57 300 t散货船主机轴系负荷测量

文章主要介绍了57 300 t散货船主机轴系各道轴承在静止状态下进行的测量、调整,使各参数调整至工艺要求的范围内,满足使用要求,可供同行参考。     

一类奇异非线性二阶边值问题解的存在性

设f:[0,1]×R2→R满足Caratheodory条件,a∈L1[0,1]且1∫0a(t)dt≠0,(1-t)e(t)∈L1(0,1).运用Leray-Schauder原理考虑了二阶奇异边值问题:x″(t)=f(t,x(t),x(′t)) e(t),t∈(0,1)x′(0)=0,x(1)=1∫0a(t)x(t)dt,在C1[0,1)上解的存在性.     

浅谈摩托车空气阻力系数CD值的简易确定方法

摩托车的空气阻力系数ＣＤ值是整车设计中至关重要的参数，对整车的动力性和燃油消耗的经济性影响很大。准确的ＣＤ值必须通过风洞试验才能求得，在无风洞试验情况下，采用最高车速试验时的力矩平衡、最高车速试验时的功率平衡和滑行试验这三种简易测试、计算方法确定ＣＤ值同样可行。     

基于AFD算法的滚动轴承故障诊断方法

基于自适应傅里叶分解(AFD)算法,将滚动轴承的振动信号分解为一系列单一分量信号并计算它们的峭度;将峭度由大到小顺序排列,自适应寻找峭度趋于稳定的拐点,对拐点前的单一分量信号求和并取包络作共振解调;根据解调得到的频谱判断滚动轴承是否发生故障及发生故障的部位。以N205EM型滚动轴承为例进行试验验证,结果表明:在不预先确定滤波频带,不出现无物理意义的"负频"情形下,能够准确有效地提取出比传统共振解调方法有更好频谱特征的滚动轴承故障信息,从而有效地诊断出滚动轴承的故障。     

基于遗传算法和神经网络的润扬长江大桥深基坑变形预测

针对深基坑变形问题,用遗传算法优化BP神经网络的初始权重,建立了GA-BP神经网络深基坑变形预测模型,克服了BP神经网络收敛速度慢、易陷入局部极小点的缺点。利用模型对润扬长江公路大桥南锚碇深基坑变形进行分析,并对模型拟合结果进行了检验,结果表明深基坑变形和支撑轴力具有一致响应趋势,预测模型性能良好,预测精度较高,简便易行。     

NSW型手制动机组装试验台设计

针对NSW型手制动机在使用中存在的问题,设计开发了手制动机组装试验台,并对它的外观样式、功能特点、工作原理和使用方法等事项进行说明。     

接触网刚性悬挂拉出值布置方式比较

介绍了城市轨道交通牵引网架空刚性悬挂的两种布置方式.分析了采用传统正弦波拉出值布置方式时产生受电弓磨耗不均匀的原因,以及新的“八”字形拉出值布置方式及其解决受电弓磨耗不均匀问题的方法.“八”字拉出值布置方式是一种可靠的刚性悬挂拉出值平面布置形式,能够保证受电弓两侧的两个半弓磨耗一致,实现增加受电弓使用寿命、提高授流质量的目的.     

基于PWBS的FPSO建造精细化作业分解

针对深水型浮式生产储卸油装置(Floating Production Storage and Offloading, FPSO)建造面临的问题,以产品导向型作业分解结构(Product-oriented Work Breakdown Structure, PWBS)理论为基础,提出面向任务包(Work Package, WP)和派工单(Work Order, WO)的精细化作业分解方法,并建立以中间产品为对象按作业类型和工种划分的分解结构。以某深水型FPSO为例,以作业阶段为主线对其建造作业进行分解,形成面向FPSO的通用性作业分解系统,为实现FPSO的精益建造提供可行性。     

基于经验模态分解的舰船运动姿态预测模型研究

运动姿态准确性预测对提高舰船水上作业安全性具有重要的现实意义,为此,基于经验模态分解算法,构建一种新的舰船运动姿态预测模型。该模型首先利用EMD分解舰船运动时间序列,然后采用游程判别法来判定IMF和r_n (t)的波动程度,划分高频、中频和低频3个分量,最后利用基于支持向量机算法构建的预测模型预测舰船运动姿态。实验结果表明:与卡尔曼滤波法、谱估计法、艏前波法3种运动姿态预测方法得到的结果相比,本模型的纵摇角预测误差更小,精度更高。     

基于LSTM的滚动轴承寿命预测

针对滚动轴承剩余使用寿命预测难、一般的神经网络预测精度差的问题,提出了一种基于振动信号时域特征,结合滚动轴承理论寿命值和具有处理时序特征功能的LSTM(Long Short-Term Memory,长短期记忆网络)剩余使用寿命预测方法。首先按照时间顺序提取振动信号的均方根值、峰度、偏斜等15个时域特征作为判断滚动轴承退化的特征值;然后将其输入到LSTM中,将网络输出的轴承退化值设定为[0,1],0表示轴承完好,1为完全退化;最后采用滚动轴承理论寿命计算公式,根据滚动轴承的转速和载荷计算滚动轴承的基本额定寿命,结合其理论寿命和退化值得到定量的剩余寿命。试验结果表明,LSTM与理论寿命结合的滚动轴承寿命预测方法相比于一般的神经网络具有较高的预测精度。