水利工程围堰的施工方法研究

水利项目的存在为国家的发展和群众的生活贡献了非常显著的力量。文章主要分析了水利项目中围堰的类型以及在建设时要遵守的理念等。     

桩基施工中常见质量问题的分析与处理

桩基施工质量关系到整个建筑物的工程质量.文章分析认为影响桩基质量的主要因素有:工程地质勘察报告不够详尽准确;设计中取值不太合理;施工中某个环节处理不够合理.     

基于神经网络的海洋平台振动载荷识别

利用ANSYS软件建立了W12—1平台的有限元模型,通过在模型识别点上施加激励得到响应的方法获得了神经网络的训练数据。建立了关于W12—1海洋平台的神经网络模型,利用前面获得的数据训练网络至收敛,把实测响应数据输入训练好的网络中,得到了W12—1平台的识别载荷。识别结果表明,在对海洋平台这样的大型复杂结构进行载荷识别时,神经网络方法识别的平均相对误差为8.5%,相对于传统载荷识别方法有很大的优势。     

基于LabVIEW的故障检测系统

本文在简介最新技术虚拟仪器及其开发环境LabVIEW的基础上,详细论述了基于LabVIEW的故障检测系统的软硬件设计方案,并介绍了故障检测系统在设备故障检测中的应用情况。     

对水利基本建设项目竣工决算有关问题的探析

基本建设竣工决算是建设单位报告建设成果和财务状况的总结性文件,对总结基本建设过程的财务管理工作、检查竣工项目设计概算和基本建设计划的执行情况、考核投资效果具有重要的作用。在实际工作中,水利基本建设项目的竣工决算要报两套竣工决算报表,一套按财政部的要求,一套按水利部的要求。这样做加重了建设单位在编制竣工决算报表时的工作负...     

基于LabVIEW的齿轮箱故障诊断系统设计

介绍了利用虚拟仪器技术进行齿轮箱故障诊断系统设计的原理和方法。硬件系统由加速度传感器、信号调理卡、数据采集卡和PC机组成。以LabVIEW为平台设计了界面友好的软件系统,采用"小波去噪+EEMD分解"的非平稳信号处理方法进行故障信号的特征提取。运行结果表明,该系统能快速准确地对齿轮箱故障进行诊断,具有良好的应用前景。     

基础灌浆施工技术在水利工程中的应用分析

不论是生产活动抑或是群众的生活都离不开水利工程,自从进入到新时期以来,我们国家的水利项目获取了非常显著的成就。大批优秀的水利项目的诞生为国家的发展贡献了力量。但是在工程建设时期,它的施工处理工艺还面对一些问题,这些问题的存在严重的影响到项目的开展。文章具体的分析了基础灌浆工艺在当前水利项目中的作用。     

基于时间序列幅值分量标度特性的齿轮箱故障诊断

齿轮箱是复杂的动力学系统,其故障信号通常呈现出非平稳和非线性特征,因此齿轮箱故障信号的特征提取是一个难题。去趋势波动分析(Detrended Fluctuation Analysis,DFA)可以用来分析非平稳非线性数据,得到的标度曲线可以用来刻画复杂系统的动力学行为。然而原始序列的标度曲线通常具有复杂的形状,所以从原始序列的标度曲线提取故障特征具有一定的困难。为了解决这个问题,对齿轮箱故障数据增量序列的动力学特性进行了研究,结果证明增量序列的幅值分量主要携带数据的非线性特征,然后提出了基于时间序列幅值分量标度特性的齿轮箱故障特征提取方法。该方法首先计算原始序列的增量序列,获得增量序列的幅值分量,然后利用DFA方法计算幅值分量的标度曲线,最后提取标度曲线的左端点和转折点的波动参数作为故障特征进行故障诊断。利用实测数据对所提出方法的性能进行了验证,结果表明,该方法对噪声干扰具有较好的鲁棒性,可以有效地对齿轮箱故障进行诊断,与传统的时域参数方法相比具有明显的优势。     

基于BP神经网络的海洋平台振动载荷识别

利用ANSYS软件建立了W12-1海洋平台的有限元模型，通过在模型识别点上施加激励得到的响应方法获得了BP神经网络的训练数据。建立了关于W12-1海洋平台的BP神经网络模型，并对其振动载荷进行了识别。识别结果表明，在对海洋平台这样的大型复杂结构进行载荷识别时，神经网络方法相对于传统载荷识别方法具有更高的识别精度。     

基于CEEMDAN能量熵的齿轮状态识别

集合经验模式分解(Ensemble Empirical Mode Decomposition,EEMD)存在着辅助白噪声难以消除和容易产生虚假模式的缺陷。针对EEMD方法在齿轮箱故障信号处理中的不足,将自适应噪声完备集合经验模式分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)应用于齿轮故障信号分析,提出了基于CEEMDAN能量熵的齿轮状态识别方法。该方法首先利用CEEMDAN分解齿轮振动信号,然后计算振动信号分解结果的能量熵,将能量熵作为特征参数来区分不同的齿轮运行状态。将该方法用于区分正常、轻度刮伤和中度刮伤齿轮运行状态,并与基于EMDEEMD能量熵的方法进行了对比。结果表明,该方法可以有效地区分相近的齿轮运行状态,与其他几种方法相比具有明显的优势。