首页期刊导航|山东工业技术
期刊信息/Journal information
山东工业技术
山东工业技术

双月刊

山东工业技术/Journal Shandong Industrial Technology
正式出版
收录年代

    某涡轮转子叶片新型冷却结构设计及试验验证

    郝旭生薛树林李亚雄孙德芹...
    3-8页
    查看更多>>摘要：针对某航空发动机涡轮转子叶片，本文设计了一种新型冷却结构，进行了中温中压条件下冷却效果试验，并与采用成熟冷却结构的叶片冷却效果进行了对比。结果表明:新型冷却结构的平均冷却效果能够满足实际工作状态下叶片冷却设计要求。在流量比 0。02 至 0。046 范围内，相同流量比下，其平均冷却效果高于某成熟冷却结构，在发动机设计点状态，其平均冷效较成熟冷却结构提高约 10。5%，且各冷却单元尺寸满足铸造和机加工艺要求，设计方案合理可行，本文结果可以为转子叶片冷却结构设计提供参考。

    航空发动机涡轮转子叶片冷却结构冷却效果试验验证

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于高压微雾系统的喷流PIV风洞试验技术

    李兴伟徐煜施怡然徐传宝...
    9-12页
    查看更多>>摘要：为了进行发动机尾喷口处高压高速喷流流场的测量，在常规流动显示与测量试验技术的基础上开展了基于高压微雾系统的喷流流场测量试验技术研究。通过将高压微雾系统、喷流试验系统、PIV流场测量试验系统三者相互结合，得到一张显示和测量高压高速喷流流量的流态发动机尾喷口流速分布图。该技术中首先采用高压微雾系统将示踪粒子打入混合室与高压气体混合，再通过喷流模型内部的高压供气系统进行二次混合，保证示踪粒子与高压气体充分混合后从尾喷管喷出，再利用PIV试验技术进行流场测量。研究结果表明，该试验技术具有实时性强、对流场无干扰等特点，可以准确获得发动机喷流的流场分布。

    高压高速喷流高压微雾系统PIV风洞实验

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    仿生机器鱼驱动部件运动仿真分析

    司晨龙
    13-19页
    查看更多>>摘要：本文对仿生机器鱼胸鳍和尾鳍的运动状态进行了详细的行ADAMS运动仿真分析。文中分别针对不同尾鳍关节摆动角度和频率、胸鳍摆动角度、胸鳍直线伸长运动对行进速度的影响，以及胸鳍、尾鳍的运动状态对放生机器鱼运动状态的影响，进行了仿真验证。从仿真结果分析:尾鳍的长度、摆动频率和摆动角度越大更有利于机器鱼的行进速度，但摆动频率的影响呈现非线性，较佳的摆动频率为 2。5 Hz;而胸鳍的上下摆动角度对行进速度影响不大;胸鳍的直线伸长运动会对机器鱼产生后退运动状态，配合上尾鳍的运动可以实现机器鱼的前进和后退运动，同时胸鳍的直线伸长量越大，内外扩张的频率越快，机器鱼的后退速度也越快。

    仿生机器鱼胸鳍尾鳍ADAMS运动仿真

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    工厂仪表检测与识别研究现状

    王德帅王新佩武涛刘泽皓...
    20-28页
    查看更多>>摘要：本文分析了当前仪表检测和识别的关键方法和技术，主要包括仪表表盘图像的获取方式及设备、表盘图像处理方法和表盘数据提取算法。仪表表盘图像的获取方式除了人工巡检外，还有足式、轮式、轨道式巡检机器人搭载摄像头检测等传感器进行自主巡检。表盘图像处理是为了修正各种干扰，如表盘倾斜、环境光线过暗、曝光或背光、图像模糊和图像遮挡等，以便获得更完整、更准确的仪表图像。表盘数据提取目前有常规的图像处理法和基于神经网络的深度学习法。常规图像处理方法通过特征提取和模式匹配，获取仪表指针数值和刻度盘读数。深度学习方法如卷积神经网络和循环神经网络有助于更准确和高效地对仪表关键特征进行识别。未来发展方向更倾向于基于深度学习模型和优化算法，进一步提升仪表检测的准确性和效率、提高仪表数据处理和分析能力，实现对仪表数据的快速读取从而实现更高精准的检测与识别。

    仪表检测与识别深度学习图像处理数值提取

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于ABAQUS的轮式车辆附着特性研究

    王宪成黄雪涛刘子豪
    29-34页
    查看更多>>摘要：针对轮式车辆在松软地面上的机动性问题，研究了轮胎地面附着特性的影响因素及变化规律，构建了包含加载速率及加载次数的基于土壤动态承载模型的车轮地面附着特性理论模型。本文首先通过土槽试验获取了在ABAQUS中搭建模型所需的土壤参数并明晰了加载速率和加载次数对土壤承载能力的影响，在现有的理论基础上构建了土壤动态承载模型;其次分析了车轮与地面的附着特性，在土壤动态承载模型基础上构建了以最大附着力为评估标准的车轮与地面的附着特性模型;最后在ABAQUS中选取Drucker-Prager模型来进行仿真并获得其最大应力和最大附着力来与理论值比较，从而验证本文提出理论模型的准确性。

    轮式车辆软地面ABAQUS土壤动态承载模型

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    巴沙木含水率对其压缩与剪切性能影响的研究

    林瑾锟陈煌黄明富冯学斌...
    35-39页
    查看更多>>摘要：巴沙木又称轻木，是制造风电叶片常用的材料之一。目前风电叶片用巴沙木含水率通常控制在 12%以下，含水率过高将使叶片生产时产生缺陷。为研究不同含水率的影响，本文选取市售的巴沙木板材与目前风电叶片普遍应用的环氧灌注树脂，对不同含水率的巴沙木本体与壳体形式的压缩与面外剪切性能的影响进行了研究与分析。实验结果表明:0%、2。5%、5%、7。5%、10%的含水率对本体、壳体形式的压缩性能均有影响，由于水分会影响木材间纤维结合能力，含水率越低巴沙木压缩与剪切性能越好，为叶片生产中巴沙木含水率的控制提供了数据支撑，同时评估了过高含水率巴沙木对树脂灌注的影响，为工厂的生产提供指导。

    风电叶片巴沙木含水率力学性能

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    液氮深冷技术在码头装船油气回收的应用研究

    纪瑞军曲建军
    40-43页
    查看更多>>摘要：挥发性有机物(VOCs)是造成大气环境污染的重要污染源之一，实施VOCs治理能够有效改善大气环境质量，具有显著的环境效益和社会效益。为严格控制油品码头的VOCs排放，需建设油气回收设施对码头装船作业产生的VOCs进行处理，实现达标排放。综合分析码头装船作业的介质组成、排放标准和运行成本等因素，认为液氮深冷技术在码头装船作业VOCs治理技术选型上有明显的优势。为验证处理效果，建设处理量为 1500 m3/h的液氮深冷设施，用于处理原油和成品油装船产生的VOCs，通过验证处理温度在-70℃、-90℃和-110℃时的VOCs排放浓度，认为该技术的处理效果完全能够满足国家标准，具有非常重要的工程实用价值。

    液氮深冷VOCs处理效果

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    关于C形转子翻车机端盘体环形轨道与垫板紧密贴合方法的研究

    王晶宋宇王爱华
    44-48页
    查看更多>>摘要：环形轨道与垫板是C形转子翻车机端盘体在倾翻火车皮过程中的主要受力部件，二者能否紧密贴合对于后续设备安全运行尤为关键。本文通过分析C形转子翻车机端盘体的结构及运行特点，在没有 10 米立车加工条件下提供一种环形轨道与垫板的紧密贴合方法，使环形轨道与垫板进行牢固紧密贴合，有效保证环形轨道的安装强度、精度，缩短工期，节约成本。

    端盘体垫板辅助装置紧密贴合方法

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于深度学习的猫狗细粒度识别方法

    石鑫雨方虹苏
    49-56页
    查看更多>>摘要：随着国内宠物市场不断发展扩大，细粒度猫狗识别对于宠物管理与监控等方面具备重要的研究意义。基于此，本文提出了一种基于YOLOv8与改进ShuffleNet-V2 的猫狗细粒度识别方法。首先，利用YOLOv8算法的Backbone对猫狗图像进行特征提取，以实现对猫狗品种的准确分类，可达到较高的品种分类准确率。其后，提出了一种结合ECA注意力的ShuffleNet-V2 轻量级孪生网络，通过特征学习可准确捕捉猫狗个体之间的细微差异，以达到对猫狗个体的准确识别。为验证算法的有效性，通过公开数据集及网络搜集的方式构建了猫狗品种分类及个体识别数据集，同时通过多个量化指标来对算法进行评估。实验结果表明，YOLOv8 分类网络的Top1 准确率可达 88。1%，Top5 准确率可达 98。6%;孪生网络在结合ECA注意力机制后，在训练集、验证集及所构建的测试对上的准确率分别为 90。8%、92。8%及92。6%。最后，通过猫狗细粒度识别可视化并结合用户友好UI界面，进一步论证了所提出方法的有效性。

    深度学习猫狗识别YOLOv8ShuffleNet

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于聚类算法和CNN+LSTM短时交通流量预测

    尹迁齐高永强齐龙周士谦...
    57-65页
    查看更多>>摘要：为了更精确地预测交通量，减轻交通阻塞的问题，采用聚类算法，卷积神经网络(CNN)与长短记忆网络(LSTM)相结合，建立一个交通流预测模型。该模型在兼顾时间序列特征地同时，兼顾了交通流量方式与空间特性之间地关系。首先，构造数据张量X，利用CNN挖掘相邻路口的数据X，并整合空间关联信息，将经过CNN处理后的数据输入LSTM模型，用于预测下一时间序列的数值。其次，将LSTM输出经过K-means聚类算法对交通模式进行划分，并计算聚类中心和权重，最终与LSTM的输出做加权计算，得到预测结果。通过多组实验证明本文所提出的模型预测精度优于其他模型，验证了在不同的流量模式下，将时空特征纳入其中，对短时交通流预测的有效性。

    短时交通流量预测K-means聚类卷积神经网络长短期记忆网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据