共查询到20条相似文献,搜索用时 125 毫秒
1.
平衡机最小可达剩余不平衡度测试方法的研究 总被引:1,自引:0,他引:1
本对平衡机最小可达剩余不平衡度emar测试数据的相位一幅值曲线进行分析,提出了最小可达剩余不平衡度emar与emar的计算值e估的数学关系式,为提高平衡机现场测试效率,更为客观地评价被测平衡机性能指标提供了依据。 相似文献
2.
矢量概率统计方法及转子不平衡矢量合成 总被引:1,自引:1,他引:0
统计学的研究对象为标量,但在转子动力学研究中有时需要对具有分布概率的矢量进行统计,利用现有的统计学方法无法解决此类问题.本文从统计学基本原理出发建立了一套解决具有任意相角矢量的概率统计合成方法,并成功应用于双层筒转子内外简的不平衡矢量合成计算.对判断转子是否符合加工要求提供了新的依据. 相似文献
3.
本文对国标规定的平衡机不平衡量减少率URR评定方法进行了较深入的分析和研究 ,提出了一种基于矢量合成理论的数学计算方法。此法便于用程序实现 ,简化了原极坐标图解法的计算步骤 ,为更直观、准确地评价平衡机的性能指标提供了依据 相似文献
5.
测量电网中的三相不平衡度是保障电力系统安全可靠运行的重要前提,现在测量三相不平衡度的仪器越来越多,采用的结构原理也各不相同,质量参差不齐。如何校准这些仪器目前还没有统一的方法,该文介绍一种对三相不平衡度测量仪进行校准的方法,为其溯源提供了方便。 相似文献
6.
本文介绍了矢量水听器校准装置的工作原理,系统组成及校准矢量水听器灵敏度和指向性的工作流程,并对该装置的不确定度进行分析评定。 相似文献
7.
8.
激光测振仪独立线性度的测量不确定度 总被引:2,自引:0,他引:2
介绍了用最小二乘法评价外差式激光测振仪信号处理电路线性度指标时测量结果的不确定度分析和评定过程.讨论了影响线性度测量不确定度的几个主要误差来源,包括信号源误差、被校仪器响应误差、被校仪器线、性度、标准仪器测量误差等等.给出了减小线性度测量不确定度的主要措施:①环境控制措施,以减少环境带来的不确定度;②选取高精度信号,以减少信号源误差带来的不确定度;③选取高精度标准测量仪器,以减少测量误差带来的不确定度.对一个实例,给出了激光测振仪信号处理电路线性度指标不确定度分析和评定结果.该过程及结论可应用在相应参数的计量校准中. 相似文献
9.
10.
11.
12.
13.
14.
15.
小速差双转子系统不平衡矢量识别方法的研究 总被引:8,自引:1,他引:8
不平衡矢量的识别是小速差双转子系统现场动平衡的关键,文中根据相关原理提出了单点DFT不平衡矢量识别方法,通过理论分析确定了相关积分时间及其可能的误差。由WLZY-350型螺旋卸料离心机的实验表明,这种方法精度高、对噪声不敏感,可在实际中应用。 相似文献
16.
利用预应力及谐响应分析的方法研究了转子的不平衡响应,得出在某频率范围内,转子在指定点处位移对频率的响应曲线以及在指定频率处,整个转子上的应力、应变响应的影响等。 相似文献
17.
测量不确定度最大残差系数的一种新算法 总被引:9,自引:1,他引:8
在测量不确定度的评定中,用测量数据的最大残差乘以适当的系数获得标准差的方法称为最大残差法。通过对最大残差的分布函数及其数字特征的分析研究,建立了最大残差的概率模型,并且利用蒙特卡罗模拟及Matlab软件,提出了计算测量不确定度最大残差系数的一种新方法,求出了当测量次数小于50时,最大残差所对应的分布函数、均值、标准差和自由度的数值,并给出了最大残差法的系数表。最后通过测量实例验证了理论分析的正确性。用文中提出的方法可简单、迅速、可靠地计算出所需要的标准差数值。 相似文献
18.
使用具有不同非平衡度的磁控管直流磁控溅射技术沉积CrNx镀层,并用Langmuir探针诊断、高斯仪测量、Ansys软件模拟等手段进行表征,研究了磁场非平衡度对溅射等离子体的空间分布状态以及CrNx镀层的微观结构、硬度及摩擦性能的影响。结果表明:低非平衡度磁控管(K为2.78)将多数离子束缚在靶材表面大约6 cm范围内,而对于高非平衡度磁控管(K为6.41)则在此区域没有类似的高密度等离子体存在。随着磁场非平衡度的增大,CrNx镀层的厚度递增,物相结构也从Cr+Cr2N依次向Cr+Cr2N+CrN和Cr2N+CrN转化,且镀层的平整度和致密性随之明显改善。同时,CrNx镀层的硬度随着非平衡度的增大而提高,摩擦系数则随之减小。 相似文献
19.
The difference in electricity and power usage time leads to an unbalanced current among the three phases in the power grid. The three-phase unbalanced is closely related to power planning and load distribution. When the unbalance occurs, the safe operation of the electrical equipment will be seriously jeopardized. This paper proposes a Hierarchical Temporal Memory (HTM)-based three-phase unbalance prediction modelconsisted by the encoder for binary coding, the spatial pooler for frequency pattern learning, the temporal pooler for pattern sequence learning, and the sparse distributed representations classifier for unbalance prediction. Following the feasibility of spatialtemporal streaming data analysis, we adopted this brain-liked neural network to a real-time prediction for power load. We applied the model in five cities (Tangshan, Langfang, Qinhuangdao, Chengde, Zhangjiakou) of north China. We experimented with the proposed model and Long Short-term Memory (LSTM) model and analyzed the predict results and real currents. The results show that the predictions conform to the reality; compared to LSTM, the HTM-based prediction model shows enhanced accuracy and stability. The prediction model could serve for the overload warning and the load planning to providehigh-quality power grid operation. 相似文献