复合型本安电路放电特性影响因素分析

现有针对复合型本安电路放电特性的研究或缺少数学分析,或对放电特性影响因素考虑不全面。针对上述问题,分析了复合型本安电路放电原理,推导出复合型本安电路在非振荡状态下的放电电流、功率及能量数学模型,采用Matlab软件对电源电压、电感、电容、电阻等参数对复合型本安电路放电特性的影响进行了仿真研究。结果表明:随着电源电压增大,放电电流和功率稳定值增大,同一时刻的放电能量增大;随着电感增大,对电流的阻碍作用增大,放电功率和能量均逐渐减小;在初始阶段,放电电流、功率和能量不随电容变化而变化,之后均随电容增大而逐渐增大;电阻R越小,对放电电流、功率及能量的影响越大;放电电流、功率及能量均随电阻R1增大而减小。     

ALIF-MMPE结合DAG-SVM的滚动轴承故障诊断

针对滚动轴承故障诊断中非平稳振动信号下的有效故障特征提取问题,提出一种基于自适应局部迭代滤波、多元多尺度排列熵和有向无环图算法支持向量机的滚动轴承故障诊断方法。自适应局部迭代滤波通过构建自适应滤波函数,能够有效抑制噪声和模态混叠,经自适应分解后得到若干本征模态函数。仿真结果表明其效果优于经验模态分解。然后利用多元多尺度排列熵对包含显著故障信息的本征模态函数进行信息融合和特征提取,组成故障状态特征集。采用主成分分析对故障状态特征集进行降维,随机抽取部分样本带入有向无环图算法支持向量机中进行训练,其它则作为测试样本进行故障识别和诊断。试验故障诊断结果表明:自适应局部迭代滤波下多元多尺度排列熵优于多个本征模态函数下的多尺度排列熵和经验模态分解下的多元多尺度排列熵;本文方法能准确地识别滚动轴承不同的故障类型及故障程度。     

抛掷爆破爆堆形态的标准化分析处理方法研究

抛掷爆破爆堆的形态对于倒堆系统总作业量与成本、后续倒堆环节的工作面参数设计工作等有着至关重要的影响，针对当前爆堆形态样本量不足、错误数据影响预测效果等问题，提出了爆堆形态的标准化分析-处理方法，具体包括数据库的构建、基于工作面形态特征的样本筛选及分类、基于爆堆形态特征的样本筛选与分类，实现了海量爆堆数据的快速处理，提高了样本的有效性。利用局部加权线性回归对样本集合进行回归分析，最终获得了三组具有普遍解释意义的典型爆堆曲线，研究提出的处理方法具有快速、高效、便捷等特点，为现场抛掷爆破-拉斗铲倒堆工艺的设计提供了准确的依据。     

110kV GIS交流耐压及局部放电试验和异常信号分析

主要对GIS设备进行现场交流耐压及局部放电试验的试验目的、试验方法、试验注意事项、异常结果等进行了分析探讨。     

矿用高压变频器中IGBT模块在阶跃脉冲下局部放电特性

针对矿用高压变频器常因 IGBT 模块内部发生局部放电而导致故障的原因和特性进行了研究。 本文从微观角度观察了 IGBT 模块局部放电发生位置的结构特点,发现其结构绝缘薄弱处在高斜率阶跃脉冲作用下易发生局部放电现象;建立了 IGBT 模块在阶跃脉冲作用下的局部放电过程模型,揭示其发生局部放电的机理;搭建实验平台,测试 IGBT 模块在单个脉冲作用下的局部放电特性。 实验结果表明,脉冲的上升时间、脉冲宽度是影响局部放电起始电压的主要因素;根据实验数据的分析,提出了预测局部放电起始电压的计算公式。 研究结果可为煤矿电力电子设备 IGBT 模块的绝缘设计和使用时的电压限制提供参考依据。     

基于VMD瞬时能量与GA- RBF的滚动轴承故障诊断

针对滚动轴承早期故障的有效识别,提出了一种基于VMD瞬时能量与GA优化的RBF神经网络的滚动轴承故障诊断方法,可以有效对滚动故障做出诊断。首先,VMD将滚动轴承振动信号进行分解成合适数目的本证模态函数;其次,计算本证模态函数分量的瞬时能量并组成特征向量;最后,将特征向量输入到GA优化的RBF神经网络实现轴承故障识别。通过滚动轴承故障诊断实验对该方法进行验证。结果表明,该方法识别滚动轴承故障的准确率为96.43%,较默认参数的RBF神经网络和EEMD瞬时能量与GA-RBF神经网络有明显的提高,证明了所提方法的可行性。     

激光熔覆SiO2/La2O3梯度生物陶瓷涂层生物活性研究

目的研究SiO_2含量对钛合金表面激光熔覆梯度生物陶瓷涂层生物活性的影响。方法利用激光熔覆技术,采用梯度成分设计思想,固定涂层中稀土氧化物La_2O_3的添加量,在钛合金TC4表面制备了掺杂不同含量SiO_2的梯度生物陶瓷涂层。采用金相显微镜(OM)、X射线衍射仪(XRD)、扫描电子显微镜(SEM)、噻唑蓝(MTT)及荧光素双醋酸酯(FDA)染色等测试手段,研究了SiO_2含量对激光熔覆制备梯度涂层的组织结构和生物活性的影响。结果 SiO_2在激光熔覆过程中可以降低梯度生物陶瓷涂层的开裂敏感性,并起到细化晶粒的作用。当SiO_2掺杂量为2.5%时,激光熔覆过程中诱导合成的HA+CaTiO_3数量最大;当SiO_2掺杂量为7.5%时,模拟体液(SBF)实验表明,涂层的矿化沉积能力最强。MTT测试表明,SiO_2掺杂量为7.5%的涂层细胞增殖数量的OD值最大,细胞能够紧贴涂层表面生长。FDA染色分析表明,SiO_2掺杂量为7.5%的涂层上细胞数量最多,且分布均匀。结论 SiO_2掺杂量深刻影响着生物活性陶瓷相HA和Ca_2SiO_4数量,进而影响生物陶瓷涂层的生物活性。SiO_2掺杂量为7.5%的涂层具有最佳的生物相容性及生物活性。