基于Abaqus的大型风力机叶片有限元分析

研究了大型风力机叶片有限元模型建立的方法及对叶片进行了静力学和动力学分析。首先将由Pro/E绘制好的叶片实体模型导入Abaqus中,利用Abaqus对叶片进行划分网格、定义材料属性以及确定边界条件及施加载荷,完成叶片有限元模型的建立;然后对叶片进行模态分析、抵抗50年一遇暴风及额定工作状态下的静力学分析,得出叶片的前十阶频率、振型和各工况下的最大应力及其所在位置。通过分析表明叶片的静力学和动力学性能均符合设计要求,可以对叶片进行后续的研究。     

聚类算法在多变压器选址中的应用研究

为有效解决一定区域内多台变压器选址问题,提出了一种聚类算法下基于导线选型策略的多变压器选址优化模型。该模型根据电力负荷的分布情况和变压器数量,确定变压器的初始位置,再利用负荷点与变压器位置的远近进行聚类调整。通过对变压器的位置优化和供电范围进行合理分配,可以进一步降低线损及提高经济效益。在运用聚类算法的同时,还引入了实际情况下的电缆的选型策略,使它接近实际情况。将该算法应用到一个算例中,其计算结果与传统方法的比较结果表明,所提模型在多变压器优化选址和降低变压器线损方面均优于传统方法。     

工件视觉测量中的图像配准

设计和实现了一种基于尺度不变特性和Sobel边缘检测算子的工件图像快速配准方法。针对工件视觉测量中重在边缘特征的实际需要,将Sobel边缘检测算子和工件图像的尺度不变特性相结合,突出工件的边缘特征,实现工件图像快速有效的配准。在此基础上,详细讨论了工件图像配准的具体实现。实验证明,文中方法可以有效解决视觉测量中工件图像配准的问题。     

液压支架模块化设计策略

基于功能-结构的产品概念设计,提出了一种液压支架模块化设计方法。利用质量功能展开分析支架的目标特征,通过将黑箱法和功能-结构分析结合对产品进行分析,建立支架的功能-结构模型。利用模糊聚类算法和层次分析法,考虑结构间的相互关系进行模块划分。利用模糊综合评判原理,通过相似度进行模块配置的评价。     

基于PSO-BP神经网络的飞灰含碳量测量方法

针对飞灰含碳量测量困难的问题,提出了基于粒子群算法优化BP神经网络的飞灰含碳量测量方法。以飞灰含碳量影响因素为模型的输入,飞灰含碳量为模型的输出,建立飞灰含碳量预测模型,并将预测结果和传统BP神经网络预测结果相比较。实验结果表明,该测量方法具有较高的预测精度。     

数据挖掘中Fuzzy c-means的自适应聚类算法

聚类算法是数据挖掘算法中的重要解决方法。针对现有聚类算法模糊c均值算法FCM中的不足 ,如需要预先确定聚类参数c,随机性较强、局部最优等弱点 ,对其算法结构加以改进 ,提出模糊c均值自适应算法 (FCMA) ,增加聚类有效性问题的分析 ,在聚类过程中可动态调整聚类数目 ,这种方法可以避免在确定参数时的随机性和经验性 ,提高聚类算法的可靠程度。     

基于组件的几何约束求解新策略

几何约束求解是智能CAD的核心问题 ,在研究装配模型的基础上提出了一种基于组件思想的约束求解策略。该策略将整个几何约束系统分为多个组合元 ,将循环约束约简为组合元中的边界元进行求解 ,并利用约束传播机制的局部性充分减小约束求解的规模。此约束系统求解策略可以应用于大型装配系统的参数化求解。     

基于CEEMDAN和CNN-LSTM的滚动轴承故障诊断

针对滚动轴承工作环境复杂，轴承振动信号受噪声干扰难以提取故障特征以及传统故障诊断算法准确率较低的问题，提出了利用自适应噪声完备集合经验模态分解算法（CEEMDAN）联合卷积神经网络（CNN）内嵌长短期记忆神经网络（LSTM）的滚动轴承故障诊断方法。首先，利用CEEMDAN算法对轴承原始振动信号进行分解得到本征模态函数（IMF）；然后计算重构后的信号的排列熵，归一化后作为特征向量；最后将特征向量输入至CNN-LSTM结合建立的深度学习模型中进行诊断识别。结果表明：所提方法具有更快的拟合速度和更高的准确率，平均故障诊断准确率达到98.63%。     

依托科技示范促进可持续发展

成本优势和区位优势是促进江苏制造业发展的重要因素;制造领域企业良好的信息化基础也是促进江苏制造业快速发展的有利因素。"十一五"期间江苏省制造业信息化科技示范工作也在制造业发展方面发挥了积极的促进作用。     

面向明细报表的BOM模型的研究与应用

在详细分析了明细报表特点的基础上，采用企业资源计划（enterprise resource plan, ERP）中物料清单 （ bill of material,BOM）模型的设计思想，设计并开发了某电力公司的报表管理系统。该系统针对传统报表“黏度过高”的缺点，采用表示层与逻辑层相分离的篆略，极大地提高了系统的可复用性和可维护性。