数据驱动的机床等待过程节能方法研究

为了降低机床等待过程中的能耗，提出了一种实时数据驱动的机床等待时间预测与节能控制方法。首先，建立了射频识别驱动的生产进度评估方法，并以生产进度数据作为输入，构建了基于堆栈降噪自编码的机床等待时间预测模型；其次，依据预测的机床等待时间，提出了机床状态切换方法，以降低机床能耗；最后，通过一个电梯零部件制造车间的案例分析，表明该方法的预测误差仅为4.1%，同时将机床等待过程能耗降低了57%，实现了制造车间的节能减排。     

某铜冶炼渣选矿厂SAB流程磨机衬板与钢球优化实践*

目前大多数铜冶炼渣选矿厂采用半自磨机—球磨机流程（SAB流程）进行粉磨作业，由于铜冶炼渣硬度大、性脆、易碎难磨，磨机衬板及磨矿介质消耗较大。针对某铜冶炼渣选矿厂开展了SAB流程衬板和钢球的优化研究。结果表明：①半自磨机用压条型铬钼钢衬板替代整体式锰钢衬板，使用寿命提高106.67%；球磨机用橡胶衬板替代锰钢衬板，使用寿命提高30%以上；检修强度大幅度降低，设备运转率明显提高。②半自磨机和球磨机由添加铸造钢球变更为锻造钢球，失圆率大幅降低；半自磨机补加球球径由120 mm调整为140 mm，增强了冲击破碎效果；球磨机补加钢球球径由60 mm调整为50 mm，磨矿浓度从75%提高到80%，研磨效果得到改善。③在磨矿细度保持不变的情况下，系统台时处理能力提高15.55%，钢球消耗降低26.32%，电力单耗降低26.67%，单位磨矿成本降低29.07%。企业经济效益和社会效益得到显著提高，对同行业具有一定的参考价值。     

近10年自血疗法治疗痤疮临床研究概况

从单纯自血疗法、自血混合其他注射液疗法、自血疗法联合其他疗法(针刺、耳穴、中药、穴位埋线、刺络拔罐、西药、皮肤护理)3个方面对近10年来自血疗法治疗痤疮的临床研究进行总结和分析,同时指出自血疗法当前存在试验设计不严谨、临床操作不规范等方面的不足,以期更好地指导自血疗法治疗痤疮的临床研究。     

基于深度一维残差卷积自编码网络的齿轮箱故障诊断

一维振动信号常常被用于齿轮箱的监测与故障诊断中,使得能及时地对齿轮箱维护以减少损失。因此,从一维振动信号中提取出关键故障特征决定了故障诊断模型的准确性与可靠性。典型的深度神经网络(deep neural network, DNN),如卷积神经网络已经在故障诊断中表现出良好的性能并得到了广泛的应用,但其监督式训练方式往往需要大量的标签数据而限制了其可应用性。因此,提出一种新的深度神经网络模型,一维残差卷积自编码器(1-dimension residual convolutional auto-encoder,1DRCAE),成功应用于振动信号的无监督学习及故障特征提取,显著提高了齿轮箱的故障诊断率。首先,提出了一维卷积层与自编码器的有效集成方法,形成了深度一维卷积自编码器;其次,引入残差学习机制训练一维卷积自编码器,实现对一维振动信号有效地特征提取;最后,基于编码器提取的特征,使用少量标签数据进行分类微调实现齿轮箱故障模式识别。通过齿轮箱试验台采集的传感器数据进行实验验证表明,这种无监督学习方法具有良好的去噪能力和故障特征提取能力,其特征提取效果好于典型的深度神经网络,如深度置信网络(Deepbeliefnetwork,DBN)和堆叠自编码网络(Stackedauto-encoders,SAE),同时故障诊断效果也优于一维卷积神经网络(1-dimension convolutional neural network, 1DCNN)。     

井下安全阀力学性能分析

井下安全阀对安全性和可靠性要求较高。以渤海油田常用油管携带式井下安全阀为分析对象,对其工作压力、地面控制压力、全开启和全关闭压力、最大下入深度和自平衡能力等关键力学性能进行分析。井下安全阀的工作压力值与地面液控压力值相等,其选取依据为井口压力; 全开启和全关闭液控压力值可通过压力曲线法得到; 最大下入深度取决于弹簧安装时的预紧力; 自平衡能力与活塞面积和自平衡孔面积的比值有关,比值越大,自平衡能力越强。     

夹层结构自冲铆接头疲劳性能的研究

以不同泡沫金属为夹层进行自冲铆接头疲劳试验,采用二参数威布尔分布检验疲劳数据,并拟合各组试样的S-N曲线。用扫描电子显微镜观测不同疲劳区接头的典型疲劳断口,分析裂纹萌生形式,研究接头在不同应力下的失效机理。结果表明:以泡沫镍为夹层的接头疲劳寿命明显优于泡沫铁镍为夹层的接头;泡沫镍在微动过程中迁移流动能力较强,在磨屑床中起第三体润滑承载作用;接头的疲劳裂纹萌生于接头的铆接点下板或铆孔中心的下板一侧区域;铝合金疲劳源区晶粒滑移呈不均匀性,疲劳裂纹萌生于金属夹杂物、第二相处;接头的裂纹扩展区可观察到大量密集分布的疲劳条带,并伴有较深的二次裂纹;在瞬断区,铝合金自冲铆接头呈韧窝形貌。