堆料机综合保护装置在线监测系统

为解决堆料机高压进线柜综合保护装置因长时间异常工作造成不可逆损坏情况,研发了一套堆料机综合保护装置状态在线监测系统.该系统利用Profibus DP通信将综合保护装置采集的电量数据传送至远程堆料机主PLC,通过编程实现对电量状态的监测与报警,并在FactoryTalk SE 6.0环境下开发了在线监测系统HMI界面.测...     

斯特林机PTFE密封材料的可靠性试验

针对斯特林机密封部件用PTFE复合材料,测定BELDAM CROSSLEY公司生产的Crossflon LR、Crossflon 1403、Crossflon705三种材料在低载高速条件和高载低速2种工况下的摩擦磨损性能,试验分析发现Crossflon LR、Crossflon705两种PTFE材料的高温耐磨性有待进一...     

自动稳定监视系统在带斗门机上的应用

带斗门机的驾驶室距地面或船舱较高,在装卸作业时司机的视觉有很多盲区,尤其是在对船舱内作业时看不到舱内的情况,只能依据指挥人员的手势操作,生产效率低,容易出现装卸机械与船舱、货物碰撞,存在安全隐患。自动稳定监视系统的应用,从根本上消除了司机的视觉盲区。在各种作业环     

基于融合CNN和SSA-SVM的滚动轴承故障诊断

针对滚动轴承故障诊断问题,提出一种融合一维卷积神经网络(1D CNN)和麻雀算法优化支持向量机(SSA-SVM)的网络结构。该网络结构通过卷积运算对原始时域振动信号直接进行特征提取,将提取到的特征输入到麻雀算法优化的支持向量机中,使用支持向量机代替Softmax进行分类。利用滚动轴承故障数据进行验证,此方法故障诊断精度高达0.983,高于其他网络结构,且整体网络结构简单,有一定实际应用价值。     

用PLC-5编程技术实现装船机提前取料作业

神华黄骅港是我国的一个大型现代化煤炭专业港口。其传统的装船作业流程如下:装船机臂架俯仰至工作角度对好船舱→启动悬臂皮带机→中控将地面皮带机 (BM、BC、BQ)依次启动→取料机启动悬臂皮带机、斗轮取料。由于这种作业流程是顺序启动,势必会造成装船机每次移舱完毕后都     

基于改进多尺度排列熵的S700K转辙机故障诊断

基于提速道岔S700K转辙机故障的功率曲线在频域上的多重特征,提出了基于改进多尺度排列熵的多变量支持向量机(structured support vector machine, SSVM)故障诊断方法.首先对S700K转辙机动作功率曲线进行集合经验模态分解和小波分解,获得两类不同时间尺度的模态分量;再利用改进多尺度排列熵计算不同分量的故障特征参数,为了降低计算维度,应用核主元分析理论,在不损失信号重要特征的情况下,取大于95%贡献率的特征值作为故障特征向量;最后,引入基于决策树的SSVM算法,经过小样本训练得到树状最优故障间隔面,从而实现S700K转辙机故障分类.实验结果表明:该方法可有效判定S700K转辙机故障类型,进而提高故障诊断精度和效率.     

提高装车机装车精度的措施

1 装车精度 日照港矿石码头一期工程配备的2台装车能力为3 500 t/h的轨道式移动装车机(简称装车机),安装有电子皮带秤,动态计量,人工操作进行装车作业,装车效率非常高,但装车精度受操作过程各种因素的影响,难以控制.     

船机,潍柴的下一个目标!——访潍柴动力股份有限公司营销公司常务副总经理钟耕会

潍柴动力股份有限公司营销公司常务副总经理钟耕会船用柴油机,潍柴的发家产品1946年潍柴建厂只是一个枪械制造厂,50年代潍柴自己生产的第一台柴油机6160就是一台船用柴油机。这在当时国内产生了很大的影响,所以把船用柴油机当作潍柴的发家产品是不为过的。1988年后,潍柴以引进斯太     

地铁自动检票机故障分析及可靠性研究

考虑到地铁自动检票机组成复杂且故障形式多样,对其进行故障分析并以二参数威布尔分布为基础,提出一种基于混合威布尔分布的设备可靠性评估模型。为提高模型拟合精度,基于误差平方和最小思想构建非线性最小二乘参数优化估计模型并使用粒子群算法(PSO)进行最优参数求解。以南京地铁油坊桥车站自动检票机实际故障数据为例,进行实例验证。结果表明,基于PSO算法的混合威布尔分布可靠性评估模型优于传统单威布尔分布,其均方根误差、平均绝对百分比误差、皮尔逊相关系数均为最优。     

基于稀疏采样数据的电动公交车电池SOC预测方法研究

为提高电动公交车电池SOC预测的精度,基于某电池监控云平台电池数据库中存储的以30 s为采样周期的稀疏采样的电池运行数据,对电动公交车电池SOC预测方法进行了研究。首先,介绍了稀疏采样数据源,分析了电动公交车动力电池的运行过程及其SOC变化的影响因素。选取了当前电池组的总电压、电流、电池模组温度均值及前一时刻SOC值作为预测变量,而选择当前电池组SOC作为输出变量,构建了训练数据集与测试数据集。然后,采用支持向量机(SVM)算法进行训练,并使用贝叶斯优化算法寻找SVM的最优超参数组合,提出了基于稀疏采样数据的电动公交车电池SOC单步预测方法。接着通过对训练数据集的再划分,进一步提出了基于稀疏采样数据的电动公交车SOC自主预测方法,摆脱了在SOC长期预测过程中对于BMS估计的真实SOC值的依赖。试验结果表明,SOC单步预测方法的最大绝对误差仅为1.82%,SOC自主预测方法的最大绝对误差也只有5.89%,都具有较高的预测精度。根据在不同运行路线和不同环境温度下的试验结果,SOC预测模型具有较高的鲁棒性。