排序方式: 共有25条查询结果,搜索用时 15 毫秒
2.
3.
为了研究柴油机气缸内的工作过程,将现场可编程门阵列(FPGA)和可编程自动化控制器(PAC)技术运用到柴油机燃烧分析系统中,开发了一种基于嵌入式平台的柴油机燃烧分析系统。进行了总体方案的设计,阐述了系统的硬件设计和软件程序。该系统以LabVIEW作为开发语言,采用工业以太网组建采集网络,能够满足柴油机缸压信号采集及分析所需要的各项要求。该系统通过对采集得到的缸压信号进行上止点确定、数值均化、光顺等处理后得到了示功图,同时通过编程实现了两种示功图之间的转换。测试结果表明,该系统能够实时采集缸压信号并经计算处理得到示功图,也可以实现两种示功图之间的转化。测得示功图后,利用热力学的基本公式就可以求出工质的热力参数,从而可以为柴油机的故障诊断、性能优化等提供参考。 相似文献
4.
岩石爆破平均粒径的预测对岩石采装及二次破碎具有重要意义,然而常规的神经网络预测岩石爆破平均粒径存在较大的误差。为更加合理准确预测岩石爆破粒径分布,选取台阶高度与钻孔荷载比(H/B),间距与荷载比(S/B),荷载与孔径比(B/D),炮泥与荷载比(T/B),粉因数(Pf),弹性模量(E)和现场块度大小(XB)7个主要影响岩石爆破粒径的因素,并结合BP神经网络较好的预测性,以及主成分分析(PCA)能消除自变量间的相关性和减少BP神经网络输入数据的特点,建立了基于PCA-BP神经网络的岩石爆破粒径预测模型。以48组实测数据为例,对7个影响因素进行主成分分析,最终降为4个主成分,进而将其作为BP神经网络的输入因子,对岩石爆破粒径进行了预测。结果表明:BP神经网络与最小二乘法预测的平均误差分别为15.71%、27.32%,而PCA-BP神经网络预测平均误差仅为9.21%,实现了对岩石爆破粒径的较准确预测。综上所知,PCA-BP神经网络模型为岩石爆破平均粒径预测提供了一种科学、可靠的方法。 相似文献
5.
6.
7.
8.
有机工质朗肯循环(Organic Rankine cycle,ORC)能回收工业余热产生高压蒸气,并由膨胀机输出机械功,是一种具有广泛应用前景的节能技术。工质泵和膨胀机作为ORC循环运行的两大核心机械,实现不同热源流量或温度条件下,工质泵频率和膨胀机转速的匹配,可有效提高ORC循环效率。基于ORC循环的热力学分析,选用R245fa作为循环工质,采用适用性广、可靠性高的螺杆膨胀机,设计并搭建了ORC系统试验台,根据试验结果,重点研究螺杆膨胀机转速、工质泵频率及蒸发器出口过热度对系统性能的影响。结果表明:膨胀机转速的增加会使得系统中工质的循环流量上升,但对蒸发压力的影响较小;存在与工质泵频率相匹配的最佳膨胀机转速,使得系统的循环热效率达到最大;工质泵频率增加时,工质的循环流量和蒸发温度也随之增大,蒸发器换热量、膨胀机输出功率及系统循环热效率都有所上升;蒸发器出口过热度的变化基本不会影响系统热效率。 相似文献
9.
10.