旋转剪切阀门的设计与实验研究

对目前阀门存在的一些问题,有针对性地设计了一种新型结构的阀门。这种结构的阀门采用了与现有阀门不同的结构形式,可以较好地解决阀门内漏问题。设计的阀门采用了金属-金属的平面硬密封结构,在流道附近采用耐磨损的材料,提高阀门密封面的磨损寿命。阀瓣与阀座之间的运动是直线与旋转的联合运动,阀瓣依靠弹簧力与阀座始终紧密贴合,阀门以剪切方式推出密封面上杂质的同时,又形成一种旋转形式的自研磨效果,保持密封面的平面精度和较低的表面粗糙度数值,使介质不产生内泄漏。实验结果表明,该种结构的阀门是可行的。     

旋转剪切阀门的设计与实验研究

对目前阀门存在的一些问题，有针对性地设计了一种新型结构的阀门。这种结构的阀门采用了与现有阀门不同的结构形式，可以较好地解决阀门内涵问题。设计的阀门采用了金属－金属的平面硬密封结构，在流道附近采用耐磨损的材料，提高阀门密封面的磨损寿命。阀瓣与阀座之间的运动是直线与旋转的联合运动，阀瓣依靠弹簧力与阀座始终紧密贴合，阀门以剪切方式推出密封面上杂质的同时，又形成一种旋转形式的自研磨效果，保持密封面的平面精度和较低的表面粗糙度数值，使介质不产生内泄漏。实验结果表明，该种结构的阀门是可行的。     

CP神经网络在机械故障模式识别中的应用

机械设备状态监测与故障诊断技术是保证机械设备安全稳定运行的一项重要措施。由于机械设备结构越来越大型化和复杂化 ,依靠人自身的经验和能力难以判断其征兆与故障之间的关系。随着计算机技术在各个领域的应用 ,智能型的自动监测与诊断技术在机械设备中得到了广泛应用。根据几种典型神经网络特点 ,选择了CP神经网络作为机械故障模式识别器。以大型机组典型故障的频率域特征参数作为网络的训练样本 ,对CP网络进行了训练 ,再将实际的一组频率域特征参数输入到模式识别器中 ,对故障类型进行识别。结果表明 ,以CP神经网络构筑的故障模式识别器有很强的非线性映射能力 ,可对机械设备故障模式进行正确分类。     

CP神经网络在机械故障模式识别中的应用

机械设备状态监测与故障诊断技术是保证机械设备安全稳定运行的一项重要措施。由于机械设备结构越来越大型化和复杂化，依靠人自身的经验和能力难以判断其征兆与故障之间的关系。随着计算机技术在各个领域的应用，智能型的自动监测与诊断技术在机械设备中得到了广泛应用。根据几种典型神经网络特点，选择了CP神经网络作为机械故障模式识别器。以大型机组典型故障的频率域特征参数作为网络的训练样本，对CP网络进行了训练，再将实际的一组频率域特征参数输入到模式识别器中，对故障类型进行识别。结果表明，以CP神经网络构筑的故障模式识别器有很强的非线性映射能力，可对机械设备故障模式进行正确分类。