论文部分内容阅读
新型绿色节能技术在建筑工程施工中的应用
【机 构】
：
温州瑞悦建设有限公司 浙江 温州 325000
【出 处】
：
建筑工程技术与设计
【发表日期】
：
2021年28期
其他文献
为提高高压共轨系统常用的转子式高压供油泵峰值扭矩的计算准确性,提出一种凸轮轴全周期扭矩计算方法。计算包含柱塞的液压力、摩擦力、弹簧力和惯性力,根据座圈所受的合力方向,在偏心轮坐标系中确定座圈与偏心轮接触点的位置,并通过坐标变换,得到凸轮轴坐标系下该接触点的坐标,进而计算出不同转角下的凸轮轴扭矩。当只考虑柱塞所受的液压力时,该方法与常用的流量倒推法计算结果相同。计算结果表明,高压供油泵的峰值扭矩可按流量倒推法结果的1.3倍计算;当理论排量和供油压力一定时,峰值扭矩随柱塞直径的增大小幅增大、随着柱塞个数的增多
为提高水力旋流器对细小油滴的分离效率,对旋流器入口结构进行分析,发现弯管形式入口对不同粒径油滴具有重构和聚结的功能,即不同粒径油滴经弯管入口后分布在入口截面的不同位置,结合弯管入口结构设计了一种可实现油滴粒径重构的油水分离旋流器。采用群体平衡模型(Population balance model,PBM)模拟油滴破碎与聚结,对粒径重构旋流器内部流场特性进行数值模拟。对比分析了旋流器在不同角度弯管下的油滴粒度、湍动能、速度、油相体积分数及分离效率变化情况,并开展了室内试验。结果表明:粒径重构旋流器能够提高对
为解决T样条曲面造型中控制点插入的半规范问题,提出了一种基于均匀T网格样条曲面的半规范局部细分算法。首先根据T样条曲面定义,将B样条曲面转换为均匀T网格样条曲面;然后在任意单一网格上进行控制点插入,或将网格进行嵌套细分。为满足曲面局部特征细分要求,建立超定方程组,用神经网络求解额外系数,添加于特定控制点上,以保证T样条曲面的半规范性;最后,通过额外系数计算新的混合函数,并构造最终曲面。并通过实例证明该算法的可行性,与现有的T样条的相比,曲面在达到相同精度时,该算法减少了多余控制点。
冗余驱动具有刚度大、承载能力强和运动特性好等优点,设计了10-6、10-5两类构型的10支链Stewart衍生构型,构建了一种数值法和解析法相结合的位置正解半解析算法,并分析了两类构型的工作空间。通过引入虚拟支链,两类构型可进一步衍生为同一种12支链台体型拓扑构型。推导了12支链构型的协调方程,并运用Newton-Raphson法得到虚拟支链的数值解;构建了12支链构型位置正解的全解析数学模型。运用区间分析法研究了两类构型的位置工作空间和姿态工作空间。结果表明,10-5构型的工作空间较规则,且具有良好的对
为了提高微线段齿轮的应用性,从中心距偏差的角度对微线段齿轮的动力学特性进行了研究。依据微线段齿轮齿廓构型原理,基于齿轮啮合关系推导了其齿廓数学模型;采用离散化TCA(齿面接触分析)方法计算了微线段齿轮的传动误差,分析了不同中心距偏差对渐开线和微线段齿轮的传动误差和侧隙的影响;通过建立微线段齿轮动力学模型,分析了渐开线和微线段齿轮在不同载荷、转速下中心距偏差对动态响应的影响。结果表明:微线段齿轮比渐开线齿轮对中心距偏差更为敏感;在低速轻载工况下,渐开线齿轮的动力学特性更好,在载荷较大的工况下,尤其是在中高速
氮氧化物是汽车尾气中的重要污染物。采用氮氧化物(NO_x)化学传感器进行污染物检测是监控汽车尾气污染物排放量的一种重要措施,但由于传感器是基于电化学反应的原理,温度和湿度会对化学反应有很大影响,从而导致测量结果不准确。为此,提出一种基于长短期记忆(Long Short-Term Memory, LSTM)网络的车载NO_x化学传感器温湿度补偿方法。LSTM网络利用传感器测量值和真实NO_x浓度值以
为了测试在大拉力载荷下,海底电缆张力弯曲试验装置是否能正常工作,利用有限元分析方法对鼓轮与海缆进行了建模与仿真,并对整个有限元模型进行了应力、应变和位移分析。结果表明,该张力弯曲试验装置在2×106 N的拉力载荷下,应力最大值达到1.05×108 Pa,并未超过碳钢的屈服强度,没有发生大变形,能够正常工作,装置设计方案合理。
根据某型挖掘机驾驶室噪声的频谱特性,确定其主要噪声成分为中频噪声。为了准确模拟该噪声水平,采用有限元-统计能量混合分析方法,建立FE-SEA仿真模型;通过计算,获取子系统的模态密度、内损耗因子及耦合损耗因子。利用试验方法测量驾驶室外声场的声压数据及悬置振动数据,作为激励施加在混合模型的相应子系统上。仿真计算驾驶室内部噪声,在200~1000 Hz中频范围内仿真误差仅为2.38%,验证了混合模型的准确性以及FE-SEA方法对中频噪声问题的适用性。据此结果,进一步分析驾驶室板件的噪声贡献度,找到驾驶室的声学薄
现代机械设备日趋精密化、智能化,同时工作环境与工况也越来越复杂,一旦零/部件出现故障,不但会对设备本身造成伤害,还有可能造成人员伤亡等事故;因此,及时有效地发现并处理设备故障有着重要的意义。随着人工智能技术的发展,以机器学习为核心的机械故障诊断技术飞速发展。对常用的机器学习理论进行了梳理和总结,主要介绍了基于浅层学习下的人工神经网络、支持向量机及Boosting算法和基于深度学习下的卷积神经网络、自动编码器及深度置信网络这6大类机器学习模型,分析比较了这些模型的优缺点,并总结了各个模型在机械故障诊断领域的