超长柔性悬挂固体充填刮板输送机异常工况表征及自主调控方法

固体充填刮板输送机是固体充填开采技术的关键装备,其高效智能化的程度制约着固体智能充填开采技术的进步,暂难突破超大采长、大功率、高可靠性的瓶颈,运行状态受地质条件、充填工艺等主控因素影响显著,异常工况自主调控问题亟待解决。总结了固体充填刮板输送机特征;构建了固体充填刮板输送机位姿形态与运输状态表征方法;通过分析异常工况的形成机理,选取异常工况判别指标,结合位姿与运输状态表征方法,给出了其空间位姿、牵引状态等异常工况判别准则与典型异常工况的调控路径,揭示了多工况状态下固体充填刮板输送机运载调控机制,提出了实时调控充填材料运输量、直线及水平程度组合的异常工况自主调控方法。全国首个260 m工作面长固体充填工程案例表明:通过异常工况自主调控,平均最大水平偏移距每减少100 mm,刮板链牵引力可减少85 kN,输送功率损耗可减少55 kW;平均最大垂直偏移距每减小100 mm时,输送功率损耗可减少7.2 kW;单位长度货载运量每减少100 kN/m,刮板链牵引力可减少31.9 kN,输送功率损耗可减少38.2 kW。所提出的异常工况自主调控方法可显著提升固体充填刮板输送机的输送效能,可助力实现固体智能充填开采。

大功率履带越野车用液力变矩器循环工况构建

为解决液力变矩器的传统稳态试验工况同实车工况契合度不高、无法反应实车上运行状态的问题,提出了一种大功率履带越野车用液力变矩器循环工况。在某型履带车辆实车工况数据基础上,统计分析液力变矩器在实车运行中的工况特征,选取了12个统计特征参数和10个比例特征参数,利用主成分分析法对工况数据进行了降维处理,通过无监督学习中的K均值聚类算法完成了数据片段的聚类分析,使用动态规划方法整合闭锁工况,获取典型工况片段用于循环工况重构,利用汉宁窗对片段进行平滑连接。以循环工况与总体数据主要特征值平均误差、连接处转速差值总和及斜率差值总和为目标,借助模拟退火和多目标粒子群算法进行优化,构建基于实车数据、契合液力变矩器实车运行特征的循环工况。结果表明,最终所得工况由叶轮转速——时间和闭锁信号——时间组成,主要特征参数平均相对误差为2.92%,与实车数据的工况特征表现一致。本研究成果为设计液力变矩器的可靠性试验工况提供了一种新的思路和途径。

融合工况预测的燃料电池汽车里程自适应等效氢耗最小控制策略

为有效地提高插电式燃料电池汽车的经济性,实现燃料电池和动力电池的功率最优分配,考虑到行驶工况、电池荷电状态(State of charge,SOC)、等效因子与氢气消耗之间的密切联系,制定融合工况预测的里程自适应等效氢耗最小策略.通过基于误差反向传播的神经网络来实现未来短期车速的预测,分析未来车辆需求功率变化,同时借助全球定位系统规划一条通往目的地的路径,智能交通系统便可获取整个行程的交通流量信息,利用行驶里程和SOC实时动态修正等效消耗最小策略中的等效因子,实现能量管理策略的自适应性.基于MATLAB/Simulink软件,搭建整车仿真模型与传统的能量管理策略进行仿真对比验证.仿真结果表明,采用基于神经网络的工况预测算法能够较好地预测未来短期工况,其预测精度相较于马尔可夫方法提高12.5%,所提出的能量管理策略在城市道路循环工况(UDDS)下的氢气消耗比电量消耗维持(CD/CS)策略下降55.6%.硬件在环试验表明,在市郊循环工况(EUDC)下的氢气消耗比CD/CS策略下降26.8%,仿真验证结果表明了所提出的策略相比于CD/CS策略在氢气消耗方面的优越性能,并通过硬件在环实验验证了所提策略的有效性.

基于信息融合子域适应的不同工况下谐波减速器故障诊断方法

针对工业机器人谐波减速器不同工况数据分布差异大,部分工况数据标签缺失以及单一传感器获取信息不全面,导致诊断准确率不高的问题,提出一种信息融合子域适应的不同工况下谐波减速器故障诊断方法。该方法将源域和目标域一维振动数据利用小波变换构建时频图;使用基于小波变换的图像融合方法整合多个传感器的时频信息并构建融合图像;提出多表示特征提取结构的改进残差网络以充分挖掘融合样本多表示特征,同时,在无监督场景下将源域和目标域融合样本的多表示特征进行子域适应处理,减小两域的各个子域间的分布差异,从而将知识从标签丰富的源域迁移到标签缺失的目标域,最终实现不同工况下谐波减速器的故障诊断。通过搭建工业机器人谐波减速器故障实验台并进行实测,所提方法在所有迁移任务中平均准确率可达98.8%,能够有效实现无监督场景中不同工况下谐波减速器的故障诊断。

自监督学习结合对抗迁移的跨工况轴承故障诊断

轴承智能故障诊断应用中,由于实际工况复杂多变,极难获得足够的真实故障数据,且目标域和源域信号存在较大差异,导致深度模型的跨工况迁移识别也出现特征提取及分类困难、模型泛化性弱。考虑到目标域存在大量无标签数据,引入无监督思想,提出基于自监督学习结合对抗迁移的改进方法。首先根据信号本身特点创建辅助任务,对大量无标签数据学习,建立源域与目标域故障类别之间的内在联系;再通过对抗域适应和联合最大平均差异将源域知识迁移到目标域中,结合辅助任务优化两域差异,最终实现目标域准确的故障分类。用2个公开的轴承数据集上验证了所提方法的性能,实验结果表明,所提方法的故障诊断识别准确率在多数情况下均高于98%。

有机工质向心透平数值模拟及变工况内流特性研究

基于国内外研究现状,分别对设计工况下和非设计工况下有机朗肯循环向心透平的工作状态进行了三维数值模拟。以透平功率、效率、反动度、静叶损失系数、动叶损失系数作为评价指标,分析了透平在非设计工况下的性能;同时开展了透平在非设计工况下流动状况的描述。结果表明:设计工况下透平输出功率为122.3 kW,透平等熵效率为83.54%;在非设计工况下,透平功率和效率在转速比为0.8~1.0时的增幅较大,透平反动度和静叶损失系数均与转速呈线性关系,而动叶损失系数在转速比为0.8~1.2时存在最小值;当转速低于设计转速时,在动叶前缘吸力面存在涡流,当转速高于设计转速时,涡流存在于动叶压力面的前缘,造成此现象的主要原因是动叶转速与静叶出口流速的周向分量之间存在差值。

高速S-CO_(2)向心透平几何参数优化及变工况特性分析

透平是热力循环中实现热功转换的核心设备,优化透平几何参数以改善气动性能,是提升系统热效率的关键。该文以面向某船舶主机烟气余热利用的超临界二氧化碳布雷顿循环透平设计参数为基础,给出向心透平主要几何参数,采用耦合CO_(2)真实物性参数的CFX仿真方法,分析几何参数动、静叶包角以及叶轮出口几何角对透平性能的影响规律并进行参数优化,进一步研究非设计工况下的透平运行特性。结果表明:增大静叶包角会使动叶前缘出现扰动涡流并减少余速损失,增大叶轮出口几何角,动叶包角对透平效率的影响规律不变,但效率峰值点会沿动叶包角减小的方向移动;动、静叶包角和叶轮出口几何角分别为49°、21.5°、25°时透平设计点总-静等熵效率高达87.99%,相比优化前,提高0.54个百分点;透平偏离设计点±20%工况下等熵效率大于80%。结果可为超临界二氧化碳高速向心透平设计提供一定参考。

基于卷积神经网络的多工况多传感滚动轴承实时监控方法

针对工业环境中广泛在多工况下多滚动轴承实时状态监测的需求和部署环境受限的挑战,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)的面向多传感器滚动轴承运行状态监控方法。该方法将两个不同工况下的一维时间序列数据集以均方根(Root Mean Square,RMS)指标标注,并通过将一维时间序列多传感器数据重构为二维空间张量的形式输入卷积神经网络训练。最后利用层融合和16比特量化优化,将网络部署到FPGA上,用以解决CNN的计算开销。实验结果表明,在结合了两种不同工况的数据集下,网络测试推理准确度依然高达99.24%,比多层感知机实现高10.48%,比多层感知机结合支持向量机的实现高2.91%,该算法对于新加入的数据集也有较强的鲁棒性,经过重训练,新加入的数据集准确率可以达到99.17%。基于FPGA部署优化的网络的峰值能效为76.217GPOS/W,为CPU实现的33.09倍,GPU实现的5.39倍。其中,16比特精度部署的网络测试精度相较32比特精度实现仅降低0.001%。

基于改进三元组网络的回转窑火焰图像工况识别

针对回转窑火焰图像细节特征难以区分导致的工况识别困难的问题,提出一种基于改进三元组网络的小数据集回转窑火焰图像工况识别方法。该方法在原始三元组网络的基础上优化了距离度量方式并引入类内距离损失。首先,将回转窑火焰图像的RGB通道分离后分别进行双边滤波预处理,保留具有火焰边缘信息的特征,并在原始三元组损失中通过引入类内特征距离损失,使其能够在增大类间距离的同时,减小类内距离;然后,通过基于马氏距离的改进三元组网络获取具有细节差异性的火焰图像特征;最后,采用K均值聚类算法对有标签的特征向量进行工况识别。实验结果表明,该方法得到的特征具有更强的判别性,可以有效提高回转窑工况识别的分类精度,指导回转窑操作。

偏转工况L型吊舱推进器敞水性能数值研究

针对吊舱推进器在偏转时诱发的剧烈的水动力不稳定问题,以某L型吊舱推进器为研究对象,采用计算流体力学(CFD)方法和滑移网格技术对不同偏转角β(β=0°、±10°、±20°、±30°)下L型吊舱推进器进行敞水性能数值研究。研究结果表明:吊舱推进器螺旋桨的推力、扭矩以及吊舱单元的侧向力均随偏转角的增大而变大,其中吊舱推进器螺旋桨的推力系数、扭矩系数受偏转方向影响较小。β=0°时,受螺旋桨旋转时产生的周向诱导速度的影响,吊舱推进器在直航工况下也会受到侧向力作用,当吊舱推进器向右偏转时,其迎流侧产生的侧向力会与螺旋桨旋转尾流产生的侧向力相互抵消,导致吊舱推进器在向右偏转时产生的侧向力整体小于向左偏转时产生的侧向力;由于螺旋桨旋转尾流会与后方舱体、支架相互干扰,吊舱推进器整体推力系数并不是关于直航时对称,小偏转角(|β|≤15°)对吊舱推进器整体的推力系数影响较小,当偏转角|β|>15°时,推力系数会迅速下降。

高温气冷堆主氦风机变阻力工况调试方法

高温气冷堆主氦风机调试期间,由于一回路阻力低于设计工况,因而主氦风机无法完成全转速范围性能测试。基于主氦风机的理论特性与相似原理开发主氦风机不同阻力工况调试参数的推算方法。结合主氦风机单体试验工况点,准确推算主氦风机冷态与热态性能试验的工况点参数,并指导完成高温气冷堆主氦风机全转速、满功率性能测试。通过对主氦风机调试与出厂试验结果的对比分析,验证本推算方法的可行性,并给出空气介质与氦气介质工况转换的修正因子。通过主氦风机调试与运行数据的对比分析,可以看出本文提供的主氦风机调试工况具有足够的包络性,能够覆盖高温气冷堆运行期间主氦风机的所有运行工况,证明了本文提供的变阻力工况主氦风机调试方法满足高温气冷堆主氦风机性能验证需求,可用于指导后续高温气冷堆的主氦风机调试工作。

R32热泵系统稳定性与变工况特性实验研究

实验研究了变热源进口温度工况和变热水进口温度工况下膨胀阀开度对R32热泵系统稳定性和系统性能的影响规律。结果表明:不同工况下系统存在不同的过热度振荡区间,且热源进口温度对起始振荡过热度的影响较显著,而热水进口温度对其影响则不明显;变热源进口温度(15~25℃)工况下,制热量随着过热度的变化呈现不同的变化规律,而其COP则呈现相同的变化规律,且系统均在过热度振荡区间内获得最大COP;变热水进口温度(30~40℃)工况下,制热量和COP均随着过热度的变化呈现相同的变化趋势,且两者均在过热度振荡区间内取得最大值;热源进口温度的升高和热水进口温度的降低均可使系统获得的最大制热量和最大COP增大,且两者在热源进口温度为25℃时分别为9.287 kW和4.646,而在热水进口温度为30℃时则分别为9.148 kW和5.665。

某平推式桥梁展开工况下模态分析与试验研究

为了研究桥梁架设中的振动问题,以一种平推式桥为研究对象,针对桥架设过程中最危险的展开桥工况,建立了展开桥的柔性多体动力学模型,并进行了模态计算和试验研究。结果表明:1阶振动的计算值为0.5447 Hz,实测值为0.5072 Hz,振型为横向弯曲,试验结果与模态计算值接近,最大误差为6.8%,验证了有限元模型的准确性;在展开桥工况下,结构自振频率梯度明显,识别度高。

考虑起飞工况的航空发动机性能退化预测研究

针对现阶段航空发动机性能退化建模研究没有考虑起飞工况的影响问题,提出了基于修正的非线性维纳过程发动机性能退化建模方法。该方法结合了同类型号发动机的历史性能退化数据与个体发动机的实时退化和工况数据。首先,考虑发动机每次起飞的工况不同,把工况修正引入非线性维纳过程建立发动机的性能退化模型。然后利用极大似然估计方法求得退化模型离线估计值,基于贝叶斯理论对退化参数进行在线更新,最后基于局部线性嵌入算法,对工况参数进行融合构建工况因子,修正退化参数,实现了基于起飞工况的单台发动机性能退化预测。结果表明,采用融合工况因子修正模型,与未修正和压比修正模型相比,平均绝对百分比误差分别降低1.50%和1.01%。证明融合工况因子修正模型能降低发动机起飞工况差异和仅用单工况参数修正所造成的预测误差,可以用来辅助指导下发决策。

基于风况预测误差自适应的海上风电场尾流偏转控制方法

风电场尾流偏转控制是降低尾流效应、提升整场发电量的重要手段。风况预测值是风电场尾流偏转控制的重要输入,其误差给实际控制效果带来巨大影响,甚至导致全场发电量“不增反降”,极大限制了风电场尾流偏转控制技术的工程应用。以某海上风电场实际运行数据为例,探索了分钟级风速和风向预测误差对风电场尾流偏转控制效果的影响,提出了风况预测误差自适应的海上风电场尾流偏转控制方法及基于深度神经网络的控制模型。研究结果表明:与不考虑风况预测误差自适应的传统风电场尾流偏转控制方法相比,所提方法的全场发电量提高了1.77%。

湍流风况下风电机组机舱近尾流的数值模拟研究

水平轴风电机组机舱风速是机组控制的主要信号参数。机舱风速受风电机组来流湍流与风电机组近尾流影响,变化复杂,对风电机组的优化控制有重要的影响。本文采用计算流体力学(CFD)方法,对湍流风况下风电机组机舱近尾流进行了详细分析。对比研究了稳态均匀风况和湍流风况下的近尾流的结构、机舱速度分布及其对风电机组总体性能的影响。研究发现,风电机组总体性能随湍流风况波动也呈现多尺度波动特征。湍流风况下,经过滤波后的机舱风速的时间序列和来流风速的时间序列体现出很强的相关性。对于湍流风况和稳态均匀风况,叶片/风轮旋转对风电机组机舱风速波动的影响最大。湍流风况会增加风电机组机舱风速的波动频率,增大波动的幅值,削弱风轮旋转对尾流和机舱风速的影响。湍流风况使得机舱周围的流动结构更复杂。稳态均匀风况与湍流风况下叶片吸力面叶根位置处都发生了分离流动,湍流强度增大了叶根位置处的流动分离。

基于随机邻域嵌入的无监督复杂工况识别

现代工业生产设备通常结构复杂并交替运行于不同工况,基于监测数据进行准确的工况识别是对系统进行健康监测的基础,但系统的监测数据通常维度较高、数据量较大。针对设备复杂工况的识别问题,提出了一种基于随机邻域嵌入的无监督工况识别方法。采用随机邻域嵌入算法,能够保留数据的局部和全局结构特性;计算了高维和低维空间中数据点的概率相似性,可实现设备高维监测数据的降维和无监督聚类,在不建立系统模型的基础上达成准确识别系统工况的目的。结果表明:该方法可有效实现高维监测数据的复杂工况识别,是一种有效的无监督聚类学习方法。

工况对双螺杆混输泵振动特性影响实验

为研究工况对双螺杆混输泵振动特性的影响,搭建双螺杆混输泵多通道振动测试系统,测试并分析不同含气率、转速及出口压力下混输泵振动参数。结果表明:排液开始时排液腔瞬时打开诱发射流,射流向竖直向的泵出口偏转从而产生压力脉动并诱发振动,导致泵竖直方向振动加速度有效值高于水平方向和轴向;含气率为7.5%时振动加速度有效值为纯液工况时的1.88倍,随着含气率进一步升高测量值降低;而含气率大于20%时,振动有效值继续升高。在转速为1450r/min时y方向振动加速度有效值是850r/min时的2.95倍;振动加速度有效值随出口压力变化较小。当转速由850r/min升高至1450r/min时,径向垂直方向振动加速度主频由75fn移动至50fn。研究可为提高双螺杆混输泵运行稳定性提供指导。

域对抗图卷积注意力变工况故障研究

针对滚动轴承在变工况环境中网络特征提取能力不足的问题,提出了一种域对抗图卷积注意力迁移学习的故障诊断方法(DAGRESL)。首先,通过残差神经网络(residual network, Resnet)提取输入的轴承故障信息特征并通过Simam注意力模块增强Resnet的特征表达能力;其次,利用图生成层学习Resnet的特征数据并挖掘样本结构特征之间的关系来构造实例图;然后,利用图卷积网络(graph convolutional network, GCN)对实例图进行建模;最后,利用域判别器和局部最大平均差异(local maximum mean discrepancy, LMMD)对齐子域和全局域之间的分布并通过标签分类网络完成故障分类。通过在SQI-MFS轴承数据集的实验结果证明了所提出的DAGRESL模型能够精准地区分变工况轴承故障类型,有效解决了滚动轴承在变工况环境中网络特征提取能力不足的问题。

基于不同海浪谱船舶极限海况运动统计特征值预报分析

船舶在恶劣海况下的运动极值预测对于船舶航行安全性的评估至关重要。现阶段在进行船舶运动极值预测时,常以单峰谱波浪模型为主,而大量的海浪观测资料表明,在海面上纯风浪与涌浪的情况出现较少,大部分以混合浪的形式出现。本文计算某船型在规则波下的运动响应,根据计算结果分别使用ITTC单参数谱波浪,Ochi-Hubble谱不同频率能量的混合波浪,对高海况下船舶运动统计特征值进行预报,比较分析船舶在18kn、24kn、30kn不同浪向角下的升沉、纵摇、横摇运动单幅有义值,探究不同海浪谱在极限海况下对船舶运动幅值的影响,为恶劣海况船舶的安全航行提供参考。