论文部分内容阅读
深入研究了汽轮机叶片标识技术及方法,研制出叶片各阶段标识的方法及使用设备,建立了基于SAP的标识管理系统,并实现叶片标识的全流程追溯,经过反复试验验证,效果显著,已经在全公司汽轮机叶片制造过程中得以全面推广和应用。
基于汽轮机叶片金属二维码标识技术的研究与应用
【摘 要】
：
深入研究了汽轮机叶片标识技术及方法,研制出叶片各阶段标识的方法及使用设备,建立了基于SAP的标识管理系统,并实现叶片标识的全流程追溯,经过反复试验验证,效果显著,已经在全公司汽轮机叶片制造过程中得以全面推广和应用。
【机 构】
：
东方电气集团东方汽轮机有限公司,四川618000
【出 处】
：
大型铸锻件
【发表日期】
：
2021年06期
其他文献
针对板球系统轨迹跟踪精度低、震荡大以及实时性差的问题,提出了一种基于遗传算法优化的组合趋近律滑模控制方案.首先运用Ackermann公式设计的滑模面来表达不连续的超平面;其次,在滑模前期采用指数趋近律来减小抖振幅度,后期运用变速趋近律使抖振收敛;最后,运用遗传算法来进行参数选定.实验结果表明,组合趋近律相对变速趋近律起始输出振幅降低了2.2,遗传算法优化后收敛时间较优化前减少了0.4s.采用Lyapunov理论证明了控制器的稳定性,仿真验证了控制策略具有良好的动态品质和稳态性能,满足板球系统轨迹跟踪要求.
近年来,质量相关的故障诊断受到学界的广泛关注.目前存在多种基于后处理的故障诊断算法,但是,进一步的研究发现,当质量无关的故障幅度增强时,这些后处理算法会逐渐失去功能,除此之外,后处理算法在实践中会产生很大的计算量.为了进一步解决上述算法的弊端,采取一种预处理、建模、后处理的结构,并提出修正的潜在结构正交投影算法.对比之前的算法,该方法对质量相关的故障更具实用性,同时减少了模型所需潜在变量的数目,与之前算法相比,计算量更低,数值示例和田纳西-伊士曼过程用来验证该方法的有效性.
睡眠呼吸暂停综合征作为一种常见的与睡眠相关的呼吸障碍性疾病,受到众多的关注.由于其复杂的检诊断过程及昂贵的价格,吸引了众多研究学者探索基于单通道信号的快速、便捷检测方法.基于心电信号(ECG)提出了一种多尺度卷积神经网络睡眠呼吸暂停快速检测方法,与常规的单尺度卷积神经网络方法相比,该方法可以有效地结合信号的细节信息和抽象信息,提升卷积神经网络的特征呈现能力.通过PhysioNet提供的Apnea-ECG数据库进行验证,多尺度卷积神经网络获得了85.2％准确率、83.1％敏感性和86.5％特异性.与现有方法
材质为25Cr2NiMo1V的中低压复合转子,在淬火冷却过程中低压侧轴端法兰及轴颈开裂.对断口进行了低倍、高倍、化学及扫描电镜能谱分析,确定了裂纹性质为淬火裂纹,开裂原因是:锻件成分偏析严重,偏析区内边角尖锐脆性较大的析出物引起应力集中,形成裂纹源,在裂纹源周围淬火马氏体基体塑性较差的因素下,裂纹迅速扩展,导致锻件开裂.
基于深度学习方法构建轴承健康指标正成为机械故障诊断领域新的研究内容和应用热点.基于深度学习的指标构建容易受到前期人工特征提取和特征选择的影响,且缺乏对多通道传感器信息进行有效融合.针对上述问题,设计了一种基于深度融合神经网络(DFNN)的多通道信息融合健康指标构建方法.首先,提出一种多通道融合特征提取器(MFE)从传感器原始信号提取轴承退化特征,然后设计一种自适应特征选择器(AFS)进行特征选择,最后引入双向长短期记忆网络(BiLSTM)构建健康指标.所提出的方法在轴承全寿命数据集上进行实验验证,实验结果
利用传热学原理,采用大平板模型对传热偏微分方程进行求解,通过对轧辊轧制过程温度变化的分析,依据轧制时轧辊表面温度经验数值,采用余误差函数求解不同深度的温度分布,首次提出压缩屈服强度、温差与裂纹深度的定量对应模型.根据不同轧辊材质的压缩屈服强度,分别建立了热裂纹深度计算公式,和实际轧钢过程裂纹情况有较好的符合性,可作为一种热裂纹计算的简易方法,快速、便捷、高效.
介绍了一种应用于炼钢工艺研究过程中,通过对相关数据统计后进行“深度学习”,以掌握相应参数变化规律的研究方法.描述了该方法的简单原理,以及对具体案例“出钢至开浇期间钢水温降分析”的实践过程.给出了实践过程中获得的经验总结,以及该方法的完善和可拓展方向.
血压是人体重要的生理参数,能够反应心脏泵血功能、外周血管阻力、血容,对其进行非接触连续测量在日常生活和诸多应用场合中具有很重要的意义。从面部视频中获取相关脉搏波信号,然后提取信号中与血压相关性高的特征参数,从而利用这些参数建立血压估计的神经网络模型,并采用遗传算法对其进行优化。通过验证得出遗传算法优化BP神经网络(GA-BP)模型估计能力和拟合精度明显提高,且其估计结果满足相应血压测量标准并能实现
为了提升非制冷红外热像仪的图像质量,满足低对比度弱小区域的观瞄与锁定的需求,提出了一种基于多尺度密集残差网络的红外图像超分辨重建模型,该模型的基本框架是通过级联多个残差特征进行学习,以粗到细的方式重建高分辨率图像。首先提出一种多尺度跨域融合模块,通过对不同感受野的分支结果进行融合,不仅可以融合不同感受野的互补信息,还可有助于提升梯度收敛和特征传输;然后叠加多个跨域融合模块,并采用残差特征学习进行优