基于深度自编码网络模型的风电机组齿轮箱故障检测

为了实现风机齿轮箱的故障检测分析,提出一种基于风电机组齿轮箱的数据采集与监视控制(SCADA)数据和振动信号的深度自编码网络模型。该模型作为一种典型的深度学习方法,通过逐层智能学习初始样本特征,可以获取数据蕴含的规则与分布特征形成更加抽象的高层表示。首先,利用限制性玻尔兹曼机对网络参数进行预训练和反向传播算法对参数进行调优,建立深度自编码网络模型。然后,通过对齿轮箱的状态变量进行编码和解码,计算重构误差并将其作为齿轮箱的状态检测量。为了有效检测重构误差的趋势变化,选用自适应阈值作为风机齿轮箱故障检测的决策准则。最后,利用对齿轮箱故障前、后记录的数据进行仿真分析,结果验证了深度自编码网络学习方法对齿轮箱故障检测的有效性。     

各类木材剥皮设备和剥皮方法

介绍了铣刀式木材剥皮机、槽式木材剥皮机、水力木材剥皮机、气力木材剥皮机、无伤型环式木材剥皮机、肉桂树剥皮机和化学剥皮法等剥皮设备和剥皮方法。     

环式木材剥皮机的设计计算

介绍环式木材剥皮机的生产能力、剥皮功率、切削力、剥皮速度、刀盘转子最佳转速以及液压系统压力等的设计计算,并对影响环式木材剥皮机剥皮质量和生产率的因素进行分析。     

基于不同倾角的刮板输送机中部槽的冲击磨损研究

针对刮板输送机运输过程中中部槽处的冲击磨损问题,以SGZ630/220型中双链式刮板输送机为研究对象,建立了刮板输送机运输煤散料的离散元模型,通过分析煤颗粒的物理性质与中部槽冲击磨损的原因,研究刮板输送机在输送煤料过程中,不同位置的颗粒大小分层及中部槽冲击磨损差异,并通过分析刮板输送机中部槽应变云图对研究结果进行了验证。研究结果表明：(1)中部槽在侧倾角为0°的工作条件下,冲击损伤深度更大且法向累计接触能量更大,在4 s末中部槽累计的冲击损伤深度为0.000 161 6 mm。在侧倾角工作状态下,有些煤颗粒没有直接对中部槽产生冲击,而是直接对中部槽的槽棒产生冲击,所以该状态下4 s末中部槽累计的冲击损伤深度较小。(2)侧倾角为0°时4 s末中部槽累计冲击损伤深度最大,达0.000 161 6 mm;前倾角为5°时中部槽累计冲击损伤深度略大于前倾角为-5°的冲击损伤深度。前倾角为0°时对中部槽的影响最大,最大应力为2.85×10⁵ Pa,最大应变为6.03×10^-7mm,前倾角为5°、-5°时依次递减。     

玻纤形态对PP/GF复合材料的性能影响与优化

为研究玻璃纤维(GF)形态对GF增强热塑性树脂复合材料的性能影响,以指导开发出力学性能与表面性能均优异的复合材料制品,对比研究了不同GF含量下常规圆GF以及扁平GF增强聚丙烯(PP)的性能差异,并探究了以上两种GF复配使用时复合材料的综合性能,重点研究了不同PP/GF复合材料在力学性能、界面性能、翘曲性能、表面性能方面的差异性。研究表明,在GF质量分数为30%时,PP/GF的力学性能随扁平GF用量的增加而降低,在GF质量分数为50%时,PP/GF的力学性能随扁平GF用量增加而提高。同时,在高GF含量(质量分数50%)下,与常规圆GF相比,扁平GF在PP树脂中分散更均匀,并在熔体流动方向具有更加明显的取向性。此外,当GF质量分数为50%时,使用圆GF制得的薄板翘曲高度为13.8 mm,表面浮纤占比为7.93%,而使用扁平GF制得的薄板翘曲高度降低至3.1mm,表面浮纤占比仅为2.03%,表明在高GF含量下使用扁平GF能有效改善PP/GF复合薄板的翘曲问题,并能有效减少复合板材的表面浮纤。     

基于SVPWM低谐波死区算法的研究及应用

针对传统死区时间注入SVPWM调制波会使逆变电路输出波形产生畸变并导致其幅度降低的问题,为降低输出波形的谐波含量,提出了一种将可变死区时间加入到零矢量中的死区注入方法。在单相SVPWM调制方法的矢量合成原理分析基础上,对死区算法进行理论研究,并利用Matlab仿真进行了谐波分析。研究了采用FPGA生成SVPWM波形及相应的死区注入方法,利用微网分布式电源实验平台,分别对两种不同死区时间注入单相SVPWM的算法进行了实验验证,证明了该低谐波死区算法的有效性和准确性。     

SLOPE/W在某露天煤矿采掘场边坡稳定性分析中的应用

某煤矿采掘场非工作帮边坡为软岩高边坡,为分析边坡是否存在潜在安全隐患而影响施工进度及施工安全,进行了非工作帮边坡的稳定性分析。采用Geo-studio软件中的Slope/W模块建立了边坡的计算模型,并用Bishop法和Morgenstern-price法对暴雨工况和暴雨叠加地震工况进行计算,得出边坡的稳定性系数。推测的滑面计算结果与边坡稳定性评价的标准进行对比,发现计算结果与现场勘察后预测结论基本一致。该边坡整体稳定性为基本稳定。更多还原     

集群电动汽车充电行为的深度强化学习优化方法

随着用电信息采集系统的推广,数据驱动的机器学习方法在用户侧用电行为优化领域的应用已引起广泛关注.利用深度强化学习方法(deep reinforcement learning,DRL),基于充电监测系统实时反馈的数据与分时电价信号,从负荷聚合商层面优化电动汽车(electric vehicles,EVs)充电行为.通过双...     

膜分离工艺提高产品中高聚合度ε-聚赖氨酸含量

为了提高产品中高聚合度ε-聚赖氨酸(ε-poly-L-lysine,ε-PL)的含量,作者在膜筛选基础上,以模拟料液为研究对象,通过单因素实验优化了膜分离工艺参数,比对了分离前后产品的抑菌性能,并分析了不同聚合度ε-PL透过膜的方式。结果表明,截留分子质量为3 000 Da的聚醚砜(polyethersulfone, PES)膜最适合用于筛分聚合度25前后的ε-PL,操作压力为0.25 MPa, pH=6,质量浓度为20 g/L的料液经透析后,循环液中聚合度25～35的ε-PL含量提高至91.22%,透析后的产品更有利于抑制金黄色葡萄球菌和大肠杆菌。膜分离工艺不能实现不同聚合度ε-PL的绝对分离,但是利用不同聚合度ε-PL透过膜的速率不同,可以提高产品中高聚合度ε-PL的比例,从而提高产品的抑菌性能,对于提高ε-PL应用价值具有重要意义。     

分布式电源中Z源逆变器锁相方法的研究

针对分布式电源并网运行时存在谐波干扰及并联运行时分布式电源之间的相位差会导致环流影响系统安全性等问题,对分布式电源中Z源逆变器的锁相方法进行了研究。通过对Z源型逆变器拓扑结构和空间矢量正弦波调制方法的分析,在DSP加FPGA控制平台实现对最大功率跟踪和电压电流幅度控制的基础上,提出了一种同时利用软件过零信号和硬件过零信号的数字锁相方法。该数字锁相环通过FPGA实现,可以提高分布式电源中Z源逆变器锁频锁相的稳定性和准确性。经过分布式电源实验平台验证,证明了这种锁相方法的可靠性。