双泵共管技术在煤矿主排水系统中的应用

来源 :煤矿机械 | 被引量 : 0次 | 上传用户:cerlin
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
对某新建矿井主排水系统和某生产中煤矿-430 m水平扩排系统进行分析,从泵房硐室高度、排水系统复杂程度和排水管路敷设难度上进行对比,得出了大涌水量矿井的排水系统适合采用双泵共管运行方式的结论,同时给出了采用双泵共管运行方式时水泵工况点的计算方法.
其他文献
矿用隔爆兼本质安全型变频调速一体机具有体积小、功率大、发热严重的特点,合理的散热设计可以有效控制热源温升,对保证IGBT等电子设备安全运行具有重要意义.基于Icepak散热分析软件,以YJVFT-315S1-4 (55/1140)变频一体机为研究对象,对其风道结构进行仿真分析,结合分析结果进行风道及散热器结构优化.优化后热源温升降低11.5℃,为风冷变频一体机风道设计提供了优化思路.
为进一步完善掘进设备性能工程测试,开发了一套掘进设备综合性能测试系统,设计了掘进机爬坡及运输模块、模拟截割模块、数据采集与测试等模块.通过试验得到了设备振动、温升、噪声等主要性能参数,为掘进设备的工程应用及结构优化提供了重要参考.
旋转机械运行环境恶劣,振动信号易受外界干扰,因此实现振动状态的异常检测较为困难.神经网络技术能够从大量的振动数据中自动提取故障特征,相对于人工提取故障特征,工作量大为减少.结合长短时记忆(LSTM)网络对时间序列数据具有的超强感知与处理能力,提出一种用BP神经网络压缩输入数据维度从而提取故障特征、用LSTM网络进行异常检测的新方法.首先将实验台获取的振动数据划分为相同序列长度的数据样本并划分为不同的数据集,然后将数据样本进行预处理并搭建BP-LSTM网络,将建立的模型用于旋转机械振动信号异常检测.模拟仿真
针对传统故障诊断方法不能有效识别滚动轴承振动信号且难以在振动信号中提取所需特征、预处理步骤过多和难以区分故障类型的问题,提出了一种新型卷积神经网络(CNN)模型.首先对传统CNN的激活函数和池化方式进行改进,然后以卷积长短时记忆(Conv-LSTM)作为卷积层.相比于传统的故障诊断方法,新型CNN模型可直接训练切片后的原始加速度振动信号,并可同时识别和分类出故障类型.SKF6005型轴承实验结果表明,新型CNN模型相对于纯CNN模型具有更好的分类效果和更高的分类准确度.
为了解决带式输送机减速机轴因磨损与腐蚀导致减速机故障的问题,利用激光增材技术对减速机轴进行修复与强化处理,并对减速机轴表面强化层的组织和性能进行分析与研究,结果表明:激光增材技术可完美解决减速机轴磨损与腐蚀难题,相对基材耐磨性提高4.28倍,可有效提高减速机轴表面的综合性能,有效保证减速机的正常运转,经济效益和社会效益显著,可在矿用减速机检修领域推广应用.
井口防冻是煤矿安全生产的重要保证,若供水系统停止运行,低风温大风量吹过换热器,极短时间内翅片管内的水就会结冰导致胀管.与热管式换热器相比,翅片管换热器传热系数小、占地面积较大.依托山西磁窑沟煤矿余热利用项目,研发了热管式井口加热器,通过测试发现,热管式加热器换热性能良好,是翅片管式井口加热器的良好替代品.
设计多分支网络以提取分集特征已成为行人重识别领域的重要方向之一.由于单分支学习到的特征表达能力有限,所以文中提出基于多分支协作的行人重识别网络.在局部分支、全局分支、全局对比池化分支、关联分支这4个相互协作的分支上进行特征提取,获得强大的分集行人特征表达能力.文中网络可应用于不同的主干网络.实验中考虑OSNet、ResNet作为文中网络的主干网络进行验证.实验表明,文中网络在行人重识别数据集上均取
针对带式输送机轴承故障难以精确诊断的问题,提出一种基于参数优化变分模态分解(VMD)和引力搜索算法优化支持向量机(GSA-SVM)的轴承故障诊断方法.首先以样本熵为适应度值,遗传算法优化VMD参数,得到最优模态参数K和惩罚因子α的组合;然后利用优化后的VMD分解振动信号,得到K个模态分量,并将模态分量的散布熵作为特征向量;最后将特征向量带入GSA-SVM中进行故障模式识别,得到故障诊断结果.实例验证可知,该方法能够实现轴承准确故障诊断,且优于对比方法.
通过双目视觉算法测量轴类零件的直径,搭建了双目视觉系统,对轴类零件实现了迅速精确的测量。首先利用张氏标定法对系统进行标定,然后通过图像处理得到结构光和轴类零件的交点坐标,再利用SURF+RANSAC算法对左、右相机采集图像立体匹配,最后计算出交点的三维坐标,解算出零件的尺寸大小。实验结果表明,测量误差均在0.1 mm之内。该方法精度高、运算速度快、稳定性好,适用于轴类零件直径测量。
现有基于视频图像测量烟雾浓度的方法主要通过人工提取特征,需要已知环境的大气光、背景等外界条件.为了提高烟雾浓度测量方法的直接性和实用性,文中通过烟雾化方程,建立烟雾图像与其浓度数值的对应关系,进而提出基于双通道深度卷积神经网络(DCCNN)的烟雾浓度测量方法,实现端到端的烟雾浓度直接测量.DCCNN中采用1×1卷积进行通道数据融合,引入跳跃连接解决网络层数较深时梯度消失问题,加快训练过程.同时引入