您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 用速度均方根值表示机器基础的振动烈度.pdf

  2. 介绍的是振动速度均方根值的计算, 从理论和实践两方面分析, 建议我国新的动力机器基础设计规 范也采用振动速度均方根值表示基础的振动烈度。
  3. 所属分类:专业指导

    • 发布日期:2009-04-14
    • 文件大小:390kb
    • 提供者:wanguyuo
  1. Fluke 805振动烈度(点检)仪 简介.pdf

  2. Fluke 805振动烈度(点检)仪 简介pdf,Fluke 805振动烈度(点检)仪 简介
  3. 所属分类:其它

  1. 柴油机双层隔振计算分析和优化软件开发及应用

  2. 针对柴油机双层隔振系统,建立了柴油机整机振动力学模型,利用MATLAB编制了双层隔振系统计算及优化程序,并在此基础上利用GUI开发了相应的振动计算分析及优化软件,可对柴油机双层隔振系统十二自由度及十八自由度模型进行固有频率、解耦度、传递率、支撑处受力和振动烈度等隔振性能指标计算分析,并以解耦度、支撑处受力和振动烈度为目标对系统隔振器刚度参数进行多目标优化设计。该软件人机交互性良好、操作简单、计算及优化功能完善、计算速度快。经实际工程项目使用,结果表明计算方法正确、运行稳定可靠,对动力设备隔振设计
  3. 所属分类:其它

    • 发布日期:2020-05-16
    • 文件大小:243kb
    • 提供者:weixin_38645434
  1. 煤矿在用螺杆式空压机安全检测检验的几个问题

  2. 喷油螺杆式空气压缩机部分性能参数和检测方法调整:排气量2种测量方法及低压箱法计算,排气压力为0.70 MPa,比功率计算方法及规定值,主机排气温度和风包温度≤100℃,振动烈度≤7.1 mm/s,压力维持阀和热控阀的作用及检查方法。
  3. 所属分类:其它

    • 发布日期:2020-05-02
    • 文件大小:127kb
    • 提供者:weixin_38558186
  1. 通用振动标准-按轴承振幅的评定标准

  2. 按轴承振动烈度的评定标准 国际标准化组织ISO曾颁布了一系列振动标准,作为机器质量评定的依据。现将有关标准介绍如下: ⑴ ISO2372/1: 该标准于1974年正式颁布,适用于工作转速为600~12000r/min,在轴承盖上振动频率在10~1000Hz范围内的机器振动烈度的等级评定。它将机器分成四类: Ⅰ类为固定的小机器或固定在整机上的小电机,功率小于15KW。 Ⅱ类为没有专用基础的中型机器,功率为15~75KW。刚性安装在专用基础上功率小于300KW的机器。 Ⅲ
  3. 所属分类:专业指导

    • 发布日期:2011-11-27
    • 文件大小:88kb
    • 提供者:kexin151
  1. 矿井风机振动趋势预测模型的优化

  2. 提出一种新的预测方法-基于EMD分解的时间序列模型,利用EMD分解将采集来的矿井风机振动烈度值分解成若干个固有模态函数(IMF)分量和一个残余项分量,运用恰当的时间序列模型(AR、ARMA)分别对各阶IMF进行预测,将各阶预测值重构,得到振动烈度预测值,并与单独运用时间序列模型的预测结果进行比较。结果证明:运用基于EMD分解的时间序列模型对矿井风机振动烈度进行预测比单独运用时间序列模型的预测精度有明显提高,表明提出方法的可行性、有效性。
  3. 所属分类:其它

    • 发布日期:2020-07-03
    • 文件大小:627kb
    • 提供者:weixin_38612909
  1. 基于频段振动烈度和ARIMA的煤矿减速机状态预测

  2. 振动信号反映设备运行的状态,为了能够对设备的运行状态进行有效监控和预报,采用了频段振动烈度分析和ARIMA建模的方法。通过监控各个频段的振动烈度值,能够全面了解设备的状态。根据各个频段的变化趋势,选择处于上升阶段的频段进行ARIMA建模与状态预测。并讨论了如何处理现场数据的非平稳性以及模型类型判别方法,构建合适的时间序列模型。
  3. 所属分类:其它

    • 发布日期:2020-06-29
    • 文件大小:323kb
    • 提供者:weixin_38624557
  1. 利用振动检测诊断双螺杆压缩机故障

  2. 定期对海上关键设备进行振动检测,发现双螺杆压缩机的振动烈度超标。利用频谱分析,诊断设备故障原因,并在检修中进行了修正。
  3. 所属分类:其它

  1. 基于小波网络的风机振动故障趋势预测

  2. 采用小波网络方法,通过对矿井通风机关键特征参数振动烈度的时间序列预测,实现了其特征参数的故障预报.由于小波网络比一般神经网络具有更多的自由度,从而使其具有更灵活有效的函数逼近能力.小波神经元的良好局部特性和多分辨率学习实现了与信号的良好匹配,使得小波网络有更强的自适应能力、更快的收敛速度和更高的预报精度.
  3. 所属分类:其它

    • 发布日期:2020-07-18
    • 文件大小:946kb
    • 提供者:weixin_38677472