课程文献中心 更多>>

摘要： 截至2022年底，中国城市地铁总长达10 291.95km，地铁占77.85%。地铁因运量大、准时、占地少、节能环保、安全舒适成为主要交通工具。地铁系统须具备高耐久性、可用性和安全性。城轨交通列车一般采用弓网滑动电接触供电，而刚性接触网滑板磨损问题日益严重。滑板整体磨损过快，更换周期3～6个月。刚性接触网磨损速度比柔性接触网快约2倍。滑板表面磨损不均匀，与刚性接触网拉出值布置有关。这些问题降低了弓网系统的耐久性和可用性。

关键词： 双螺杆泵   固液两相流   颗粒运动   间隙泄漏   磨损  

摘要： 随着陆地油田的逐渐枯竭和开采难度的日益增大,深海油气资源作为近年来油气增储上产的核心来源,对全球油气的供给保障发挥重要作用。双螺杆泵能够输送高粘性或高含气工质,且工况适应性强,已在深海油气采输系统中得到应用,是深海油气采输系统的核心装备之一。输送过程中,原油通常携带的固体颗粒极易导致泵的磨损,特别是对转子齿顶造成的磨损使泵的容积效率和增压能力下降甚至停机,严重威胁采输系统的安全运行。然而,目前的研究未能明确颗粒在双螺杆泵内的运动特征,导致颗粒的致磨机理不清晰,阻碍了双螺杆泵的磨损预测和抗磨损设计。针对该问题,本文采用数值模拟和试验验证的方法,研究了双螺杆泵在含固输送条件下的固液两相流动特性,对颗粒在泵内的复杂运动进行瞬态追踪,分析了双螺杆泵的颗粒致磨成因,为提升双螺杆泵的抗磨损性能提供理论依据。主要工作和结论如下: (1)基于欧拉-拉格朗日框架,采用动网格技术构建了双螺杆泵固液两相瞬态数值模型并进行验证。开展了双螺杆泵在不同颗粒浓度条件下的变压差、变转速数值模拟,明晰了含固输送下的泵外特性规律。结论表明,相较于纯液输送,双螺杆泵在含固输送时的容积效率和水力效率均未出现显著变化;在变压差和变转速的含固输送数值模拟中,大压差和低转速工况下的双螺杆泵容积效率略高于纯液输送。 (2)分析了含固输送下的泵内固液两相流动特征。颗粒的存在对齿顶间隙内的泄漏流速影响较小,但对齿腔内主流的流速存在抑制的效果,且随着颗粒浓度的升高,对流速的抑制越明显;在远离啮合区域的齿顶间隙进口附近发现一处液相高压中心,随颗粒浓度的升高,高压中心压力梯度的范围增大,靠近间隙进口的颗粒更容易被泄漏流“吸入”间隙。随着压差和转速的增大,颗粒在转子域内的整体运动速度升高,靠近啮合区域的颗粒整体速度高于其他部位的颗粒;随着粒径的增大,颗粒在转子域内更趋向于集中式分布;颗粒浓度的升高也会加剧颗粒在转子齿根附近的局部堆积。 (3)通过捕捉颗粒在双螺杆泵三种间隙附近的运动轨迹,发现导致转子顶部出现倒圆状磨损的主要原因是颗粒对齿顶的撞击以及进入齿顶间隙过程中的滑擦,颗粒穿过齿侧间隙的行为也会加剧齿顶倒圆状磨损;在粒径小于间隙的范围内,粒径越大的颗粒与转子齿顶碰撞的频率越高,造成倒圆状磨损的风险越大。转子朝向吸入侧的齿根也是双螺杆泵受磨损的高风险部位,颗粒在齿侧间隙泄漏的影响下,以中高速度沿各级转子的齿根滚动并与之发生连续碰撞,粒径越接近间隙尺寸的颗粒对齿根的撞击越频繁。

关键词： 道岔滑床板   磨损   显微切削缺陷   扫描电子显微镜   YOLOv5  

摘要： 道岔滑床板作为铁路运输领域中铁路交叉口的关键组件之一,其磨损缺陷会导致道岔操作延迟、转换不灵活或失效,增加列车脱轨风险,因此对其磨损缺陷检测对提升交通效率和保障列车转岔安全至关重要。显微切削缺陷作为磨损产生的最主要的缺陷,其形态和特征复杂多样,传统的随机采样方法难以捕捉其细节,导致检测的准确性和鲁棒性不足。针对以上问题,本文制作了道岔滑床板磨损缺陷图像数据集,对YOLOv5s算法进行了改进,并应用于道岔滑床板磨损产生的显微切削缺陷检测研究。本文的具体工作如下: (1)为掌握道岔滑床板因磨损产生的显微切削缺陷特征,本文通过试验制备的方法研究磨损这一特定工况下的缺陷类型,确保磨损是唯一影响因素。为此,制备了滑床板试样,模拟实际磨损原理进行了磨损实验。在实验过程中,同时收集了宏观和微观层面的磨损缺陷图像,并通过对比分析,选取了最能清晰反映显微切削缺陷特征的扫描电子显微镜图像作为缺陷检测数据。 (2)针对扫描电子显微镜所采集图像样本量不足的问题,通过结合生成对抗网络与传统方法,对图像数据集进行扩充,并建立了显微切削缺陷图像数据集,为后续深度学习模型的训练提供了更充分和可靠的数据支持。 (3)针对因道岔滑床板磨损而引起的显微切削缺陷特征小,检测困难等问题,对YOLOv5s算法进行了一系列的改进措施。首先在YOLOv5s算法的基础上添加CBAM注意力机制,提高对模型中缺陷的表达能力;然后引入了 BiFPN结构,进行更多尺度特征的融合;最后又引入EIOU作为损失函数,提高模型对小目标的识别能力。 (4)为证明改进后算法的有效性,在采集到的显微切削缺陷数据集上进行了一系列的对比实验,结果表明,对比目前主流的目标检测算法,采用改进后的模型YOLOv5s-BCE能够取得最佳的召回率R、平均精度均值mAP@0.5和mAP@0.5:0.95。其中相较于原YOLOv5s算法,改进后的模型在精确率P、召回率R、mAP@0.5和mAP@0.5:0.95上均有明显提升,分别提升了 1.26%、5.6%、9.13%和8.92%,充分验证了提出模型在显微切削缺陷检测中的卓越性能。