简介:摘要众所周知,行星传动机构作为风电齿轮箱的关键部件,常常会承受无规律的风力作用及强陈风冲击变载荷作用,导致风电齿轮箱传动出现一些故障,因此行星轮系传动时的均载性水平对提高风电齿轮箱传动可靠性具有重要意义,行星轮组件轴向游隙是保证实现行星轮系中太阳轮浮动的前提,是提高行星轮系传动均载性水平、使用寿命的关键。针对行星轮组件轴向游隙偏大问题,本文分别从测量方式、测量仪表、装配工艺以及轴承内外圈高度差这4个方面对行星轮组件轴向游隙的影响进行了深层地研究探析,从而确认了轴承内外圈高度差对行星轮组件轴向游隙的影响,并通过引入轴承内外圈高度差因素,解决了行星轮组件轴向游隙偏大问题。
简介:摘要随着当前社会经济的进步,新一轮农村电网改造升级工程建设方案计划的提出,对我国农村电网供电可靠性和供电能力提升有着极为重要的现实意义。接下来本将对新一轮农村电网改造升级工程建设的管理与实践,进行一定分析和探讨,并对其做相应整理和总结。
简介:摘要:公司 200km/h 机车驱动单元 在 其 所 做动力学实验时造成车轮踏面严重拉伤,导致车轮轮径跳动变大。由于超差在 0.3mm 左右和现场设备受限等不能用车削加工,所以只能手工修复。 关键词: 200km/h 机车驱动单元;车轮踏面;锉刀;电涡流传感器;高速列车踏面清扫器 引言:车轮踏面跳动过大是影响车辆运行平稳性的主要原因,做动力学实验尤其重要。 200km/h 机车驱动单元轮径跳动量要求在 0.1mm 以内。 车轮踏面 : 锥形踏面与钢轨的接触宽度较窄,接触部分磨耗后踏面呈凹形。运动经验表明,踏面 磨耗至某种 凹形后,磨耗变慢,外形便相对稳定。磨耗形踏面的优点为: ① 踏面磨耗较慢,延长了旋轮里程,减少了旋轮时的切削量; ② 轮轨接触面积较大,接触应力较小,在同样的接触应力下,允许更高的轴重; ③ 减少机车通过曲线时的轮缘磨耗。 锉刀 : 外圆弧锉法 当余量小或对外圆弧面作修整时,一般采用锉刀顺着圆弧锉削称顺向滚锉法。既在锉刀作前进运动的同时,还应绕工作圆弧的中心作摆动。当锉削余量较大时,可采用横着 圆弧锉称 横向滚锉法。先按圆弧要求锉成多棱形,然后在顺着圆弧锉。锉削是手工操作,劳动强度大,效率低,对操作者姿势、动作要领要求准确。想要锉削好必须要多练苦练,才能达到一定水平。 电涡流传感器 : 电涡流传感器能静态和动态地非接触、高线性度、高分辨力地测量被测金属导体距探头表面距离。它是一种非接触的线性化计量工具。电涡流传感器能准确测量被测体(必须是金属导体)与探头端面之间静态和动态的相对位移变化。在高速旋转机械和往复式运动机械状态分析,振动研究、分析测量中,对非接触的高精度振动、位移信号,能连续准确地采集到转子振动状态的多种参数。如轴的径向振动、振幅以及轴向位置。电涡流传感器以其长期工作可靠性好、测量范围宽、灵敏度高、分辨率高等优点,在大型旋转机械状态的在线监测与故障诊断中得到广泛应用。 高速列车踏面清扫器 : 产品特点:采用气动式结构,具有体积小、重量轻、间隙调整灵活以及研磨子与车轮贴合性好、增粘效果好等优点。 修复方法: 1 . 如图 3 先在踏面中间用百分表找到圆周内的最低点作为基准点,再用样板如图 1 在踏面横向划一条线标上 3 个点如图 2
简介:摘要:近年来,我国逐步的增强了经济建设工作的力度,从而使得各个领域随之快速的发展壮大,为斗轮堆取料设备的发展带来了诸多的机遇。就当下实际情况来说,斗轮堆取料设备称之为斗轮机,是当前工业生产中使用最为频繁的一种取料设备,被大范围的运用到了发电厂、沙石场、选煤厂生产之中。斗轮堆取料设备是生产中所使用的最为频繁的一种机械设备,如果遇到任何的故障的情况,那么都会对生产的效率和效果造成一定的限制,甚至会造成严重的经济损失。斗轮机故障情况的出现可能集中在某个零部件上,任何零部件出现问题都会对生产工作造成严重的损害,所以企业在组织开展生产工作的时候,还需要切实地充实斗轮机工作运行经验,并且对斗轮机可能遇到的故障和造成故障的根源技能型分析研究,切实地做好养护工作,对于生产技术进行不断的优化和创新。
简介:摘要在电厂汽轮机安装或者检修工作当中,汽轮机转子的安装调试工作直接关系到汽轮机组的运行状态。这里汽轮机转子包含高压转子、中压转子、低压转子、发电机轴。因此,在汽轮机安装过程中有必要注重汽轮机各转子的安装工作。一般情况下,安装调试好各转子后,其两端连接处对轮跳动公差不得超过0.02。调试好后各转子对轮孔均会出现位置偏差,需要现场对对轮孔进行加工,从而进一步满足螺栓的安装和紧固。由此可见,汽轮机轴系对轮孔的现场加工十分重要。本文在阐述汽轮机轴系对轮孔加工技术难点的基础上,提出了新的汽轮机轴系对轮孔加工方案,希望以此为相关人员对汽轮机轴系对轮孔加工提供具有参考价值的建议。
简介:摘要金融市场行业板块复杂多变的轮动现象,最终都表现为行业股价的周期现象,而我们通过从交易大数据中挖掘大概率的关联规则能够更加准确的辨析股市的轮动变化,帮助我们在未来的股市预测和决策中提供重要依据。本文运动多种数学模型和优化算法对命题进行剖析解决.问题中的市场板块划分问题是挖掘板块联动问题的重要前提,而不同角度的板块划分对不同的市场变化、行业轮换有较为适合的对应分析方法。长期稳定板块划分,我们通过使用Origin分析方法抓取符合条件的研究数据,然后根据各产业的增长率划分市场板块。板块内部分化度分析,我们抓取特高增长和高增长模块,对各部分进行Origin仿真,验证了增长率越高,市场分化程度越高,市场走势越紊乱,增长率越低,市场分化程度越低,市场走势越平稳的分化度变化规律。不同时间尺度的板块分析,我们应用机器学习--无监督学习之K-means聚类方法,演示出了板块在时间上的分合与演化。