的局限性以及参数选择的盲目性,提出了一种基于频域信息交换(frequency information exchange,简称FIE)的量子粒子群自适应参数匹配随机共振方法。首先,采用FIE将高频特征信号的频域幅值信息交换到对应的基准低频处;然后,根据基准频率特征采用量子粒子群优化(quantum particle swarm optimization,简称QPSO)算法优化SR系统参数;最后,对振动信号进行随机共振处理。滚动轴承实测信号的分析表明,该方法可以消除随机共振对频段的局限性,避免系统参数选择的盲目性,使随机共振更适用于强噪声背景下较高频段的故障信号检测。     

基于支持向量机和盒维数的滚动轴承状态预测

针对轴承在运行过程中状态难以预测的问题，提出一种基于最小二乘支持向量机(LSSVM)结合分形盒维数的方法预测滚动轴承状态。首先，分析滚动轴承在正常和三种故障状态下的盒维数和峭度值；然后，分析盒维数和峭度值对轴承运行状态的描述；最后，借助改进LSSVM预测轴承信号的盒维数和峭度值。实验结果表明，分形盒维数能对正常状态、内外圈及滚动体故障进行区分，结合峭度值能提高分类识别效果，改进的LSSVM方法能准确地预测特征参数，从而实现对轴承状态的预测。