排序方式： 共有13条查询结果，搜索用时 218 毫秒
1.
2.
1预处理概况神头二电厂一期工程是由原捷克斯洛伐克成套引进的2×500MW亚临界中间再热汽轮发电机组,与之配套的化学预处理设备是由原西德制造的,设在脱碳站。它包括2台混凝土制水力加速澄清池和6台敞开式重力砂滤池及其附属加药系统,采用加石灰－氯化硫酸亚铁混凝处理,其出力为2×1650m3／h。脱碳后的出水中2740m3／h供主冷却水系统,47m3／h供软化站,180m3／h供化学除盐站用水。因此脱碳站的运行正常与否,直接影响着工业冷却水的补水率及除垢、软化系统的安全经济性。2存在问题2．1环境条件制约神头二电厂水源取自神头镇南五花泉区… 相似文献
3.
神头二电厂凝汽器存在的问题及原因分析神头第二发电厂李恒帅（朔州０３８５０５）前言神头第二发电厂一期工程引进两台原捷克斯洛伐克制造的５００ＭＷ亚临界中间再热汽轮发电机组,其汽泵凝汽器为对分式双通道双流程直管表面式凝汽器,两通道管束呈对称分布。原设计安装... 相似文献
4.
为精确地识别刀具磨损状态,提出了一种深度学习与多信号融合相结合的识别方法.以自编码网络为基础,构建了堆叠稀疏自编码网络.采集铣刀不同磨损状态下的力信号、振动信号及声发射信号,并对上述信号进行小波包分解以便获取能够表征铣刀磨损的时频域特征.利用无监督学习和有监督学习对堆叠稀疏自编码网络进行训练,建立了深度学习的铣刀磨损状态识别模型.研究结果表明,多信号融合的深度学习模型对铣刀磨损状态识别准确率达到94.44％. 相似文献
5.
为精确地识别刀具磨损状态,提出了一种深度学习与多信号融合相结合的识别方法.以自编码网络为基础,构建了堆叠稀疏自编码网络.采集铣刀不同磨损状态下的力信号、振动信号及声发射信号,并对上述信号进行小波包分解以便获取能够表征铣刀磨损的时频域特征.利用无监督学习和有监督学习对堆叠稀疏自编码网络进行训练,建立了深度学习的铣刀磨损状态识别模型.研究结果表明,多信号融合的深度学习模型对铣刀磨损状态识别准确率达到94.44％. 相似文献
6.
Ti-6Al-4V合金的高速切削加工是一个复杂的高温高应变率的热力耦合过程,为更加准确研究Ti-6Al-4V合金在高温高应变率下的真实应力-应变关系,构建了一种修正Johnson-Cook(J-C)本构模型.修正的J-C本构模型综合考虑了塑性阶段应变硬化率会随加载温度的升高而降低的现象,以及在达到高温动态结晶效应的临界温度时,Ti-6Al-4V合金的流动应力会急剧下降的现象.基于修正J-C本构模型的流动应力-应变预测结果与试验数据吻合程度良好,误差率在8％以内,准确的反映了Ti-6Al-4V合金在不同加载温度下的真实应力-应变关系. 相似文献
7.
8.
针对铣削过程中刀具磨损或破损导致切削力波动剧烈,进而使得铣削过程控制难的问题,需要建立考虑刀?屑间的摩擦特性进行切削力精确微元建模。由于常数表示摩擦因数无法全面地描述铣削过程中的摩擦特性,因此以硬质合金立铣刀铣削Cr12MoV淬硬钢过程为研究对象,根据前刀面温度分布和刀?屑间相对滑移速度建立摩擦因数的经验模型。在考虑材料硬度和刀具后刀面磨损的基础上建立第1剪切区、第2剪切区和第3剪切区受力预测模型,并通过离散微元法建立整体铣削力预测模型。仿真结果与铣削实验测得的结果有很好的一致性,验证了所建立模型具有较高的预测精度,进一步证明了随着后刀面磨损宽度的增加,铣削力随之增大。该结果为Cr12MoV淬硬钢铣削加工加工参数优化提供了理论支持。 相似文献
9.
以灰水系统结构原理出发，就火电厂灰水系统阻除垢方式的现状进行了探讨，并就此基础上提出对神头二电厂运行方式的个人见解。 相似文献
10.
对加工状态下刀具磨损值及时有效的检测,可以在保证加工精度的前提下提高加工效率,同时为刀具剩余寿命预测提供有力的数据支撑.针对刀具磨损值测量过程中人工参与的不足、易受主观因素影响、检测精度低等问题,建立了刀具磨损图像自动检测系统,基于最大类间方差及遗传算法迭代寻找最佳阈值,进行磨损区域分割;利用磨损区域呈现"线状"的特点,进行磨损区域特征识别及滤波;基于多级Hough变换以及磨损区域二次识别的方法,将刀具磨损区域在图像中清晰地提取出来.在此基础上,基于Canny算子边缘检测方法建立刀具磨损曲线,计算出磨损区域的磨损值.在刀具磨损检测系统计算的磨损量与超景深显微镜的人工测量结果进行比对,经实验表明,该磨损检测系统检测误差在±6％以内,并且提高了刀具磨损值的检测效率. 相似文献
