摘要：某核电厂多台大型立式泵组由于结构共振导致电机振动超标,先后通过动平衡、支撑调整、扭矩调整等方式进行振动治理,降振效果不佳并且振动反复发生。鉴于结构共振传统治理方案的局限性,并结合核电机组运行的特点,决定采用调谐质量阻尼技术用于泵组的振动治理。经过现场测绘、模型设计、强度校核、仿真分析、制作测试以及现场验证,降振效果显著,同时现场实施方便,对设备无需改动。通过该案例的介绍,为旋转机械振动治理提供了一种新的借鉴方法。

摘要：石油天然气、化工管路常常会因为往复式机泵产生的不稳定流动,以及流体流向改变、管线变径等情 况而引起管路振动,如果处理不好,将严重影响管路的安全运行。为此,对一段天然气管系的流体脉动激发振动进 行了分析。采用有限元建模方法,考虑了管系的复杂支撑、管系设备、钢结构等因素对管系振动的影响,计算出了 脉动激发的位移、转角响应幅值。从计算结果看出,流体脉动对管系的动态响应有着重要的影响,在管道设计时必 须加以考虑,并提出了消除流体脉动影响的相应措施。

摘要：动力机械对管线内的流体提供一定的激发,使管流处于脉动状态。脉动状态的流体遇到弯头、异径管、控制阀、盲板等管线元件,会产生一定的、随时间而变化的激振力,在这种激振力作用下管线和附属设备就要产生振动。为此,对一段包含复杂约束、管道附件的天然气管线进行了动态分析,计算出了作为外加激励的气流压力脉动激发的管线动力响应。计算结果表明,压力脉动能激发相当大的管线振动,在管线设计时,必须考虑压力脉动的影响,并提出了控制管线振动的措施。这些措施包括调整管线模态频率,模态形状,减小弯头转角,在最大管线位移位置处添加减振器、或阻尼器、或支撑等。

摘要：天然气、液化石油气管线系统遭到地震破坏,会引发严重的火灾、泄露、爆炸、污染等次生事故,造成巨大的经济损失和人员伤亡,因而确保这些管系的抗震安全是极其重要的。为此,对一段天然气管道系统的地震激发的动态响应进行了分析。采用有限元建模方法,考虑了管系的复杂支撑、吊架、管系设备、弯头的影响,计算出了三维EIcentro地震激发的管系模态,管系位移、转角响应幅值,以及地震激发的管系模态响应系数。从计算结果看出,地震对管系的动态特性有着重要影响,在管道设计时应该对此加以考虑,并提出了提高管系抗震的措施。

摘要：NO_(x)浓度的准确预测对于燃烧优化控制至关重要,有利于提高能源利用效率和减少环境污染。提出了一种基于深度卷积神经网络(deep convolution neural network,DCNN)和支持向量机(support vector machine,SVM)的NO_(x)浓度预测方法。该方法首先利用DCNN对火焰图像的深层特征进行提取,然后采用支持向量机对所提取到的深层特征进行分析,从而实现NO_(x)浓度预测。通过采集4.2MW重油燃烧锅炉不同燃烧工况下的火焰图像与NO_(x)浓度,对所提出的预测方法的有效性进行测试。试验结果表明,在不同燃烧工况下,DCNN-SVM的均方根误差为1.58mg/m^(3),低于基于静态物理特征的预测模型(7.96mg/m^(3))。表明DCNN-SVM具有较高的预测精度,不仅克服了静态物理特征表达能力的不足,而且摆脱了繁琐的特征设计过程。

摘要：对安全阀排汽激发的管系振动进行了研究,分析了安全阀激振的原因,利用有限元方法对管系进行了建模,模型中考虑了管道、支承、吊架等因素的影响。用安全阀排汽推力作为激励力,计算出了安全阀排汽激发的管系动力响应幅值。计算结果表明安全阀排汽能产生很大的管系的动应力,与现场观测结果一致。在管道设计时有必要考虑排汽激振影响,最后提出了消除排汽激振影响的措施。

摘要：为了提高迷宫密封的性能,受亥姆霍兹共振腔启发,提出了一种改进型迷宫密封.在传统迷宫密封腔上方设计第2个膨胀腔,使气流在腔内进行二次膨胀,增加腔内气流的速度耗散.应用数值方法研究改进型密封的泄漏特性、动力特性和声学特性,并与迷宫密封进行比较.研究结果表明:改进型密封内的气流形成了2个漩涡,使气流膨胀更充分,密封泄漏量降低;改进型密封腔的容积增大,降低了低频切向气流力,提高了密封在低频涡动区内的稳定性;受亥姆霍兹共振腔声学效应的影响,改进型密封提高了对低频噪声的抑制能力.

摘要：对电厂一段管系的汽流脉动激发振动进行了分析。采用有限元建模方法,考虑了管系的复杂支撑、汽流脉动等因素对管系振动的影响,计算出了脉动激发的位移、转角响应幅值,从计算结果看出汽流脉动对管系的动力特性有重要影响,在管道设计时必须加以考虑并提出了消除汽流脉动影响的措施。

摘要：目前,大型旋转机械轴振动监测主要使用涡流传感器,其性能的优劣,直接关系到整个机组能否安全可靠稳定运行。针对振动涡流传感器的材料敏感性和温漂问题,分别进行了相关实验研究。首先通过实验数据处理,提出了一种消除材料敏感性的变换方法,并对该方法进行了理论论证;其次在理论上分析了影响温漂的主要因素,提出了一种能够有效减小温漂的方法。最后将两种方法综合应用于探头设计之中,实验表明,振动涡流传感器材料敏感性误差小于3.5%,温漂小于2.5%。

摘要：针对传统的卷积神经网络对特征的辨识性差的问题,提出一种将注意力模块与一维卷积神经网络相结合的滚动轴承故障诊断模型。首先以加入噪声的振动信号作为输入,利用“卷积+池化”单元提取信号的多维特征,然后通过注意力模块对特征赋予不同的权重,利用双池化层取代传统卷积神经网络中的全连接层进行特征的再次提取及特征信息整合,最后通过Softmax层完成轴承状态分类。实验表明,该模型诊断准确率可达99%,与传统模型相比,其准确率更高、收敛速度更快、训练过程更稳定、变负载情况下泛化性能更好。