天然气是一种优质能源和化工原料,因此天然气流量计量在天然气生产中越来越重要。艾伯特流量计相对于孔板流量计具有无安装直管段要求,精度高,量程比大、压损少和安装简单等特点,是一种新型性能优异的流量计,其应用会越来越广泛。

阐述了一种智能精密水压力发生器的设计与研究。该智能精密水压力发生器以微控制器系统作为整个水压力控制系统的核心；水压力数据信号由两线制压力传感器采集，用单回路PID控制，自动调节精度高，系统响应快，滞后小，调节效果好，通过测试表明可以满足工艺要求。

移动通信技术和智能掌上设备的飞速发展及其在其他领域的广泛应用，必将对制造模式产生深刻的影响，为数字化制造带来重大的机遇和挑战。本文根据“基于移动通信技术的人机协同车间数字化制造模式”的要求，提出一种采用无线通信技术的新型数控系统。新型数控系统由两部分构成：一部分是可移动的掌上控制器，我们称其为数控PDA；另一部分则安装于机床上，称为嵌入式机床控制器。两部分之间通过W1-Fi(802．11X)或蓝牙(Bluetooth)实现通信。在这种模式下，现今的数控系统中的很大一部分功能将被转移到数控PDA上。而机床控制器则主要执行实时运动控制和PLC功能。这种新型数控是真正的嵌入式系统，大大降低了数控系统的体积和成本。新型数控系统的最大优势是能够方便地实现设备级的无线联网；同时，通过数控PDA也彻底改变了数控机床的...

阐述了一种智能精密水压力发生器的设计与研究。该智能精密水压力发生器以微控制器系统作为整个水压力控制系统的核心；水压力数据信号由两线制压力传感器采集，用单回路PID控制，自动调节精度高，系统响应快，滞后小，调节效果好，通过测试表明可以满足工艺要求。

为探究无油压缩机气缸与填充PTFE活塞环的配对摩擦磨损特性,在Rtec-instruments多功能摩擦磨损试验机上对不同表面处理工艺的不锈钢、铝合金气缸材料与不同配方填充PTFE活塞环材料进行配对摩擦磨损试验。通过对摩擦系数时序曲线的变化规律、摩擦副磨损前后表面形貌特征及填充PTFE磨损量的研究,选择最优摩擦学性能的气缸-活塞环的配对摩擦副。结果表明,铝合金与不锈钢表面进行PCVD处理相对于常规阳极氧化和镀铬更易在摩擦表面形成自润滑转移膜;PTFE填充碳纤维时,其摩擦系数时序曲线随磨合过程降低且较为稳定;考虑摩擦系数与相对磨损量,提出了综合摩擦系数作为配对摩擦副选材的依据;PCVD处理的铝合金材料与填充主材碳纤维PTFE的综合摩擦系数为6.1×10-5,具有较低的综合摩擦系数、稳定的摩擦系数时序曲线和良好的表面形貌特征,可作为气缸-活塞环...

为了实现对逆变器电路故障位置快速精确定位,减少停工检修时间,提高运行效率,提出一种基于BP神经网络的变频器逆变电路开关器件开路故障诊断方法。使用MATLAB对逆变电路建模和仿真,从输出电压波形直接采样提取故障信号特征。根据故障特征和诊断目标,建立三层神经网络故障模型,确定神经元数目和传输函数。将故障特征信号作为BP神经网络的输入,通过Levenberg Marquardt算法实现对神经网络的训练,用训练后的神经网络模型实现对变频器逆变电路的故障诊断。结果表明：直接波形采样实现简单;可实现1只或2只IGBT同时开路故障准确定位;所提出的故障诊断模型诊断准确率高。

为探究在油润滑条件下,涡旋压缩机端面摩擦副接触面在磨合初期与稳定磨损阶段摩擦因数局部时间序列曲线的分形行为,在TRB多功能摩擦磨损试验机上采用球墨铸铁分别与不同表面粗糙度的铜合金和铝合金进行摩擦磨损试验,采集磨合过程中摩擦因数的时间序列信号曲线并对其进行分形表征。结果显示：摩擦因数时间序列曲线具有明显的分形特征,可以根据摩擦过程中摩擦因数时间序列信号的分形维数来判断磨合过程的复杂程度;摩擦副在油润滑时表面粗糙度越大则磨合过程的平均摩擦因数越大,但摩擦因数曲线的分形维数越小,且磨合初期摩擦因数局部时间序列曲线的分形维数不规则波动越大;软质材料表面粗糙度的改变对摩擦因数及其局部分形维数的影响较大。

提高吸油烟机气动和噪声性能对改善人们的生活品质具有十分重要的意义。本文首先针对某型号吸油烟机的气动和噪声性能进行了数值模拟,并将数值模拟结果与试验结果进行了对比,验证了数值计算模型和计算方法的有效性。其次将贯流风机常用的叶轮分节交错结构应用到吸油烟机的风机叶轮中,得到了一种新型的错齿叶轮,并对错齿叶轮吸油烟机的气动和噪声性能进行了数值和试验研究。数值和试验研究表明,相比于原型吸油烟机,带错齿叶轮的吸油烟机总压和效率基本保持不变,风量增大0.89m^3/min,噪声降低0.78dB。分析其作用机理,发现多翼离心风机的蜗舌处的压力变小,压力梯度降低,蜗壳出口处的速度变大,因此整机的流量得到提高,噪声有所下降。错齿叶轮能够在0~2000Hz的低频段有效降低烟机噪声,在2000Hz以上的高频段降噪效果不明显。

张家港现已成为全国木材进口最繁忙的港口,昼夜三班运转,每工班需出勤木材装载机20台左右.装载机是液压液力传动机械,在恶劣工况下长时间高负荷地运转,不可避免地会出现故障.而液压系统故障排除难度大、时间长,如果按照传统的解体排查、逐项检查的模式进行管理,将很难适应新的生产形势.为此,公司大型机械队进行了专门的技术攻关,根据液压部分出现故障的现象、原因和特点,提出了体外诊断的新方法.

针对液压泵振动信号信噪比低、非线性及小样本等特点提出了一种基于小波包（ Wavelet Packet WP）分解、遗传算法（Genetic Algorithm GA）和支持向量机（Support Vector Machine SVM）的液压泵故障诊断模型即WP-GA-SVM模型。首先对液压泵振动信号进行小波包消噪预处理然后将消噪后的信号进行小波包分解与重构提取频带能量作为支持向量机分类器的输入特征向量。采用遗传算法来实现支持向量机核函数参数g和惩罚因子C的自动快速最优选择。最后通过与概率神经网络方法对液压泵故障诊断的对比分析验证了该模型的有效性和优越性。