排序方式: 共有42条查询结果,搜索用时 250 毫秒
1.
MDI异氰酸酯的发展过程由于聚氨酯在工业中的地位日趋重要,化学品生产者以及配方设计和加工人员都纷纷致力于原料的研究,一个共同目标是要开发异氰酸酯的各种化学资源。业已对各种异氰酸酯进行了大量研究工作,诸如它们在特殊用途中的价格因素,加工方法以及综合性能等。 相似文献
2.
为了克服多电机差速失步振荡及同步稳定性变差等问题,提出了基于新型自适应积分滑模和扰动观测的多 PMSM 同步控制方法。首先,构建了一种改进型偏差耦合同步控制结构。其次,设计了基于新型自适应积分滑模(new adaptive integral sliding mode control, NAISMC)的 PMSM 控制器。同时,利用滑模扰动观测器(sliding mode disturbance observer, SMDO)对电机负载扰动进行观测,并与改进的偏差耦合同步控制结构相结合,提出了基于NAISMC与SMDO的多 PMSM 的改进型偏差耦合同步控制方法。最后,进行了实验分析。其结果表明所提出的同步控制方法能有效地保证4个电机具有良好的同步性能,提高了其抗扰动的能力,确保了多电机同步的稳定性。 相似文献
3.
低附着路面条件的EPS控制策略 总被引:4,自引:0,他引:4
低附着路面上,车辆自回正力矩显著降低,传统电动助力转向控制策略不能很好地克服这一不利影响,导致车辆回正性能降低,路感丧失甚至带来驾驶员对车辆的误操纵,或导致车辆不能及时回正;在建立基于整车动力学的电动助力转向系统模型的基础上,经电动机电流和转矩传感器测得转矩值,拟合得到当前路面条件下的自回正力矩,同时通过转向盘转角信息计算理想路面条件下的名义自回正力矩,结合路面估计算法,将被识别的路面附着系数等级分为高、中、低,设计基于路面附着系数的助力电流控制策略和基于时变滑模变结构控制的回正控制策略,仿真结果表明可有效改善车辆在低附着路面上的操纵路感和回正性能。建立基于LabVIEW PXI的电动助力转向(Electric power steering,EPS)硬件在环试验平台,并对控制策略进行试验验证,试验结果和仿真结果基本一致。 相似文献
4.
建立了电动助力转向(EPS)系统和二自由度车辆的线性变参数(LPV)模型,设计了LPV/H∞鲁棒控制器,重点考虑了EPS系统本身参数摄动对其性能的影响;基于MATLAB对所采用的控制方法进行了仿真。仿真结果表明,LPV/H∞控制方法比一般的H∞方法具有更好的鲁棒性,可使转向系统的助力性能和路感得到提高,车辆的转向操纵稳定性也得到明显改善;基于LabVIEW PXI系统建立了EPS系统硬件在环试验台,在硬件在环试验台上,采用共轭梯度法实现了LPV/H∞控制方法的硬件在环试验,试验结果同样证明了所采用的控制算法的有效性。 相似文献
6.
电厂化学水处理系统综合化控制发展趋势 总被引:1,自引:0,他引:1
分析国内电厂化学水系统的组成结构、管理体制及当前多数控制系统存在的一些弊病。从几方面阐述了化学控制系统的改进方向,利用大量数据和事实指出化学水综合化控制的必须趋势。 相似文献
7.
8.
本文针对火电厂进口350MW机组轴封供汽系统,在投试过程中,暴露出一系列的机务和控制设备选型方面的问题,从现象着眼、以试验为依据、根据经验和理论研究为指导,逐步分析说明设备异常和故障的原因.从而抓住问题的要害,因地制宜,制定相应生产调试措施,保证了设备安全生产和控制工艺的基本要求.通过对轴封供汽及有关热力系统的设备和控制系统存在问题的分析研究及处理,总结出一点经验,以供同行参考. 相似文献
9.
添加多壁碳纳米管(MWCNTs)、二硫化钼(MoS2)、离子液体(1-乙基-3-甲基咪唑四氟硼酸盐,[EMIm]BF4)和阿拉伯树胶(GA)制备成稳定分散的水基ILs-MWCNTs/MoS2混合纳米流体。研究了混合纳米流体的摩擦学性能和热物性,并与传统磨削液进行内冷却磨削对比试验,分析了两种磨削液条件下的磨削温度和表面完整性。研究结果表明:混合纳米流体的磨削温度、表面粗糙度和显微硬度分别降低了8.1%、21.4%和6.56%,残余压应力增大了11.6 MPa,表面形貌也更为光滑规整,混合纳米流体体现出了更好的磨削性能。能谱仪(EDS)分析结果表明,在离子液体与纳米颗粒的物理协同强化作用下,混合纳米流体表现出了优异的冷却与润滑性能,改善了磨削性能。 相似文献
10.
为了更快、更准确的对滚动轴承的故障状态进行诊断,提出了一种结合信息熵(information entro-py,IE)和α稳定分布(alpha stable distribution,ASD)参数的特征融合方法IE-ASD,基于振动信号对滚动轴承进行故障诊断.首先提取振动信号的时域、频域和时-频域的四种IE(奇异谱熵、功率谱熵、小波空间特征谱熵和小波能谱熵)和估计ASD的四个参数,构建特征向量;然后,利用粒子群优化算法(particle swarm optimiza-tion,PSO)对支持向量机(support vectors machine,SVM)参数寻优,并用所构建的特征向量对其训练和故障诊断;最后,利用凯斯西储大学轴承数据库的数据验证该方法的有效性,并与由IE、ASD各自构建特征向量的诊断结果进行对比.结果表明:所提出的方法能精确的判断滚动轴承的故障位置,且比未进行特征融合的方法有更高的准确率. 相似文献