针对某核电站东方-ALSTOM汽轮机的高、中压调节阀正常运行期间,出现多起调节阀动作异常,导致定期试验失败甚至功率波动问题,通过对比发现油动机中的插装阀(DN16)与新的插装阀(DN16)动作定值相比存在差异。新插装阀定值低,进汽调节阀试验过程或者功率运行过程中不会出现快关;而定值较大,则调节阀容易出现快关问题。通过搭建试验台架,研究不同插装阀的动作特性,分析插装阀定值存在差异可能与插装阀阀芯与阀套摩擦力大有关。研究不同定值插装阀动作特性,不仅提高现场应用插装阀的可靠性,而且对解决进汽调节阀快关问题也有借鉴意义。

我国煤炭行业开采技术不断升级,大采高液压支架也在迅猛发展,对液压支架抗冲击地压强度特性的要求大幅增加。安全阀是液压支架抵抗冲击的关键部件,发挥着过载保护作用,因此,分析安全阀的动态特性对保障煤炭安全开采至关重要。针对现有先导式安全阀存在的响应速度较慢的问题,采用A型液压半桥原理,提出一种双可变节流口控先导安全阀。根据其结构和工作原理,在AMESim软件中搭建该安全阀的液压支架卸载回路模型,仿真得到安全阀压力上升时间为2 ms,稳态溢流时压力为49 MPa,压力超调率为29.5%,流量为1172 L/min,卸荷时间为19 ms。在液压支架卸载回路模型中,通过调整液压支架立柱伸出高度和动载冲击力,进一步分析其对安全阀卸载特性的影响。

在阀芯高速旋转时，阀芯旋转式高速开关阀内部流场会对阀结构强度产生影响。针对此问题，利用Fluent对阀进行动态流场分析，将流场仿真结果作为压.....

液压爬模技术应用于超高层建筑,不仅解决了传统模板法施工的诸多难题,而且大大提高了施工的安全性与经济效益。采用液压系统精确控制,使爬模能适应复杂多变的施工环境,保证连续、稳定地施工。同时该技术的应用,降低了人工作业的危险性,提高了整个工程的安全性。本文对液压爬模技术在超高层建筑井道施工中应用的重要性进行分析,并提出相应的应用策略,希望对相关领域的研究与实践有一定的借鉴意义。

为提高液压缸内泄漏故障的诊断精度,实现智能故障诊断,以EHA液压系统为研究对象,基于距离区分技术对故障特征进行提取,以时域、频域、小波能量以及AR模型等参数为主要敏感特征,并通过机器学习算法以及BP神经网络算法对故障特征进行分类。结果表明,相较于BP神经算法,机器学习算法分类精度更高,能对液压缸内泄故障进行有效诊断。

液压启闭机对于保障水利工程设施的安全运行,防洪排涝、水资源调度等方面起着关键作用,一旦发生故障将会导致水位失控、设备损坏等事故,影响水利工程的正常运行。为掌握液压启闭机运维情况,快速识别异常状况,基于数字孪生技术和贝叶斯理论,构建了液压启闭机的故障诊断模型。首先,分析液压启闭机的日常运行状态和数智柜存储数据,构建液压启闭机的数字孪生体系;其次,结合专家经验及历史故障数据建立基于贝叶斯网络的数字化液压启闭机故障诊断模型,通过实例进行敏感性分析并对故障事件排序,结果表明所建模型根据输入概率能准确诊断液压启闭机故障事件,溢流阀阀芯位置异常、油箱油位过低、换向阀未换向为主要故障因素,且与实际运维状况相符;最后,结合公理验证该故障模型的合理性和有效性。

在当今社会,液压冲击器是一种非常重要的的机械,在施工、采矿等多类活动中均有重要应用。但液压冲击器在使用过程中容易出现缸壁受损问题。基于此,本文以一种新型气—液组合液压冲击器为研究对象,针对其工作过程中缸壁易损坏的问题,采用数值仿真方法对其内部流场特征及配合间隙影响问题进行分析。在此基础上,提出一种基于PLC的液压冲击器控制系统设计方案。

通过提出一种适用于液压支架在顶梁偏心底座承受扭转载荷工况条件下的仿真分析方法,将此方法应用到有限元分析技术中,基于液压支架结构特点构建并实施有限元运算分析,进而根据有限元分析结果对液压支架参数结构进行优化。此外,为进一步验证方法的应用效果,研究中还开展了工程应用分析,验证了该方法应用价值的同时,为后续液压支架结构优化提供支持。

在矿用液压支架的结构中,顶梁作为重要的承载部件,其焊接质量直接影响到整个支架的稳定性和安全性。然而在顶梁焊接过程中,热变形等因素的存在往往会导致焊接变形,进而影响到支架的使用效果和寿命。因此,旨在深入探讨矿用液压支架顶梁焊接变形的控制措施,对矿用液压支架顶梁焊接工艺进行阐述,分析焊接变形的原因,提出控制焊接变形的措施,以期为提高支架焊接质量和稳定性提供理论和实践指导。

针对液压机械驱动齿轮组故障诊断结果精准度不佳、可靠性差等问题,本文提出基于SVM的液压机械驱动齿轮组故障诊断研究。采集了液压机械驱动齿轮组振动信号,构建液压机械驱动齿轮组故障信号分离模型;运用低秩算法分离液压机械驱动齿轮箱振源信号,设计齿轮组故障信号约束条件,完成液压机械驱动齿轮组分类;根据分类结果,采用SDAE模型提取液压机械驱动齿轮组故障特征,并将提取结果输入到支持向量机内训练,其最终输出结果就是最佳诊断结果,实现基于SVM的液压机械驱动齿轮组故障诊断研究。实验结果表明,通过对该方法开展故障检测及故障诊断测试,本文方法下分类错误率不超过3.5%,验证了该方法的可行性高。