一种旋转部件的热量变化检测装置

    公开(公告)号:CN111307338B

    公开(公告)日:2021-06-04

    申请号:CN202010213775.2

    申请日:2020-03-24

    Abstract: 本发明公开了一种旋转部件的热量变化检测装置,包括底座、侧底板、圆弧板竖向滑座、热量检测圆弧板、温度传感器、主机箱、电动推杆、检测筒和三爪卡盘及其主轴箱,本发明通过三爪卡盘夹住待测量旋转部件,在待测量旋转部件的外侧安装热量检测圆弧板,从外部进行测量,热量检测圆弧板可以横向和竖向调节,当待测量旋转部件是圆筒形部件,且需要测量内部热量变化时,可将检测筒插入到待测量旋转部件中,可从内部检测热量的变化,根据不同尺寸的旋转部件、以及不同测量位置,通过调节可以同时检测多个位置的热量变化,主机箱可带着检测筒前后移动,可以适用于不同深度的检测,电动推杆的设计便于推动主机箱。

    一种焊接残余应力自动检测装置

    公开(公告)号:CN112985665A

    公开(公告)日:2021-06-18

    申请号:CN202110184180.3

    申请日:2021-02-08

    Abstract: 本发明公开了一种焊接残余应力自动检测装置,包括:底板、以及其上设置的滑块推动机构、滑台、夹板、电动推杆机和手钻;所述底座的上端两侧设置有滑道,所述滑道内滑动设置有滑块推动机构。本发明事先将应变片固定安装在应变片放置台,其距离圆心的位置、相互间的角度均可设定,免去了人工标定的繁琐步骤,减少了劳动量,且应变片位置相对固定,避免了由于应变片位置不准确而导致的测量结果误差,推动待测焊件使其与应变片放置台接触,将应变片贴在待测焊件上并在中间作出标记,向后移动待测焊件,翻转装置将其翻转180度,使用手钻在其标定位置处进行打孔,测量出打孔前后的应变值,并进行理论计算即可测出焊件的残余应力。

    一种基于共振响应的风机叶片健康实时监测方法

    公开(公告)号:CN110332080B

    公开(公告)日:2021-02-12

    申请号:CN201910708242.9

    申请日:2019-08-01

    Abstract: 本发明公开了一种基于共振响应的风机叶片健康实时监测方法,该方法由共振模态检测试验台对风机叶片进行共振的模态检测,得出风机叶片不同状态下的产生共振的模态区间。通过研究叶片不同状态时产生共振模态的差异,实现对风机叶片的实时监测。所述风机叶片健康实时检测方法,利用共振模态检测试验台对风机叶片整个生命周期内不同阶段的共振模态进行实验并统计分析,建立磨合期共振模态区间、正常工作共振模态区间、剧烈磨损共振模态区间、失效断裂阶段共振模态区间。利用数理统计对所得数据进行区间划分,得出风机叶片不同阶段的模态区间,并通过实验得出各个状态的剩余寿命区间建立数据库。在实时检测阶段,利用激振源、环境振动分析仪、滤波器找出共振峰与数据库对比分析,分析得出所测风机叶片所处的健康阶段和所述风机叶片的剩余寿命。

    一种基于相关分析的铝合金VPPA-MIG复合焊接电弧稳定性评价方法

    公开(公告)号:CN116871722A

    公开(公告)日:2023-10-13

    申请号:CN202310972541.X

    申请日:2023-08-03

    Abstract: 本发明公开了一种基于相关分析的铝合金VPPA‑MIG复合焊接电弧稳定性评价方法,其步骤是:步骤一、采用VPPA‑MIG复合焊接系统对10mm厚7A52铝合金进行堆焊试验;试验中MIG脉冲电流频率为160Hz,VPPA变极性频率由50至210Hz变化,在VPPA‑MIG复合焊接过程中,MIG电弧与VPPA电弧的电信号分别通过电流、电压传感器送入NI高速采集系统中实现电信号采集;步骤二、通过分析MIG电压信号与电流信号的互相关系数以及MIG电压信号的自相关系数来评价电弧稳定性;当VPPA变极性频率大于MIG电弧脉冲频率一半时,因MIG电弧电压近似熵值较50‑75Hz区间时变化规律不明显,无法直接使用近似熵法而需借助频谱分析法来评价电弧稳定性。然而相关分析方法可客观、合理的评价VPPA变极性频率对MIG电弧稳定性的影响。

    一种综合概率模型和cnn网络的风叶故障识别方法

    公开(公告)号:CN111855816A

    公开(公告)日:2020-10-30

    申请号:CN202010545026.X

    申请日:2020-06-15

    Abstract: 本发明公开了一种综合概率模型和cnn网络的风叶故障识别方法,首先采用叶片声发射检测对风力叶片信号采集;使用MFCC对数据进行预处理产生标签和mfcc图;将数据传入CNN模型进行卷积运算和Feature_map生成;同时再用LSTM和HMM对时序信息处理输出观测序列概率矩阵P1和P2;将P1和P2进行矩阵连接后采用Softmax计算状态概率矩阵;然后利用现有数据对模型进行迭代训练和交叉验证得到最优权重;将训练出来的模型用于风叶故障识别,计算输出层概率最大的标签为结果,再转化为风叶对应的状态即为风叶故障识别结果。本发明结合信号采集和机器学习算法,采用多个时序判别模型融合的方式对风叶状态整个过程进行感知,为风力机叶片的裂纹故障诊断提供了富有影响力的思路和指导。

    一种基于共振响应的风机叶片健康实时监测方法

    公开(公告)号:CN110332080A

    公开(公告)日:2019-10-15

    申请号:CN201910708242.9

    申请日:2019-08-01

    Abstract: 本发明公开了一种基于共振响应的风机叶片健康实时监测方法,该方法由共振模态检测试验台对风机叶片进行共振的模态检测,得出风机叶片不同状态下的产生共振的模态区间。通过研究叶片不同状态时产生共振模态的差异,实现对风机叶片的实时监测。所述风机叶片健康实时检测方法,利用共振模态检测试验台对风机叶片整个生命周期内不同阶段的共振模态进行实验并统计分析,建立磨合期共振模态区间、正常工作共振模态区间、剧烈磨损共振模态区间、失效断裂阶段共振模态区间。利用数理统计对所得数据进行区间划分,得出风机叶片不同阶段的模态区间,并通过实验得出各个状态的剩余寿命区间建立数据库。在实时检测阶段,利用激振源、环境振动分析仪、滤波器找出共振峰与数据库对比分析,分析得出所测风机叶片所处的健康阶段和所述风机叶片的剩余寿命。

Patent Agency Ranking