基于六点刚度试验的输送带翘曲问题分析

圆管带式输送机具有封闭运输的优点,但相较于普通带式输送机也存在一些缺点,如输送带横向刚度引起的输送带翘曲问题。文中针对输送带翘曲问题,基于六点刚度试验进行输送带仿真模型的建立,并通过仿真模型对输送带翘曲现象进行了定性分析。结果表明,输送带的翘曲量与输送带的横向刚度呈非线性增加的关系,与张力呈非线性减小的关系,并且随托辊间距的增加而增加,本研究为输送带的选型和圆管带式输送机的设计提供一定的参考。

移动式多点出料装置设计与试验

目前,筒仓仓群的进料传统工艺路线是在每个仓顶上布置有一台带式输送机,通过搭接方式由一台传递给另一台,实现物料的连续输送。其在每台带式输送机的出料口处设置有三通,一通流向料仓仓顶的进料点,一通流向下台带式输送机,导致工艺配置复杂、设备布置繁琐,操作起来不方便,故障率也会增高。为此,设计了一种移动式多点出料装置,包括:机架布置在输送机托架上方,托架上固定有滑轨;滚轮、驱动机安装在机架上且二者传动连接;导向托架与机架固定,其上安装有出料辊和托辊组,出料辊与托辊组共同对输送带进行滚动支撑,导向托架的一端固定有出料斗,其出料端布置在输送机托架一侧。上述设置保证了带式输送机出料位置可调,当需要对依次排列的多个料仓进行输送进料时,只需要布置一台带式输送机即可。样机调试运行及对生产试验结果表明:装置设计的各项技术指标均符合国家标准的规定和设计规范要求,能够满足市场需求和生产需要,解决了料仓仓顶多点进料的工艺难点。

皮带输送机托辊故障声源定位方法

为实现对皮带输送机托辊故障实时监测,提出一种基于广义互相关时延估计的托辊故障声源定位方法,并开发相关系统。首先通过安装在与皮带输送机旁间隔一定距离处的传声器采集声音信号,采用VMD与包络谱峭度方法有效提取托辊声音信号的故障频率信息。随后采用广义互相关时延估计算法对声音信号中选定的IMF分量进行广义互相关时延估计,根据时延域中互相关系数最大值所对应的时间差确定时延,结合声音在空气介质中的传播速度,以及故障声源位置与传声器之间的空间几何关系,确定故障声源位置。最后开发出托辊故障声源定位系统并投入现场运行,实验和现场应用结果表明,采用所提方法及相关系统能够实现托辊故障声源的准确定位。

Analysis and evaluation of idler absorption for quasi-parametric chirped-pulse amplification

Quasi-parametric chirped-pulse amplification(QPCPA) can improve the signal amplification efficiency and stability by inhibiting the back-conversion, in which the idler absorption plays a critical role. This Letter theoretically studies the impacts of idler absorption on the QPCPA performance in both the small-signal and saturation regimes. We demonstrate that there exists an optimal idler absorption that enables the achievement of maximum pump depletion within a minimum crystal length. To overcome the reduction in small-signal gain induced by idler absorption, the configuration of gradient idler absorption is proposed and demonstrated as a superior alternative to constant idler absorption. The results provide guidelines to the design of state-of-the-art QPCPA lasers.

基于Ansys的前倾托辊组疲劳寿命分析

带式输送机是由多个子系统组成的复杂技术系统,托辊作为承载输送带及物料的易损件,对其寿命分析显得尤为重要。文中以正常支撑托辊组和前倾布置托辊组作为研究对象,对二者的疲劳寿命进行分析研究。根据某焦化厂提供的正常支撑托辊组和前倾布置托辊组虚拟样机模型,基于Workbench对托辊组进行静力学仿真分析,获得等效应力、应变云图,应用疲劳分析软件nCode DesignLife进行应力疲劳分析,分析结果表明二者最小寿命均在轴承处。

抗战时期陕甘宁边区对“二流子”的改造

抗战时期,陕甘宁边区存在为数颇多的“二流子”群体,他们败坏社会风气、影响经济建设,不利于边区的政权稳定与发展。边区政府采取多种措施对“二流子”展开全面改造,使其从游离于社会主流的“旧人”转变为参与边区建设的革命性力量。深入研究边区政府改造“二流子”的成功举措及经验,对于当今推动乡村建设和加强乡村社会治理具有重要的历史借鉴意义。

带式输送机同步支撑滚轮调心托辊的设计与应用

针对目前带式输送机中输送带跑偏问题,对传统回转式调心托辊的自动纠偏原理、纠偏效果、结构特点等方面进行分析,找出其纠偏效果不理想问题的根源,确定了一种平衡回转中心两侧受力点的设计思路,设计了一种带式输送机同步支撑滚轮调心托辊。现场应用表明,该技术为输送带提供了更快速、灵敏的自动纠偏能力,甚至强制纠偏能力,纠偏效果明显,具有较高的推广价值。

降低竖炉带冷机故障及提升冷却效率的措施

新疆昕昊达矿业有限责任公司采用球团竖炉工艺,用带式冷却机对球团矿进行冷却,在生产运行中带冷机故障频繁,经常性非计划停机,设备作业率低,影响竖炉产能的发挥。带冷机主要存在轨道跑偏、漏料严重和小刮板掉道等问题。同时,因原篦子箅缝中卡球团,导致冷却效率降低。利用年修及定期检修对带冷机进行技术改造后,故障发生率降低了90%以上,冷却效率大幅提高。

带式输送机的跑偏与调整典型案例分析

阐述了选煤厂主要的运输设备带式输送机在运行过程中会因为各种原因出现胶带跑偏的现象,从而出现胶带撒煤、胶带折叠、撕胶带等问题。以下平行调心托辊的调偏原理对胶带在重锤滚筒、机尾滚筒、改向滚筒等几个位置跑偏进行调偏,解决因滚筒换向干扰而不能正确调偏的问题。

托辊全自动化柔性生产新模式的研究与应用

目前,我国托辊的生产多为单机半自动化模式,存在劳动强度大、工作效率低、质量稳定性差等问题,如何实现托辊的全自动化生产已成为行业关注的焦点。通过分析托辊的生产现状,设计开发一种托辊全自动化柔性生产模式,通过生产线研究设计思路定位、生产线工艺流程规划设计、各生产段协调联动设计、柔性化生产设计,并将其成功应用于生产实际,实现了托辊管加工装配生产段、托辊轴加工生产段和托辊涂装生产段全自动化联动生产,提高了生产效率和产品质量,减少了操作人员,对提升我国托辊制造智能化自动化水平具有重要意义。

基于模糊PID的动态履带张紧力控制系统研究

履带张紧力是影响履带可靠性的主要因素,保持履带张紧力的稳定性有利于提高履带服役寿命,使整车在越野工况中发挥出优越的性能。在对托带轮、负重轮、诱导轮以及履带张紧器的几何关系及受力分析的基础上,建立了履带张紧力的理论估算模型,通过与多体动力学仿真结果进行比较,验证了履带张紧力理论估算模型的正确性。在此基础上,基于模糊比例‑积分‑微分(proportional‑integral‑derivative,简称PID)控制理论设计了一种履带张紧力控制系统,可通过转动诱导轮曲臂来调整履带的松紧度。仿真结果表明:该控制系统能够快速、准确地达到期望履带张紧力,可有效地抑制车体振动的情况及托带轮所受履带的冲击载荷,增加了履带车辆行驶的可靠性。与传统的诱导轮固定方式相比,该控制系统可有效降低接地段履带的动态张力,且没有加剧履带脱轮的风险。

带式输送机更换托辊用皮带举升机构设计与应用

针对长运距大型带式输送机托辊故障频发,托辊更换工作导致停机停产,以及传统人工更换托辊方式效率低、设备单一等问题,以王家岭煤矿主平硐带式输送机为研究对象,提出了一种可实现不停机更换托辊的机器人,以提高托辊更换效率。皮带举升机构是更换托辊机器人的重要部件,基于该机器人的功能需求以及带式输送机空间狭窄、皮带载荷大等特点,设计了剪叉式皮带举升机构。首先,利用SolidWorks软件构建了剪叉式皮带举升机构的三维模型,基于带式输送机参数计算得到举升皮带的工作载荷后,对皮带举升机构进行受力分析。然后,采用SolidWorks Motion模块对皮带举升机构进行运动学仿真分析,同时利用ANSYS Workbench有限元软件对其进行静力学仿真分析。最后,开展地面试验和井下试验,以验证所设计的皮带举升机构的可行性。地面试验结果表明,在20~60 kN载荷下,皮带举升机构竖直位移的实测结果与仿真结果的匹配精度为6%~15%,验证了其主体结构的承载能力满足设计要求;井下试验结果证明了皮带举升机构设计的合理性和可靠性。剪叉式皮带举升机构的承载能力和举升高度均符合更换托辊机器人的功能需求,是实现带式输送机不停机更换托辊的关键技术突破。

托辊非接触式故障识别方法研究

因托辊故障引发的远程带式输送机事故越来越多,而传统的人工巡检已不能满足需求,且现有接触式加速度信号检测方式存在传感器需求量大及数据收集难的问题,所以有必要通过智能巡检机器人搭载拾音器进行非接触式巡检。托辊运行环境嘈杂,为剔除信号中的噪声,提出基于完全噪声辅助集合经验模态分解(CEEMDAN)、主成分分析(PCA)和鲁棒性独立分量分析(RobustICA)的单通道盲源分离(SCBSS)去噪方法;托辊信号具有非平稳、非线性的特点,仅用梅尔倒谱系数(MFCC)不能完美刻画信号特征参数,提出基于CEEMDAN、PCA、MFCC、MFCC的1阶差分系数和Delta值的自适应特征参数提取方法;最后采用支持向量机(SVM)作为分类器进行故障识别,识别率达到97.2%。

带式输送机等寿命品字形托辊组压陷阻力研究

压陷阻力是输送带运行过程中主要阻力,为了减小压陷阻力,基于一维Winkler粘弹性基础模型和标准线性固体模型,推导了输送带压陷阻力的表面应力分布,提出一种新型等寿命品字形45°托辊组。分析了其布置优势,并对压陷阻力进行了数值模拟,对载荷、输送带运行速度、不同托辊运行间距的影响进行了分析,并通过实验结果对数值模拟正确性进行验证。得到以下结论:等寿命品字形45°托辊组的压陷阻力比标准35°托辊组减少30%左右,压陷阻力大大降低,进而达到带式输送机整机节能降耗的目的。

煤矿带式输送机异常状态视频AI识别技术研究

传统的带式输送机异常状态识别采用人工巡检或机械综合保护系统进行检测,人工巡检劳动强度大、效率低、难以准确发现故障等,机械综合保护系统易造成误判,识别效果不佳,已无法满足煤炭行业智能化需求。随着机器视觉、深度学习和工业以太网技术发展,视频AI技术成为煤矿带式输送机异常状态智能识别的研究热点。分析了采用视频AI技术识别煤矿带式输送机输送带跑偏、托辊故障、人员入侵、人员不安全行为、堆煤及异物等异常状态的研究现状,指出目前煤矿带式输送机异常状态视频AI识别技术存在视频图像数据集构建耗时长、异常状态识别精度不高、视频信息传输延时大3个主要问题。针对视频图像数据集构建耗时长问题,提出加强基于半监督、无监督及小样本学习的视频AI识别算法研究、基于生成模型等方式扩充数据集的解决思路;针对异常状态识别精度不高问题,提出加强数据去模糊方法研究、利用生成对抗网络等算法均衡正负样本和改进AI识别算法的解决思路;针对视频信息传输延时大问题,提出构建“云−边−端”协同的带式输送机异常状态视频AI识别系统架构,合理部署高带宽、低延时的网络通信系统的解决思路。从高性能视频AI识别算法,高带宽、低延时视频通信技术,“云−边−端”高效协同的视频AI识别系统和健全视频AI识别技术标准4个方面展望了带式输送机异常状态视频AI识别技术的发展趋势。

MgO:PPLN中红外光参量振荡器的闲频光纵模特性研究

文中介绍了一种纳秒脉冲端面泵浦MgO:PPLN外腔光参量振荡器。基频光采用激光二极管泵浦的声光调Q Nd:YVO_(4)纳秒激光器,在声光Q开关的工作重复频率为120 kHz时,实现脉宽8.1 ns、最高输出功率7.03 W的1.064μm激光输出。通过将基频光聚焦至MgO:PPLN晶体内,外腔泵浦得到了脉冲宽度为4.7 ns,输出功率0.7 W的3μm闲频光。基频光-闲频光转换效率为9.95%,将基频光与闲频光的时域波形图傅里叶变换后对比,观察到光参量振荡过程对闲频光高阶纵模的抑制现象。该研究对实现窄线宽低噪声的中红外激光具有一定的参考价值。

基于迁移学习和DenseNet的带式输送机托辊故障检测方法

针对带式输送机机托辊故障传统检测方式效率较低、识别准确率不高等问题,设计了一种基于迁移学习和DenseNet网络的托辊故障检测智能检测方法。利用迁移学习来增强目标领域的训练,以提升网络训练效果,通过轻量化的特征重用DenseNet网络模型对托辊的缺陷进行检测,并以凯斯西储大学(CWRU)样本数据集进行试验。结果表明:改进后的检测模型迭代步数较少,训练速度快;针对托辊轴承多类故障的平均准确率达89.87%,能够快速准确的完成故障检测,具有一定的参考价值和现实意义。

基于闲频光谐振的中红外高能量、高光束质量KTiOAsO_(4)光学参量振荡器

基于砷酸钛氧钾(KTA)晶体优良的非线性光学特性,研究了由1μm Nd:YAG纳秒脉冲调Q激光器泵浦的高能量、高光束质量闲频光单谐振光参量振荡器。选取合适镀膜参数的腔镜、优化腔型设计,建立了一个稳定紧凑的半球形对称闲频光单谐振腔,实现了高能量、高光束质量的近-中红外激光输出。在输入泵浦光的(1.064μm)最大能量为20.2 mJ时,输出信号光(1.535μm)和闲频光(3.468μm)的最大能量分别为2.91 mJ和1.13 mJ,对应信号光和闲频光的斜效率分别为20.9%和8.1%。闲频光单谐振的光参量振荡器具有更大的衍射损耗和光束发散角,可以极大的限制输出光束的光谱带宽、提高谐振闲频光的光束质量等优势,测量了输出中红外闲频光在两个正交方向上的光束质量因子分别为M_(x)^(2)≈1.1,M_(y)^(2)≈1.1。

基于1DCNN-ELM的带式输送机托辊轴承故障诊断研究

针对带式输送机托辊轴承故障诊断中振动信号提取特征困难而导致故障诊断精度较低的难题,提出了一种基于一维卷积神经网络(1DCNN)和极限学习机(ELM)的托辊轴承故障诊断方法。首先,根据具体的故障诊断任务,对采集到的数据进行划分,并进行傅里叶变换,采用多个标签表示健康状态、故障类型和损伤程度。然后,利用1DCNN来提取故障特征,根据提取的故障特征利用ELM进行故障分类。该方法中的参数是随机产生的,不需要迭代更新,可有效加快计算速度。最后,通过Case Western Reserve University的轴承数据集以及自制托辊故障数据集进行故障诊断试验,测试精度均达到了100%,用时分别为2.82 s和2.42 s,能够在较短的时间内准确判断出托辊故障类型,验证了所提方法的有效性。通过与ELM、随机森林、K最邻近法、支持向量机和卷积神经网络等方法进行对比,体现了所提方法的优越性。结果表明:采用1DCNN和ELM相结合的诊断方法,其诊断效果比采用单一方法更好,能够满足煤矿领域托辊故障诊断的需求。

带式输送机托辊故障检测方法

针对现有输煤传送机托辊故障检测方法存在识别精度较低、抗环境干扰能力较差、无法长期稳定运行等问题,提出了一种基于融合信号(TFM)及多输入一维卷积神经网络(MI-1DCNN)的输煤传送机托辊故障检测方法。首先,通过拾音器采集输煤传送机沿线托辊运行的音频信号,采用dB4小波无偏风险估计阈值降噪法对信号进行预处理,消除背景噪声,提高信噪比。然后,对降噪音频信号的时域、频域和梅尔频率倒谱系数(MFCC)及其一阶二阶差分系数进行归一化处理,并进行拼接,得到特征TFM。最后,将TFM输入到多尺度卷积核的MI-1DCNN模型,在网络通道末端进行特征融合,通过Softmax函数完成对正常托辊和故障托辊的分类识别。以某煤矿实际采集的输煤传送机托辊音频信号样本对TFM-MI-1DCNN模型进行试验,结果表明:故障托辊平均识别准确率达98.65%,较改进小波阈值降噪-反向传播-径向基函数网络、MFCC-K邻近方法-支持向量机的平均识别准确率分别提高了1.50%和1.03%。现场应用结果表明:该方法下故障托辊平均识别准确率为98.4%,说明该方法适用于现场应用。