圆筒混合机托辊发生点蚀破坏是一种常见的失效形式,针对某Φ5 m×24 m的圆筒混合机短时间内产生点蚀的托辊进行载荷分析、材料力学性能分析、硬度试验分析、金相组织试验分析及点蚀扫描电子显微镜(Scanning Electron Microscope,SEM...圆筒混合机托辊发生点蚀破坏是一种常见的失效形式,针对某Φ5 m×24 m的圆筒混合机短时间内产生点蚀的托辊进行载荷分析、材料力学性能分析、硬度试验分析、金相组织试验分析及点蚀扫描电子显微镜(Scanning Electron Microscope,SEM)形貌观察,研究托辊点蚀失效的原因。研究结果表明,外界载荷和托辊材料本身性能并不是引起托辊短时间内产生点蚀的主要原因,托辊表面硬度不足是引起托辊短时间内点蚀的主要原因,因此,托辊更易产生点蚀、剥落和掉块,最终导致失效。展开更多
针对具有大转动惯量和宽最大功率点跟踪(maximum power point tracking,MPPT)区间的风电机组,发现了一种在传统MPPT控制策略下出现的风机MPPT失效现象。基于对简化风机模型的平衡点及加速/减速区域的分析,从机理上解释了MPPT失效现象的...针对具有大转动惯量和宽最大功率点跟踪(maximum power point tracking,MPPT)区间的风电机组,发现了一种在传统MPPT控制策略下出现的风机MPPT失效现象。基于对简化风机模型的平衡点及加速/减速区域的分析,从机理上解释了MPPT失效现象的产生原因,即风机的慢动态性能难以跟踪风速的快速波动。进一步,针对多种容量风电机组的仿真统计分析表明,该MPPT失效现象的发生及其对风能利用系数的降低是不能忽视的。特别是在高湍流强度的风速条件下,MPPT失效导致的风能捕获损失率可能高达10%以上。展开更多
目的针对深潜耐压球壳在真实下潜过程中全局应力场难以直接获取的问题,提出一种基于人工智能的深潜耐压球壳应力场映射算法。方法构建深潜耐压球壳有限元模型,并开展仿真分析。提出深潜耐压球壳监测布点方案,进而利用长短时记忆神经网络...目的针对深潜耐压球壳在真实下潜过程中全局应力场难以直接获取的问题,提出一种基于人工智能的深潜耐压球壳应力场映射算法。方法构建深潜耐压球壳有限元模型,并开展仿真分析。提出深潜耐压球壳监测布点方案,进而利用长短时记忆神经网络(Long-short Term Memory Network,LSTM),将测点应力信息作为输入,将全局应力场信息作为输出,构建深潜耐压球壳应力场映射模型。最后,对不同测点下的映射结果进行分析。结果与模型试验结果相比,仿真误差小于2%。与DNN模型及BP模型相比,映射误差分别下降94.92%与97.76%。结论所提映射算法可在部分测点失效的情况下仍可以保持较高精度。展开更多
文摘圆筒混合机托辊发生点蚀破坏是一种常见的失效形式,针对某Φ5 m×24 m的圆筒混合机短时间内产生点蚀的托辊进行载荷分析、材料力学性能分析、硬度试验分析、金相组织试验分析及点蚀扫描电子显微镜(Scanning Electron Microscope,SEM)形貌观察,研究托辊点蚀失效的原因。研究结果表明,外界载荷和托辊材料本身性能并不是引起托辊短时间内产生点蚀的主要原因,托辊表面硬度不足是引起托辊短时间内点蚀的主要原因,因此,托辊更易产生点蚀、剥落和掉块,最终导致失效。
文摘针对具有大转动惯量和宽最大功率点跟踪(maximum power point tracking,MPPT)区间的风电机组,发现了一种在传统MPPT控制策略下出现的风机MPPT失效现象。基于对简化风机模型的平衡点及加速/减速区域的分析,从机理上解释了MPPT失效现象的产生原因,即风机的慢动态性能难以跟踪风速的快速波动。进一步,针对多种容量风电机组的仿真统计分析表明,该MPPT失效现象的发生及其对风能利用系数的降低是不能忽视的。特别是在高湍流强度的风速条件下,MPPT失效导致的风能捕获损失率可能高达10%以上。
文摘目的针对深潜耐压球壳在真实下潜过程中全局应力场难以直接获取的问题,提出一种基于人工智能的深潜耐压球壳应力场映射算法。方法构建深潜耐压球壳有限元模型,并开展仿真分析。提出深潜耐压球壳监测布点方案,进而利用长短时记忆神经网络(Long-short Term Memory Network,LSTM),将测点应力信息作为输入,将全局应力场信息作为输出,构建深潜耐压球壳应力场映射模型。最后,对不同测点下的映射结果进行分析。结果与模型试验结果相比,仿真误差小于2%。与DNN模型及BP模型相比,映射误差分别下降94.92%与97.76%。结论所提映射算法可在部分测点失效的情况下仍可以保持较高精度。