超超临界汽轮发电机组N+1支撑轴系失衡振动特性分析

建立了1000MW超超临界汽轮发电机组N+1支撑轴系的有限元动力学模型，对该种轴系的动力学特性及不平衡振动故障进行了仿真分析，归纳了该轴系轴向不同位置不平衡激起的轴系振动响应特性及转子间的相互影响规律，为该类机组的故障诊断及现场动平衡提供参考和依据。     

基于GA优化的VMD-SVM识别角度头故障特征

提出一种基于遗传算法优化的变分模态分解（variational mode decomposition,VMD）-支持向量机（support vector machine,SVM）方法来识别机床角度头故障特征。首先采用遗传算法对VMD算法的输入参数进行优化,将优化后的VMD算法用于振动信号的分解,得到各本征模态函数（IMF）后,求得对应的能量熵;然后通过SVM算法筛选出有效故障数据,再利用峭度和相关系数相结合的方法将其中的IMF筛选出来并重构信号;最后,对该信号作频谱分析,分析相关特征信息,识别并诊断出故障。根据仿真和实验结果,所提方法对于故障角度头的有效信号筛选正确率高,对于噪声抑制效果良好,特征提取快速有效,可用于机床故障诊断领域。     

基于电涡流技术的叶尖间隙及定时测量研究

透平机械叶尖间隙以及叶片的振动幅值是表征叶片健康状况以及进行叶片故障预测的重要参数。本文提出一种基于电涡流传感技术的叶尖间隙及振动幅值测量的方法,该方法利用电磁感应原理,通过测试标定获取输出电压信号与叶尖间隙变化的关系,提出在欠采样情况下叶顶间隙的获取方法。运用高速采集装置进行叶尖定时信号采集,获取叶片达到传感器的时间;随后结合电涡流叶尖间隙及定时分析算法对测试信号进行后处理计算,可得到旋转机械在运行状态下的叶尖间隙及叶片振动参数。在搭建的模拟实验台上进行不同运行转速下的测试实验,结果表明该测量方法可以准确获取叶尖间隙值及叶片振动位移值,相较于传统的电容技术及光纤技术具有更强的抗环境干扰能力,适合执行长期的状态监测任务,有较高的工程实践价值。     

转子-轴承系统中电磁作动器的力学特性分析及实验研究

通过理论分析和实验的方法研究了电磁作动器的力学特性,建立了基于转子振动位移的电磁作动器电磁力模型;设计了电磁力模型参数识别装置,并采用最小二乘估计法进行了模型参数识别。该模型与电磁轴承力的理想模型的对比实验表明,基于转子振动位移的电磁力模型较之传统理想模型更能反映电磁作动器中实际电磁力的力学特性。     

黄山松成株移植与黄山“梦笔生花”景观恢复

采用创口愈合、保湿抑蒸、土壤活化、管孔透气、促进生根、接种菌根、有害生物驱避与防治等栽培集成技术,于2004年3月,成功地将50年生、树高1.75 m、冠幅228 cm×234 cm的黄山松成株移植在高海拔、尖削无土、环境极其恶劣的"梦笔生花"笔峰顶部的尖端,取代了1982年枯死后用的塑胶仿真树.从而再现了"梦笔生花"奇特景观.该项多年生栽培集成技术在世界文化与自然遗产之一——黄山的应用,为特殊生境下50年生松树移植提供了成功经验,同时为其他风景区植物移植提供借鉴.     

一种用于机床角度头故障诊断的双重降噪方法

角度头是数控机床必不可少的加工附件,由于长期处于恶劣的加工工况下,极易受到损坏。采集角度头的振动信号时,环境中大量的随机噪声会湮没故障特征信息,从而造成角度头故障特征提取困难。针对此问题,提出了一种基于总体平均经验模态分解（ensemble empirical mode decomposition,EEMD）及自相关的双重降噪方法。该方法采用自相关滤波方法对振动信号进行降噪预处理,再对降噪后的信号进行EEMD分解,随后采用遗传算法对EEMD输入参数优化,依据相关峭度系数准则筛选分解得到的固有模态函数（intrinsic mode function,IMF）分量进行信号重构。最后,对重构信号进行时频分析,提取角度头故障特征。对仿真和实测信号分析的结果表明,本文方法能够有效抑制噪声干扰,可准确提取到角度头的故障特征信息,为机床角度头的故障诊断提供依据。     

颗粒链取向对磁流变弹性体磁致剪切模量的影响

为分析内部颗粒链与外加磁场间取向夹角对磁流变弹性体(MRE)磁致剪切模量的影响,将磁化颗粒视为磁偶极子,仅考虑同一链内磁化颗粒间相互作用,推导了MRE磁致模量的微观模型,在微观层面研究了取向角度对磁致模量的影响。制备了具有不同颗粒链取向角度的MRE试样并进行测试,结果表明微观模型预测趋势与测试结果一致。对该模型进行简化并识别其参数,得到基于参数的磁致模量模型,可预测磁致模量的实际值。     

基于GA优化的VMD-SVM识别角度头故障特征

提出一种基于遗传算法优化的变分模态分解（variational mode decomposition,VMD）-支持向量机（support vector machine,SVM）方法来识别机床角度头故障特征。首先采用遗传算法对VMD算法的输入参数进行优化,将优化后的VMD算法用于振动信号的分解,得到各本征模态函数（IMF）后,求得对应的能量熵;然后通过SVM算法筛选出有效故障数据,再利用峭度和相关系数相结合的方法将其中的IMF筛选出来并重构信号;最后,对该信号作频谱分析,分析相关特征信息,识别并诊断出故障。根据仿真和实验结果,所提方法对于故障角度头的有效信号筛选正确率高,对于噪声抑制效果良好,特征提取快速有效,可用于机床故障诊断领域。     

卫生间渗漏的防治

卫生间渗漏问题已成为住户苦恼的问题，本文通过对卫生间渗漏原因的分析，结合多年的工作经验，对卫生间渗漏的成因进行了分析，提出了有效的预防对策，以推进住宅质量的提高，减少渗漏现象的发生。     

基于果蝇算法的转子不平衡参数辨识研究

为识别转子的不平衡参数,建立了转子-轴承有限元模型,在逆问题的识别理论基础上通过理论故障力与等效估计的不平衡力构建目标函数,运用果蝇优化算法进行目标函数优化,从而识别出不平衡参数,并将果蝇算法识别的结果与模拟退火算法、遗传算法的结果进行对比。仿真和实验结果均表明,相比其他两种算法,果蝇算法有更高的识别精度和效率。