基于超声波调控的残余应力分析

利用盲孔法测量不同焊接材料在有、无焊后消应力处理的表面堆焊焊缝残余应力,并对不同材料的堆焊试板进行焊后应力测试.结果表明:不锈钢堆焊试板的焊接残余应力大于碳钢堆焊试板的残余应力;不锈钢焊接材料堆焊试板经超声波消应力后残余应力有所下降;碳钢堆焊试板消应力效果更为突出,消应力后的平均最大残余主应力较消应力前下降了80％.     

一种人工情感神经网络及其应用

为了提高神经网络的学习速度和神经网络小样本的学习性能,提出了一种人工情感神经网络（artificial affective neural network,AANN）,在普通神经网络中加入了非全连接的情感神经元,使用与传统神经元不同的非线性激励函数,利用"紧张"与"自信"两个情感因子模拟人类学习的情感变化,可以提高神经网络对于对象的认知能力,进而提高学习速度。为了验证模型的有效性,分别采用数值实例和锅炉过热蒸汽温度预测控制进行了实例研究,结果表明,与BP神经网络以及支持向量机（SVM）相比,AANN对于小样本对象具有更好的辨识能力。     

动平衡对离心压缩机影响的分析与对策

介绍了Ｈ４００－６．５／０．９７离心式压缩机的工作原理和常见故障,分析了压缩机转子组动不平衡的产生原因及其对生产造成的危害,从而提出了提高与保持转子组动平衡精度的若干措施。     

基于虚拟同步电机的微电网二次调频技术

传统虚拟同步发电机属于一次调频技术,在负载功率波动后,频率无法恢复至额定值,严重时影响微电网系统的安全性,为消除大幅度负载波动时频率稳态误差,提出了一种基于虚拟同步电机技术的二次调频方案.首先,将频率外环计算得到的频率偏差通过PI控制器自动产生前馈功率,对频率—有功下垂控制器输出的参考机械功率进行补偿,并将它们共同作为...     

钻井泵状态检测诊断与可靠性分析

采用运行可靠性分析的结果来指导钻井泵状态监测与故障周期的确定;对状态特征参数进行采集跟踪并作可靠性分析,以提高故障诊断及剩余工作寿命预测的准确率;并应用这一方法研究了3NB-1300钻井泵的运行可靠性,得到了较好的预测结果。     

HPLC在智能电网数据采集中的应用研究

科学准确的监测碳排放,是推动绿色减碳工作的重要步骤。而用电量作为衡量碳排放量的重要指标,通过高效、准确地对企业用电量进行采集,从而更加科学的测算碳排放量。HPLC技术在用电数据采集方面,主要技术指标如长时间传输性、通信速率等,具有一定的优势,为企业、政府部门等通过精确采集用电数据信息,进而实现对碳排放量监测提供了更加可靠的技术支持。文章针对HPLC在智能电网数据采集中的应用进行具体分析,为有效提升用电数据采集的准确性,推动碳排放、碳监测工作的顺利开展,提供一些有益参考。     

脉冲超细干粉灭火技术在楼层配电间的应用探讨

分析了超高层建筑中楼层配电间的消防要求,从技术角度上比较了脉冲超细干粉灭火与传统干粉灭火、水灭火技术的区别,指出了其灭火技术优势.并探讨了楼层配电间脉冲超细干粉灭火装置的应用.     

基于事件触发机制的一类非严格反馈非线性系统的自适应神经网络追踪控制

基于事件触发机制,研究了一类非严格反馈非线性系统的自适应神经网络追踪控制问题.结合反步技术、神经网络和事件触发机制,提出了一种自适应神经网络控制方案,减少了数据传输量并减轻了控制器和执行器之间的传递负担,保证了输出信号尽可能地追踪到参考信号,同时使得闭环系统的所有信号有界.此外,通过避免芝诺现象保证了所提事件触发机制的...     

考虑表面粗糙度的柔性箔柱面气膜密封紊流特性分析

柔性箔柱面气膜密封是一种可适应氢气压缩机高速转子大变形的密封结构新形式，该密封结合了气膜楔形动压和箔片柔性来实现高性能密封，但是目前高速环境下紊流与表面形貌的相互关联机制对柔性箔柱面气膜密封性能的影响规律缺失，因此本文以表面粗糙度为主要考量因素进行周期性分析计算，并设计了不同表面粗糙度变化对高转速柔性箔密封性能启停循环实验的影响。研究结果表明，当表面形貌不规则度越高，中性面产生的压力波动越大；泄漏率和气浮力随着表面粗糙度的增加而增加，动态特性系数气浮刚度则呈下降趋势，因而气膜稳定性降低；循环周期实验下，气膜密封存在迟滞现象，表面形貌的不规则越高，密封迟滞能越大，另外，受弹性元件、系统摩擦与转速瞬态变化的影响，柔性箔柱面气膜密封会出现反迟滞现象。     

一种人工情感神经网络及其应用

为了提高神经网络的学习速度和神经网络小样本的学习性能,提出了一种人工情感神经网络(artificial affective neural network,AANN),在普通神经网络中加入了非全连接的情感神经元,使用与传统神经元不同的非线性激励函数,利用"紧张"与"自信"两个情感因子模拟人类学习的情感变化,可以提高神经网络对于对象的认知能力,进而提高学习速度。为了验证模型的有效性,分别采用数值实例和锅炉过热蒸汽温度预测控制进行了实例研究,结果表明,与BP神经网络以及支持向量机(SVM)相比,AANN对于小样本对象具有更好的辨识能力。