滑动轴承贫油润滑特性分析

基于广义Reynolds方程,建立圆柱滑动轴承贫油润滑模型,分析了入口油膜厚度对滑动轴承贫油润滑性能的影响。数值计算结果表明:在载荷和转速不变时,供油条件明显影响油膜收敛区的油膜厚度、承载力等参数;随入口油膜厚度的增加,滑动轴承承载区油膜厚度、端泄流量、有效承载面积增加,而轴承偏心率和油膜起始角随供油量的增加而减小。     

基于模糊控制遗传算法的输电系统最优化规划

用遗传算法求解优化问题时,要花费大量时间对基因进行测试,,速度较慢。另外,遗传算法的性能还强烈地依赖于一睦相关参数（例如交叉和变异的概率）的选取。文中以电网规划为背景,对简单遗传算法（ＳＧＡ）进行了多方面改进,得到模糊控制遗传算法（ＦＬＣＧＡ）。该算法速度快,收敛到全局最优解的概率大。与基于传统遗传算法的电网规划比较,ＦＬＣＧＡ算有明显的优越性。     

供油量对浮环轴承静动态润滑特性影响

针对浮环轴承贫油润滑问题,基于雷诺方程,建立浮环轴承贫油润滑模型,以润滑油入口供油量为可变参数,通过有限差分法求解数学模型,分析了供油量对浮环轴承内外油膜力静态润滑特性影响,计算结果表明:供油量明显影响润滑油油膜力的起始角和轴承环速比,摩擦功耗随浮环轴承供油量的减小而增大。     

混沌理论及其应用研究

给出了混沌的定义及其相关概念，并以Logistic映射为例深入浅出地阐明了混沌运动的基本性质和基本规律，概括介绍了混沌的识别方法、通向混沌的道路，最后论述了混沌应用的巨大潜力，并指明混沌在电力系统中的可能应用方向。     

排序集抽样方法在非参数检验中的应用

排序集抽样作为一种更有效的数据收集方法,近几年引起了许多学者的兴趣,特别在环境和生态的研究中已经有了不少结果。主要讨论排序集抽样在两样本刻度参数检验中的应用,并从检验的渐近效率的角度说明了基于排序集检验较一般随机抽样的优良性。     

硬件木马技术研究综述

集成电路芯片在设计、制造及使用过程中都可能会被植入硬件木马,电子设备的安全受到极大威胁。近年来,硬件木马的设计和检测技术逐渐受到重视,已成为研究热点。首先分析了硬件木马的特性和概念,然后在介绍硬件木马主要分类方法的基础上,提出了用于评价硬件木马隐藏特性的功能分散粒度、激活概率和阈值功耗等衡量指标。探讨了几种典型硬件木马的设计思路和检测方法,分析了硬件木马检测方法存在的问题与面临的挑战,最后对硬件木马相关技术的研究与发展提出建议。     

浮环轴承贫油润滑温度预测模型研究

综合考虑供油量和润滑油温黏效应对浮环轴承润滑特性的影响,同时结合稳态下贫油润滑的油膜力模型,建立浮环轴承贫油润滑温度预测模型。以入口润滑油流量为可变参数,利用数值计算方法分析供油量对轴承内外油膜温度的影响,并在浮环轴承试验台上对出油口油温度进行测量。仿真结果与试验结果具有较好的一致性,验证了浮环轴承贫油润滑温度预测模型的准确性。研究结果表明:浮环轴承油膜温度随转速的增大而升高,随供油量的增大而下降;内油膜温升明显高于外油膜温升,浮环温度亦随供油量的减小而升高,浮环温度基本介于内外油膜温度之间。     

福建省电力需求预测研究

根据规范编制了《福建省电力需求预测程序》,程序以多种算法建模, 用户可选择回归法、单耗法、弹性系数法、人均电量法等预测最大负荷,根据特征系数预测负荷曲线,其功能先进并在省、地两级获得应用。     

人工智能技术在输电网络故障诊断中的应用述评

简要介绍了相关的人工智能技术,如专家系统(expert system),人工神经网络(artificial neural network),模糊理论(fuzzy theory),遗传算法(genetic algorithms)及Petri网络(Petri net)等的基本概念,并在此基础上对文献中提出的相应的输电网络故障诊断方法进行述评,分析它们在输电网络故障诊断中应用的特点以及存在的主要问题,以促进该研究领域的进一步发展。     

表面织构对浮环轴承环速比影响的实验研究

为提升浮环轴承在高速重载场合下的性能,在浮环轴承内表面制备表面织构,通过试验研究在不同载荷和转速下表面织构对浮环轴承环速比的影响,并与无织构浮环轴承进行比较。结果表明:无织构浮环轴承在载荷增大时环速比随主轴转速的增大而下降,而织构浮环轴承的环速比大于相同工况下的无织构浮环轴承,且环速比不会随载荷的增加而显著下降;织构使得浮环轴承的承载能力显著提升,能使浮环能在低主轴转速时开始启动,因而提升了浮环轴承在高速重载场合工下的工作性能。